專利名稱：一種航跡融合方法
技術(shù)領(lǐng)域：
本發(fā)明屬于多源信息融合技術(shù)領(lǐng)域，尤其涉及一種航跡融合方法。
背景技術(shù)：
面對日益復(fù)雜的信息環(huán)境及信息表現(xiàn)形式的多樣性、信息數(shù)量的巨大性、信息之間關(guān)系的復(fù)雜性，以及要求對信息處理的實時性，不僅超出了人腦的綜合處理能力，而且單個傳感器的量測信息存在著不精確性、不可靠性、不一致性及不完整性，因此必須依靠多傳感器協(xié)同工作，利用多傳感器信息融合技術(shù)綜合優(yōu)化處理信息，以最大限度地獲取觀測目標的狀態(tài)、特征等完整信息，實現(xiàn)目標的精確定位及跟蹤。信息融合是一門信息綜合處理技術(shù)，即利用多傳感器或多源數(shù)據(jù)的互補性、冗余性，使各傳感器提供的各種信息能接近無損失和無誤地加以融合，從而提高數(shù)據(jù)的質(zhì)量。目標跟蹤作為信息融合的一個經(jīng)典應(yīng)用及各個領(lǐng)域中的關(guān)鍵部分，引起了廣泛的興趣。針對此問題的研究，相繼提出了一系列的航跡融合方法，不斷地改善航跡融合質(zhì)量，提高了目標的跟蹤性能。目前，針對航跡融合問題的方法主要分為兩類，一類是集中式航跡融合方法，另一類是分布式航跡融合方法。前者由于信息損失最小，使其融合精度較高，然而當其中某個傳感器失效時會對融合性能產(chǎn)生較大的影響，穩(wěn)定性不高，且計算量大；后者雖融合精度相對較低，但結(jié)構(gòu)簡單，通信量小，同時具有局部跟蹤能力。通過對分布式融合系統(tǒng)的研究，已提出的融合方法有簡單方差凸組合法、加權(quán)融合法、基于分步式濾波的航跡融合法等。其中簡單方差凸組合法是最早提出的融合估計方法，該方法在假設(shè)各局部狀態(tài)估計誤差統(tǒng)計獨立的情況下實現(xiàn)的，計算比較簡單；加權(quán)融合法是利用權(quán)因子簡單組合多源信息，易實現(xiàn)，在工程上應(yīng)用廣泛，此外，針對加權(quán)因子的制定，現(xiàn)在已提出了許多分配權(quán)值的方法，如極大似然法、最小二乘法等，通過對制定權(quán)因子算法的改進，易達到對加權(quán)融合法性能的提高； 相對于以上方法，基于分步式濾波的航跡融合法，主要是利用多傳感器的觀測值，結(jié)合系統(tǒng)先前信息對目標狀態(tài)的預(yù)測估計值，通過Kalman濾波依次對目標狀態(tài)估計值進行更新，從而得到基于全局系統(tǒng)的融合估計值。該方法雖然結(jié)構(gòu)相對復(fù)雜，計算量較大，但因充分考慮了各個傳感器所提供的觀測信息，使其與其他算法相比，具有相對較高的信息融合精度。然而由于受到傳感器本身性能及外界隨機干擾的影響，使各傳感器提供的觀測信息具有不確定性及相關(guān)性，從而造成該融合算法穩(wěn)健性及融合性能的降低。

發(fā)明內(nèi)容
本發(fā)明的目的是為了解決現(xiàn)有的分步式濾波的航跡融合方法由于各傳感器提供的觀測信息的不確定性及相關(guān)性造成融合性能降低的問題，提出了一種航跡融合方法。本發(fā)明的技術(shù)方案是一種航跡融合方法，包括如下步驟Si.利用預(yù)處理后的多傳感器的觀測信息建立數(shù)據(jù)間的相對距離矩陣；S2.依據(jù)步驟Sl得到的相對距離矩陣，計算支持度函數(shù)，獲得支持度矩陣，建立方程組，求解加權(quán)因子；
