基于小波滤波的多尺度传感器信息融合方法研究

论文摘要

近年来,随着计算机技术、通讯技术的发展,特别是军事上的迫切要求,多传感器信息融合技术得到了迅速的发展。信息融合作为一门跨学科的综合信息处理理论,涉及系统论、信息论、控制论、人工智能和计算机通讯等众多的领域和科学,它被广泛应用于自动目标识别、战场监视、自动飞行器导航、机器人、遥感、医疗诊治、图像处理等领域。通常,多传感器融合的信息与单源数据相比,有很大优越性。除了同源数据的简单组合(如:通过冗余的观测数据可以获得物理现象的更精确的估计)外,应用不同种类的多传感器也可以提高某些观测量和描述量的估计精度。另外,由于在军事应用领域强大的发展潜力,微机系统的快速更新换代,更先进的传感器的出现以及新的融合技术的发展,多传感器信息融合的性能不断获得新的提高。随着小波分析成为一门迅速发展起来的新兴学科,小波在信号处理和图像处理中的应用得到了空前的发展。其中在多尺度分析方面,多尺度信号和小波表示以及多尺度信号处理算法的研究日益成为国内外的研究热点。本文从组合导航系统的实际需求出发,提出了一种基于小波滤波的多尺度分布式多传感器系统融合估计算法。将信号的多尺度分析方法与多传感器信息融合技术相结合,并应用于组合导航过程中,使整个系统的工作建立在不同“尺度”上,突破了单一尺度系统估计的限制,从一定程度上解决了常规滤波估计方法在高频缓变噪声处理方面的不足。通过仿真结果验证了该算法用于组合导航系统可较为有效地保证系统的精度,为实际系统应用提供了理论依据。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景和意义
• 1.2 信息融合的发展概况
• 1.3 多尺度系统理论
• 1.4 多传感器系统的特点和结构
• 1.5 多传感器信息融合主要方法
• 1.6 组合导航系统的研究现状
• 1.7 研究内容与论文结构
• 第2章 基于小波滤波的多尺度系统理论
• 2.1 引言
• 2.2 小波变换理论
• 2.2.1 连续小波变换
• 2.2.2 小波级数
• 2.2.3 多尺度分析
• 2.2.4 Mallat算法
• 2.3 本章小结
• 第3章 多尺度单传感器系统模型研究
• 3.1 引言
• 3.2 多尺度单传感器系统模型
• 3.3 信号的多尺度分析
• 3.4 多尺度单传感器分布式融合估计算法
• 3.5 估计算法在SINS/GPS组合导航系统中的应用
• 3.5.1 状态和量测的选取
• 3.5.2 系统的状态方程
• 3.5.3 系统的测量方程
• 3.5.4 SINS/GPS组合导航系统数字仿真
• 3.6 本章小结
• 第4章 多尺度多传感器的组合导航系统研究
• 4.1 引言
• 4.2 多尺度多传感器动态系统模型
• 4.3 多尺度多传感器分布式融合估计算法
• 4.3.1 算法描述
• 4.3.2 算法实现
• 4.4 惯导系统与其它传感器观测模型的建立
• 4.4.1 双星导航系统对惯导系统误差的观测
• 4.4.2 星光导航系统对捷联惯导系统误差的观测
• 4.4.3 多普勒导航系统对捷联惯导系统误差的观测
• 4.5 多尺度多传感器在导航系统中的数字仿真
• 4.5.1 组合导航系统仿真初始条件设定
• 4.5.2 组合导航系统仿真结果及分析
• 4.6 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢
• 个人简历