[發明專利]基于傳感器網絡的復雜環境下多目標信息融合方法

有效

• 申請號: 201110361602.6
• 申請日: 2011-11-15
• 公開（公告）號: CN102509020A
• 公開（公告）日: 2012-06-20
• 發明（設計）人: 林云;李靖超;李一兵;葉方;康健;葛娟;田雪宜
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于傳感器網絡的復雜環境下多目標信息融合方法，其特征是：

(1)選用小波基函數將量測數據分解在尺度上；

(2)在每個尺度上的低頻子空間信號利用卡爾曼算法進行濾波：

離散系統在尺度i下的狀態方程和量測方程為：

X(i,k+1)=Φ(i,k+1/k)X(i,k)+G(i,k)w(i,k)Z(i,k)=H(i,k)X(i,k)+v(i,k),]]>

在尺度i下，X(i，k)為k時刻的n維狀態矢量，也是被估計矢量；Z(i，k)為k時刻的m維量測矢量；Φ(i，k+1/k)為k到k+1時刻的一步轉移矩陣(n×n階)；w(i，k)為k時刻的系統噪聲；H(i，k)為k時刻的量測矩陣(m×n階)；G(i，k)是系統噪聲的加權噪聲；v(i，k)為k時刻的m維量測噪聲，w(i，k)和v(i，k)滿足如下條件：

E[w(i,k)wT(i,j)]=Q(i,k)δkjE[v(i,k)vT(i,j)]=R(i,k)δkjE[w(i,k)v(i,j)]=0,]]>δkj=0(k≠j)1(k=j),]]>

其中Q(i，k)和R(i，k)分別為系統噪聲和量測噪聲的方差矩陣，它們分別是已知非負陣和正定陣；δ_kj是Kronecker函數，

卡爾曼濾波濾波包括時間更新和量測更新：

時間更新即預測估計：

X^(i,k/k-1)=Φ(i,k/k-1)X^(i,k-1/k-1)]]>

P(i，k/k-1)＝Φ(i，k/k-1)P(i，k-1/k-1)Φ^T(i，k/k-1)+

G(i，k-1)Q(i，k-1)G^T(i，k-1)

量測更新即濾波估計：

K(i，k)＝P(i，k/k-1)H^T(i，k)×[H(i，k)×P(i，k/k-1)H^T(i，k)+R(i，k)]^-1

X^(i,k/k)=X^(i,k/k-1)+K(i,k)[Z(i,k)-H(i,k)X^(i,k/k-1)]]]>

P(i，k/k)＝(I-K(i，k)×H(i，k)]P(i，k/k-1)

式中K(i，k)為濾波增益陣；

(3)將每個尺度上的高頻子空間中細節信號的極大值點去掉，得到新的濾波數據；

(4)將每個尺度上處理后的數據通過小波重構方法，得到原始量測數據在不同尺度上濾波后的結果：

所述的小波重構方法為：通過一個脈沖響應為h(l)的低通濾波器可以從尺度i上獲得尺度i-1上的低頻子空間信號x_L(i-1，k)，通過一個脈沖響應為g(l)的高通濾波器可以獲得尺度i-1上的高頻子空間信號x_H(i-1，k)：

x_L(i-1，k)＝∑_lh(l)x(i，2k-l)

x_H(i-1，k)＝∑_lg(l)x(i，2k-l)。