S3.將步驟S2得到的各個傳感器的權(quán)因子與其相應(yīng)的觀測值相乘，分別濾波獲取對應(yīng)的濾波值，將獲取的全部濾波值相加得到觀測系數(shù)化后的濾波融合值；S4.將步驟S3得到的濾波融合值作為狀態(tài)更新輸入值，利用Kalman濾波，分步對目標狀態(tài)估計值進行估計更新。所述步驟Sl具體過程如下計算數(shù)據(jù)間相對距離，建立相對距離矩陣，在k時亥IJ， 利用多傳感器對同一目標的觀測值，計算相對距離du(k)Clij. (k) = |Zi(k)-Zj.(k) |i，j = 1，2，L，N，其中，Zi(k)表示預(yù)處理后的第 i 個傳感器的觀測信息，N是傳感器的個數(shù)；在k時刻N個傳感器的相對距離矩陣D (k)記為
權(quán)利要求
1.一種航跡融合方法，其特征在于，包括如下步驟·51.利用預(yù)處理后的多傳感器的觀測信息建立數(shù)據(jù)間的相對距離矩陣；·52.依據(jù)步驟Sl得到的相對距離矩陣，計算支持度函數(shù)，獲得支持度矩陣，建立方程組，求解加權(quán)因子；·53.將步驟S2得到的各個傳感器的權(quán)因子與其相應(yīng)的觀測值相乘，分別濾波獲取對應(yīng)的濾波值，將獲取的全部濾波值相加得到觀測系數(shù)化后的濾波融合值；·54.將步驟S3得到的濾波融合值作為狀態(tài)更新輸入值，利用Kalman濾波，分步對目標狀態(tài)估計值進行估計更新。
2.根據(jù)權(quán)利要求1所述的航跡融合方法，其特征在于，所述步驟Sl具體過程如下計算數(shù)據(jù)間相對距離，建立相對距離矩陣，在k時刻，利用多傳感器對同一目標的觀測值，計算相對距離du(k)ClijGO = |Zi(k)-Zj(k)|i，j = l，2，L，N，其中，Zi(k)表示預(yù)處理后的第i個傳感器的觀測信息，N是傳感器的個數(shù)；在k時刻N個傳感器的相對距離矩陣D (k)記為
3.根據(jù)權(quán)利要求2所述的航跡融合方法，其特征在于，所述步驟S2具體包括如下分步S21.計算相對距離矩陣D (k)中元素的最大值0_11狀(10 ；
4.根據(jù)權(quán)利要求2或3所述的航跡融合方法，其特征在于，所述步驟S3中的濾波采用的是交互式多模型濾波算法。
5.根據(jù)權(quán)利要求4所述的航跡融合方法，其特征在于，所述步驟S4具體包括如下步驟S41.狀態(tài)初始化，當k= 1時，利用等權(quán)因子加權(quán)思想求得全局狀態(tài)估計值1(111)及估計誤差協(xié)方差P(Ill)分別為
全文摘要
本發(fā)明屬于多源信息融合技術(shù)領(lǐng)域，公開了一種航跡融合方法。包括利用多傳感器的觀測信息建立數(shù)據(jù)間的相對距離矩陣；計算支持度函數(shù)，獲得支持度矩陣，建立方程組，求解加權(quán)因子；將權(quán)因子與其相應(yīng)的觀測值相乘，分別濾波獲取對應(yīng)的濾波值，將獲取的全部濾波值相加得到觀測系數(shù)化后的濾波融合值；將濾波融合值作為狀態(tài)更新輸入值，利用Kalman濾波，分步對目標狀態(tài)估計值進行估計更新。本發(fā)明通過對多傳感器的觀測信息進行觀測系數(shù)化的濾波融合，在不增加數(shù)據(jù)處理復(fù)雜度的條件下，降低了觀測信息不確定性對航跡融合的影響，同時在觀測系數(shù)化濾波融合過程，考慮了觀測信息的相關(guān)性，進而提高了觀測精度，獲得了對目標的可靠跟蹤。
文檔編號G01C21/20GK102322861SQ20111014293
公開日2012年1月18日 申請日期2011年5月31日 優(yōu)先權(quán)日2011年5月31日
發(fā)明者全麗, 張偉, 張可, 謝家澤, 陳華 申請人:電子科技大學