[發(fā)明專利]一種基于航跡質(zhì)量的反饋加權(quán)融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210330867.4
• 申請(qǐng)日: 2012-09-10
• 公開(kāi)（公告）號(hào): CN102853836A
• 公開(kāi)（公告）日: 2013-01-02
• 發(fā)明（設(shè)計(jì)）人: 張可;王澤陽(yáng);張偉;曾慶瑾;陳龍
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G01C21/20
• 分類號(hào): G01C21/20
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 溫利平

技術(shù)領(lǐng)域

本發(fā)明涉及目標(biāo)跟蹤技術(shù)領(lǐng)域，尤其涉及一種基于航跡質(zhì)量的反饋加權(quán)融合方法。

背景技術(shù)

如何實(shí)現(xiàn)對(duì)目標(biāo)的精確跟蹤，是各個(gè)領(lǐng)域所關(guān)注的重要問(wèn)題之一。隨著信息融合技術(shù)的發(fā)展，利用多傳感器實(shí)現(xiàn)對(duì)目標(biāo)的融合跟蹤，引起了研究人員們的廣泛興趣。信息融合是一門(mén)信息綜合處理技術(shù)，即充分利用多傳感器或多源數(shù)據(jù)的互補(bǔ)性和冗余性提高數(shù)據(jù)質(zhì)量，達(dá)到對(duì)目標(biāo)跟蹤問(wèn)題的可靠解決。由此，人們相繼提出了一系列的航跡融合算法實(shí)現(xiàn)對(duì)目標(biāo)的精確跟蹤。目前已有的融合算法有簡(jiǎn)單方差凸組合算法、基于分步式濾波的航跡融合算法和加權(quán)融合等。其中，簡(jiǎn)單方差凸組合算法是最早提出的估計(jì)融合算法，該算法是在假設(shè)各局部狀態(tài)估計(jì)誤差統(tǒng)計(jì)獨(dú)立的情況下實(shí)現(xiàn)的，計(jì)算比較簡(jiǎn)單；基于分步式濾波的航跡融合算法，結(jié)構(gòu)相對(duì)復(fù)雜，計(jì)算量較大，但融合效果較好。相較于以上算法，加權(quán)融合算法，簡(jiǎn)單易實(shí)現(xiàn)，具有最優(yōu)性、無(wú)偏性、均方誤差最小等優(yōu)點(diǎn)而被受到普遍重視。

加權(quán)航跡融合算法是一種常見(jiàn)的分布式航跡融合算法，加權(quán)融合算法的關(guān)鍵在于權(quán)因子的確定，已有的算法中大部分利用多傳感器的測(cè)量方差制定權(quán)因子。而權(quán)因子又與各傳感器的測(cè)量方差成反比。這說(shuō)明權(quán)因子的確定與各傳感器測(cè)量方差的估計(jì)有關(guān)。然而，測(cè)量方差大多是通過(guò)傳感器自身的方差參數(shù)指定或憑經(jīng)驗(yàn)確定，沒(méi)有考慮環(huán)境干擾等因素。使用這種方法確定的測(cè)量方差并不能反映實(shí)際測(cè)量的不確定性。因此，在實(shí)際應(yīng)用中加權(quán)融合的效果并未達(dá)到最優(yōu)。在多傳感器系統(tǒng)中，權(quán)因子分配對(duì)融合效果的影響十分明顯。若分配得當(dāng)，則融合效果優(yōu)異；反之，會(huì)導(dǎo)致系統(tǒng)跟蹤精度和可靠性下降。因此，如何合理分配權(quán)因子，實(shí)現(xiàn)多傳感器對(duì)同一目標(biāo)觀測(cè)信息的有效融合是一個(gè)需要深入研究的課題。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的上述缺點(diǎn)，本發(fā)明將航跡質(zhì)量和模糊聚類方法用于多傳感器信息融合，提出了一種實(shí)時(shí)、動(dòng)態(tài)的反饋加權(quán)航跡融合方法，將上一時(shí)刻融合航跡的一步預(yù)測(cè)值反饋到各局部傳感器，局部傳感器基于此反饋信息得到各局部航跡質(zhì)量，進(jìn)一步更新各局部航跡的權(quán)因子。

