多传感器异步采样系统的顺序融合

针对现有基于伪量测的异步融合算法存在实时性差、融合时刻计算负荷大以及人为引入噪声相关等问题,提出了一种新的基于采样点顺序离散化思想的顺序式异步融合算法.该算法首先将各个传感器的测量值在融合中心的坐标系中和时钟下进行映射统一;然后,选取融合周期内各采样时刻对连续状态系统进行顺序离散化,从而获得本周期内各采样点间的状态方程和相应的测量方程.最终,使用线性最小均方误差意义下最优的线性卡尔曼滤波器实现本周期内异步采样量测的顺序滤波融合.仿真分析表明,该算法和基于伪量测的异步融合算法相比具有较少的计算量、较好的实时性和较高的估计融合精度.

异步采样系统的分布式递推最优线性融合滤波器

针对异步均匀采样的线性离散系统,研究了最优线性分布式异步融合滤波问题。通过引入伯努利分布的随机变量,将异步系统同步化,给出了线性最小方差最优线性局部滤波器。推导了局部估值之间的误差互方差阵、先验估值和局部估值之间的误差互方差阵。提出了不带反馈的分布式递推线性无偏最小方差最优线性融合滤波器。所提出的算法比局部估计按矩阵加权融合滤波器具有更高的估计精度,与集中式融合精度相比具有精度损失。为进一步改善估计精度,又提出了与集中式融合精度相同的带反馈的分布式最优线性融合滤波器。仿真实验验证了所提算法的有效性。

带相关噪声异步采样系统的分布式最优线性递推融合估计

对带相关噪声的异步均匀采样线性离散系统,研究了分布式最优线性递推融合预报和滤波问题.通过引入满足伯努利分布的随机变量将系统同步化,给出了局部Kalman预报器和滤波器.分别推导了局部估值间的互协方差阵、分布式最优线性融合估值与局部估值间的互协方差阵.提出了分布式最优线性递推融合预报器和滤波器.与局部估值按矩阵加权的分布式融合估计算法相比,所提出的算法具有更高的估计精度,但与集中式融合相比有精度损失.为了进一步提高估计精度,又提出了带反馈的分布式最优线性递推融合预报器和滤波器,证明了带反馈的融合估计与集中式融合估计具有相同的精度.仿真例子验证了所提算法的有效性.

基于状态转换的顺序式异步数据融合算法

针对现有基于伪量测的异步融合算法存在的实时性差、融合时刻中心处理器计算负荷大以及引入噪声等相关问题,提出一种新的基于状态转换的多传感器顺序式异步融合算法。新算法通过连续系统离散化获得融合周期内各采样点同融合时刻之间状态的动态关系,并利用该关系来建立相邻两个采样时刻间符合标准Kal-man滤波条件的状态递归方程以及相应的测量方程,然后通过执行顺序Kalman滤波来实现异步数据融合。详细推导了融合算法的具体形式,并通过理论分析和计算机仿真证明了该算法不仅能避免现有基于伪量测的异步融合算法所存在的诸多问题,而且能获得更好的跟踪性能。

基于时延数据融合的港口船舶监控策略研究

在对现有港口船舶航行监控方法以及导航技术详细分析的基础上,结合基于Kalman滤波的数据融合技术,讨论了利用雷达、GPS以及AIS数据进行港口船舶导航算法和监控策略的设计问题。针对现有的时延平滑估计存在的缺点,提出一种基于时延的集中式预测估计融合算法。新算法具有很高的实时性和可实施性,同时,将新算法与现有的时延平滑估计融合算法相集成,提出一种完整的船舶导航和监控策略,计算机仿真算例验证了新算法的优越性,同时显示了新监控策略的有效性。