多传感器量测融合算法的性能比较

归纳三类多传感器量测融合算法,即扩维滤波法、伪序贯滤波法和复合量测滤波法。采用协方差分析的方法比较各类算法的滤波精度,证明它们均能在各自给定的条件下实现线性最小均方意义上的最优滤波。仿真实例对各类算法的计算量和灵活性等性能进行比较,结果表明扩维型信息滤波器的计算量最小、灵活性最高,扩维型Kalman滤波器、伪序贯滤波器的计算量较大,而两种复合量测滤波器对各传感器的量测矩阵有一定要求,以致灵活性较差。所得结论对量测融合算法的实际应用具有一定的指导意义。

色噪声下的多传感器量测融合

传感器量测噪声通常可表示为一阶时间相关的Markov随机序列。该文将单传感器的色噪声量测滤波方法推广到多传感器的情形,提出了6种色噪声下的多传感器量测融合算法。通过协方差分析技术和仿真实验,对各算法的滤波精度、计算量和使用灵活性等性能进行了比较性评估。由评估结果得出的两条算法选取原则对实际中量测融合算法的选择具有一定的指导意义。

多传感器异步量测融合算法性能比较

归纳几种多传感器异步量测融合算法,即首先将各传感器异步数据统一到同一时刻,再对该数据进行并行或伪序贯滤波处理。分别采用理论证明和实例仿真分析对各种算法的估计精度、计算量等性能进行了比较。所得结论对实际工程应用中异步量测融合算法的选取有一定的指导意义。

不等维数观测向量的复合量测融合

为了降低观测向量维数不等时进行融合估计的计算量,分析了扩维滤波法在构造全局观测空间时导致很大计算量的缺陷,提出按照观测数据的实际物理意义来构造维数较低的全局观测空间,将维数不等的各局部观测向量扩展成全局观测空间中的等效表示形式,使其可应用复合量测滤波法进行融合的方法,以克服复合量测滤波法要求观测向量等维的局限,并降低不等维数观测向量融合时的计算量。同时,还给出相关条件下多传感器最小方差融合估计的递推计算公式。仿真实验结果表明,与扩维滤波法相比,本融合估计精度更高,且计算量更低。

不确定性量测的融合估计

为了解决多传感器环境下各传感器观测的有效性具有时变不确定性时,难以恰当地构造系统观测向量与观测矩阵的困难,提出一种不确定性观测向量的量测融合算法。该方法对现有并行滤波量测融合估计算法进行推广,为各传感器观测向量的每一维定义其有效度函数,来构造能表示量测不确定性的广义观测向量以及广义误差方差阵,获得形式上的有效量测,就可以利用现有的量测融合方法获得最优融合估计。为了便于数值计算,同时给出一种次优的融合估计算法。实验结果表明,文中方法能适应量测有效性时变情况下的多传感器量测融合估计,且计算量与现有确定性量测的融合估计方法基本相同。

主被动传感器自适应量测融合算法

针对观测平台和运动对象间的距离参数会对传感器随机测量误差带来影响的问题,提出了一种基于模糊距离阈值的主被动传感器量测融合算法。讨论了根据距离参数选择主被动融合跟踪模式的方法,采用指数函数和模糊处理技术,利用已有信息实时改变主、被动传感器在量测融合过程中所占的权重。仿真结果表明,当传感器和运动对象间的距离对随机测量误差的影响不能忽略时,基于模糊距离阈值的主被动传感器变权重融合算法和传统的固定权重融合算法相比更加稳定,能够充分发挥主、被动传感器间的互补特性。

基于重采样的水下小目标多基地量测融合

针对干扰量测对水下小目标多基地量测融合的影响,提出了基于重采样的多基地量测融合算法。重采样的随机样本近似概率密度分布,经随机样本的融合,最终得到多基地等效量测。对算法进行了仿真验证和性能分析,干扰量测密度的增加导致融合精度的下降、运行时间的增加,栅格数目的增加导致融合精度的提高、运行时间的增加。并将算法用于实验数据处理。结果表明,相比于单基地声纳的观测,经基于重采样的量测融合算法求得的等效量测的均方根误差在统计意义上最小,为水下小目标的融合跟踪提供可靠的数据。