本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：一種基于航跡質(zhì)量的反饋加權(quán)融合方法，包括如下步驟：

步驟一、將融合中心前一時(shí)刻的融合狀態(tài)進(jìn)行一步預(yù)測(cè)，并反饋到各局部傳感器；

步驟二、分配權(quán)因子；

步驟三、交互式多模型濾波；

步驟四、對(duì)航跡進(jìn)行加權(quán)融合、交互式多模型濾波，得到系統(tǒng)航跡。

步驟二所述的分配權(quán)因子包括如下步驟：

（1）利用步驟一的結(jié)果，求取k+1時(shí)刻第i個(gè)傳感器的第j個(gè)模型狀態(tài)基于k時(shí)刻融合航跡的第j個(gè)模型狀態(tài)一步預(yù)測(cè)的新息及其協(xié)方差；

（2）求取相應(yīng)的標(biāo)準(zhǔn)化距離函數(shù)；

（3）求取k+1時(shí)刻第i個(gè)傳感器在第j個(gè)模型中的航跡質(zhì)量；

（4）求取k+1時(shí)刻第i個(gè)傳感器的觀測(cè)航跡質(zhì)量；

（5）求取k+1時(shí)刻第i個(gè)傳感器觀測(cè)航跡質(zhì)量的測(cè)量度；

（6）求取相應(yīng)的權(quán)因子。

與現(xiàn)有技術(shù)相比，本發(fā)明的積極效果是：利用航跡質(zhì)量和模糊聚類方法確定加權(quán)因子，集成了所有傳感器的測(cè)量誤差和性能，不僅計(jì)算量小，易于工程實(shí)現(xiàn)，而且能夠在融合中心實(shí)時(shí)、動(dòng)態(tài)地更新權(quán)因子，有效地實(shí)現(xiàn)目標(biāo)跟蹤。與單傳感器局部狀態(tài)估計(jì)相比，本發(fā)明方法具有良好的跟蹤精度，特別是在目標(biāo)機(jī)動(dòng)環(huán)境中，跟蹤效果尤為突出。

附圖說(shuō)明

本發(fā)明將通過(guò)例子并參照附圖的方式說(shuō)明，其中：

圖1是本發(fā)明方法的流程圖；

圖2是權(quán)因子分配的原理圖。

具體實(shí)施方式

如圖1所示，本發(fā)明方法首先將融合中心前一時(shí)刻的融合狀態(tài)進(jìn)行一步預(yù)測(cè)，并反饋到各局部傳感器。基于此反饋信息，對(duì)傳感器觀測(cè)航跡質(zhì)量進(jìn)行更新，從而進(jìn)一步更新局部航跡的權(quán)因子，實(shí)現(xiàn)加權(quán)融合；然后通過(guò)濾波器對(duì)融合航跡進(jìn)行平滑濾波，獲得數(shù)據(jù)在時(shí)間上的相關(guān)性和平滑性，提高融合精度。本發(fā)明方法的具體步驟如下：

假設(shè)多傳感器系統(tǒng)的動(dòng)態(tài)方程和量測(cè)方程分別為：

X^j(k+1)=F^j(k)X^j(k)+w^j(k)，Z(k)=H^j(k)X^j(k)+v^j(k),j=1,2,…,N，式中，N為模型數(shù)目，X^j(k)為模型j下的狀態(tài)向量，第F^j(k)為模型j下k時(shí)刻到k+1時(shí)刻的一步狀態(tài)轉(zhuǎn)移矩陣，系統(tǒng)過(guò)程噪聲w^j(k)為高斯白噪聲序列，且