一种异质多传感器的异步量测融合算法验证.doc
《一种异质多传感器的异步量测融合算法验证.doc》由会员分享,可在线阅读,更多相关《一种异质多传感器的异步量测融合算法验证.doc(4页珍藏版)》请在三一文库上搜索。
1、一种异质多传感器的异步量测融合算法验证1 引言在多传感器目标跟踪系统中,由于异质传感器能实现优势互补,将其数据进行融合,可提高对空中目标的跟踪精度。异质传感器信息融合是数据融合实际应用中的一个重要内容,因为在实际的系统中,经常遇到利用3D雷达(测量值为距离、方位和俯仰)、2D雷达(距离和方位)、被动雷达(方位和俯仰)、测高雷达(俯仰)和ESM(方位)等传感器对目标进行跟踪,利用这些传感器进行融合可获得更精确、更完全的目标状态估计。异质多传感器融合是数据融合中一个重要内容,文献1研究了利用2D主动雷达和红外传感器对高机动目标进行跟踪,提出基于IMMPDAF的序贯滤波融合方法。文献2-4提出一种虚
2、拟融合法,由于该算法首先是对采样率高的传感器数据进行最小二乘压缩,使之与另一个传感器的数据同步,该算法中各传感器采样率的比需满足一定的条件,文献5研究了一种并行滤波方法。由于该算法是一种同步融合算法,对于异步数据首先要进行同步化。本文从建立伪量测方程的角度,提出了一种异质多传感器的异步量测融合算法,该算法是通过在融合中心建立伪量测方程使各传感器的数据同步,然后利用同步的思想进行处理,最后通过计算机仿真进行了验证。2 系统模型不失一般性,以在球面坐标系中运动的目标为例进行分析,则离散时间线性系统的状态方程为:X(k+1)=F(k+1,k)X(k)+(k+1,k)V(k) (1)其中,X(k)为k
3、时刻目标的状态向量;kF(k+1,k)为状态转移矩阵;(k+1,k)为过程噪声转移矩阵;V(k)是零均值,高斯白噪声序列,其协方差阵为Q(k)。在实际情况下,传感器得到的是三维球坐标系或二维极坐标系的目标量测,即包括斜距r、方位角a和俯仰角e。假设某一传感器的测量方程为:Z(k)=h(X(k)+W(k) (2)其中,W(k)是k时刻的测量高斯白噪声,其相互独立且协方差为R(k),量测向量Z(k)包括斜距r(k)、方位角a(k)、俯仰角e(k),坐标转换如图2所示,由其定义可得:3 测量方程的线性化由于测量方程(2)是一个非线性方程,可以利用泰勒级数展开,对其进行线性化,展开围绕者预测状态X(k
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 异质多 传感器 异步 融合 算法 验证
链接地址:https://www.31doc.com/p-3364018.html