编队卫星轨道参数的量测融合估计

多传感器量测融合技术应用于参数估计,可显著提高估计精度,增强系统的可靠性,保障估计的连续性。该文提出了一种基于扩维滤波的编队卫星轨道参数的量测融合估计算法,该算法直接从卫星的绝对轨道运动方程出发建立滤波器的状态方程,解决了实际中Hill方程的前提假设不能成立且无法对卫星轨道的各种摄动进行建模的问题。仿真实验验证了算法的可行性和有效性。

多源量测数据融合的配电网状态估计及应用

随着同步相量量测装置的引入,配电网中存在着不同时间尺度与量测精度的多源量测数据。如何充分融合多源量测数据,实现快速准确的配电网状态估计是高效运行决策的重要前提。该文提出一种考虑不同类型量测时间尺度、同步性和精度特点的配电网多源量测融合状态估计方法,讨论同步相量量测数据引入对状态估计分析模型的影响,对多源量测数据进行等值转换实现量测函数的线性化,针对不同类型的量测数据采用相应的数据融合策略,以提高状态估计的精度、减小状态估计的计算周期。基于广州某地区的示范工程算例,分析验证了不同量测配置及运行条件下所提出的多源量测数据融合方法对网络可观性提升、状态估计精度改善的有效性。

航迹/量测融合的数学原理研究进展

本文首先讨论了数据融合的概念,接着综述了航迹融合、量测融合的数学公式系,给出了融合假设检验统计量,比较了同质传感器、同步传输器、同维目标、及时通信条件下的融合性能。

考虑量测异步问题的配电网混合量测融合估计方法

针对目前电力系统中PMU量测与SCADA量测长期共存但难以同时使用的现状,引入无迹卡尔曼滤波算法实现混合量测的融合估计。分析混合量测非同步性误差,通过基于PMU的量测变换与相似度序贯对比实现异步量测的同步化;为了解决UKF算法因噪声协方差矩阵偏离实际值而导致滤波效果下降的问题,提出了一种考虑量测异步的鲁棒无迹卡尔曼滤波(RUKF)算法,该滤波算法利用UKF滤波过程的残差矩阵与新息矩阵实现对噪声协方差矩阵进行更新。通过IEEE 30测试系统对RUKF算法进行仿真验证,测试结果表明RUKF算法能够有效跟踪系统波动,降低异常噪声的影响。

异类传感器融合跟踪的等效传感器方法

为了提高多个异类传感器构成的集中式融合跟踪系统的计算性能,提出一种基于等效传感器的融合跟踪方法。该方法假定各局部传感器能观测目标的全部属性,将其中实际不能观测的属性视为被剔除的野值,利用融合中心的目标状态估计进行重构,实现将维数不同的各异类传感器的量测映射成系统观测空间中维数相同的等效传感器量测。这样便可采用数据压缩滤波方法克服现有集中式融合跟踪方法的局限,降低计算量。实验结果表明,文中方法的跟踪精度与现有的并行滤波融合跟踪方法一致,但计算量更低且基本不随传感器数量的增加而增大。

信息融合体系结构优化数学原理

本文首先进行了航迹融合与不融合体系结构性能比较 ,接着进行了量测融合与不融合、航迹—量测融合与不融合性能比较 。

信息融合体系结构优化数学原理

本文首先进行了航迹融合与不融合体系结构性能比较,接着进行了量测融合与不融合、航迹-量测融合与不融合性能比较,最后给出了集中式比一般分布式体系结构性能不低的结论。

基于门控图神经网络的高容错配电网状态估计方法

随着电力系统可再生能源渗透率的逐渐提升,为应对可再生能源的间歇性特点并确保电网安全运行,对配电网进行实时、准确、高容错的状态估计至关重要。针对配电网量测装置装配水平不完备、模型驱动状态估计对高不确定性环境适应性不足的问题,基于数据采集与监视控制(SCADA)系统和相量测量单元(PMU)获得的多个时间尺度的混合量测,提出了一种基于门控图神经网络(GGNN)的高容错配电网状态估计方法,利用图卷积层和类门控循环单元提取量测时空高维特征,挖掘量测量与状态量的时空与因果关系。最后基于IEEE 33节点系统与IEEE118节点系统进行了仿真验证,结果表明,GGNN能有效拟合配电网量测量到状态量的时空映射,相比传统最小二乘法和多层感知机具有更高的精度和容错性。

