基于Kalman滤波—加权因子的多传感器数据融合方法研究

论文题目: 基于Kalman滤波—加权因子的多传感器数据融合方法研究

论文类型: 硕士论文

论文专业: 光学工程

作者: 李小宁

导师: 朱大勇,徐智勇

关键词: 数据融合,加权因子,滤波,多传感器

文献来源: 电子科技大学

发表年度: 2005

论文摘要: 数据融合就是将来自多个传感器或多源的信息进行综合处理,从而得出更为准确、可靠的结论。通过对多传感器数据融合的功能和结构模型的分析比较,并结合具体的应用,确定了本论文采用位置级多传感器数据融合技术,是光电跟踪测量系统提高设备跟踪稳定性进而提高观测报告准确性,为事后数据处理提供可靠、稳定的空间目标数据采样,从而提高准实时及事后数据处理精度。从光电跟踪系统的具体情况出发,经过对数据融合结构的分析,确定融合方法为加权平均的融合方法。先对光学传感器和雷达传感器的角度数据进行预处理,给加权融合节点提供在时间上一致的目标数据,再对这些数据进行加权融合,把结果送控制系统参与设备运动控制,最后对融合结果进行Kalman 滤波预测产生一步外推。对雷达包括角度数据和距离数据的全信息进行坐标变换,分别对目标在三个坐标轴上的分量进行Kalman 滤波,从而得到目标的一步外推估计,再转换到设备的极坐标系中。对加权融合结果的外推数据和雷达数据的外推数据进行时间上的关联、选优得到融合算法的参考值(该值是加权平均方法确定权值的基准)。当出现多目标时,经预处理保证了数据的可靠性,在加权平均环节解决了预处理中不能解决的传感器提取假目标信息的问题,最终在数据选优中通过对雷达数据滤波估计值和加权融合数据的滤波估计值进行选优,保证了权值确定方法中所要求的参考值数据。经过对实际测量数据的仿真,说明融合数据平滑性和可靠性高于任一单一传感器的数据,达到了融合的目的。

论文目录:

第一章概述

1.1 光电跟踪系统中的传感器数据的发展及应用

1.2 研究的目的

1.3 研究的内容

第二章多传感器光电跟踪系统数据融合的方法确定

2.1 数据融合的目的、定义

2.2 多传感器数据融合的基本原理

2.3 多传感器数据融合的结构模型

2.4 多传感器数据融合的功能模型

2.5 光电跟踪系统数据融合方法的确定

2.5.1 光电跟踪系统数据融合的优点

2.5.2 光电跟踪系统数据融合方法确定

第三章空间目标的状态变化特点及其状态估计

3.1 对空间目标的运动状态变化特点的分析

3.2 目标状态估计方法-KALMAN滤波

3.2.1 线性系统描述

3.2.2 Kalman 滤波

3.3 多传感器数据融合的基础

第四章光电跟踪系统的多传感器数据融合方法

4.1 光电跟踪系统多传感器数据融合的功能模型

4.2 单传感器数据的预处理

4.3 雷达数据的处理

4.4 多传感器数据融合算法-加权平均

4.4.1 加权平均的数学模型

4.4.2 单传感器静态测量数据的加权因子确定

4.4.3 静态测量下的多传感器加权因子的确定

4.4.4 动态测量下的多传感器加权因子的确定

4.4.5 算法的仿真和结果分析

4.4.6 融合算法的性能评估

4.5 数据融合的平台

4.6 融合方法的实现

4.6.1 Kalman 滤波的程序实现

4.6.2 加权平均融合方法程序实现

4.6.3 融合实现程序时效的评估

4.7 小结

结束语

参考文献

致谢

个人简介

发表文章

发布时间: 2005-09-23

参考文献

[1].基于Kalman滤波的无人飞行器多传感器数据融合方法研究[D]. 逯峤.南京理工大学2018
[2].神经网络校正的Kalman滤波算法及应用研究[D]. 匡磊.华中科技大学2016
[3].焊缝跟踪Kalman滤波状态估计应用研究[D]. 陈永平.广东工业大学2006
[4].带不同局部动态模型的时变系统Kalman融合器及其应用[D]. 李闯.黑龙江大学2007
[5].基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器[D]. 王欣.黑龙江大学2005
[6].基于Kalman滤波方法的多传感器观测融合滤波器[D]. 崔崇信.黑龙江大学2005
[7].基于Kalman滤波方法的多传感器信息融合滤波器[D]. 梁佐江.黑龙江大学2005
[8].基于Kalman滤波的目标跟踪与传感器配准问题研究[D]. 金翩.华中科技大学2015
[9].基于现代时间序列分析方法的观测融合Kalman滤波器与Wiener滤波器[D]. 惠玉松.黑龙江大学2008
[10].信息融合量化Kalman滤波器[D]. 刘娜.黑龙江大学2012

基于Kalman滤波—加权因子的多传感器数据融合方法研究

猜你喜欢