联合粒子滤波和卷积神经网络的电力系统状态估计方法

随着我国可再生能源入网比例的逐渐增加,电网的随机性、波动性增大,电网拓扑结构日益复杂,这些因素使电网的安全稳定运行面临巨大的挑战。因此,对电力系统的运行状态进行实时监测、分析和控制就显得愈发关键和紧迫。融合电力系统中的向量测量单元(phasor measurement unit,PMU)和远程终端单元(remote terminal unit,RTU)数据,利用粒子滤波和卷积神经网络,提出离线学习和在线状态估计的电网状态估计方法。离线学习部分,先利用历史RTU/PMU量测融合数据,分析系统注入功率的概率分布,再通过粒子滤波算法,利用蒙特卡洛采样,生成训练样本训练卷积神经网络;在线状态估计部分,将实时PMU量测数据预处理后,注入从离线学习部分训练获得的神经网络,完成对电力系统的实时状态估计。仿真结果表明,相比常用的最小二乘算法,所提方法在状态估计的精度和鲁棒性方面都有所改善,并有望在电力系统实时状态估计中发挥作用。

多假目标欺骗干扰下组网雷达跟踪技术

针对距离多假目标欺骗干扰下的组网雷达跟踪,提出了一种基于同源量测融合的跟踪技术.该跟踪技术包括同源量测融合、多目标跟踪两部分.同源量测融合相当于对所有量测进行预处理,其关键在于同源量测自适应检验门限的设计.通过该预处理,输入的假目标的量测数目大大减少,且问题简化为单雷达的多目标跟踪.多目标跟踪中,根据航迹优先级顺序依次进行数据关联.该跟踪技术使得组网雷达可以有效剔除假目标,并更精确的跟踪真目标.仿真结果证明了该技术的可行性和有效性.

一种导航传感器试飞基准获取方法研究

在简要分析导航传感器试飞现状的基础上,提出了利用数据融合算法获取导航传感器数据基准的实现方案,在方案中充分考虑了不同导航传感器的性能特性,提出了基于集中Kalman滤波的试飞导航数据初步融合和在Kalman滤波基础上利用固定区间平滑滤波实现全局信息优化融合的导航传感器基准获取方法,并利用试飞数据对融合算法进行了验证。结果表明:该方法有效利用了不同传感器的特性和事后数据处理的优势,融合输出精度较融合前有明显提高,为导航传感器的试飞评估提供了新的思路和方法。

编队小卫星星间基线估计算法研究

Hill方程假设卫星轨道是小偏心率和无摄动的，实际应用时难以获得高精度的星间基线估计。本文提出了一种基于主星位置展开的扩展Kalman滤波算法，该算法采用含摄动的卫星运动模型,综合利用星间无线电和红外仪器的原始量测，实现了小卫星星间基线的融合估计，提高了估计精度。仿真实验针对J2摄动模型验证了算法的可行性和有效性。

多假目标干扰下组网雷达机动目标跟踪方法

针对距离多假目标干扰下,单站雷达视角单一,获取信息量少,对机动目标跟踪效果不佳的问题,提出了多假目标干扰下基于组网雷达的机动目标跟踪方法。该方法通过信号似然比预处理与卡方检验相结合进行量测分组,根据多假目标的空间分布特点求解"中心量测",并基于该量测进行球坐标系下的径向最近距离关联,最终在交互式多模型算法(Interacting Multiple Model,IMM)的框架下实现对机动目标的高精度跟踪。仿真结果表明,通过对目标量测的准确选择与融合,相比类似方法,平均位置均方根误差减小了57%,平均速度均方根误差减小了14%,且对机动目标也有较好的适应能力。