《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 多傳感器狀態融合估計在雷達跟蹤中的應用
多傳感器狀態融合估計在雷達跟蹤中的應用
來源:微型機與應用2010年第19期
李雄杰
(浙江工商職業技術學院 機電工程系,浙江 寧波 315012)
摘要: 采用Carlson最優數據融合準則,將基于Kalman濾波的多傳感器狀態融合估計方法應用到雷達跟蹤系統。仿真實驗表明,多傳感器Kalman濾波狀態融合估計誤差小于單傳感器Kalman濾波得出的狀態估計誤差,驗證了方法對雷達跟蹤的有效性。
Abstract:
Key words :

摘  要: 采用Carlson最優數據融合準則,將基于Kalman濾波的多傳感器狀態融合估計方法應用到雷達跟蹤系統。仿真實驗表明,多傳感器Kalman濾波狀態融合估計誤差小于單傳感器Kalman濾波得出的狀態估計誤差,驗證了方法對雷達跟蹤的有效性。
關鍵詞: 雷達跟蹤;狀態估計;信息融合;多傳感器;卡爾曼濾波

    隨著科學技術的發展,特別是微電子技術、集成電路技術、計算機技術、信號處理技術及傳感器技術的發展,多傳感器信息融合已經發展成為一個新的研究領域,并在軍用領域和民用領域均得到了廣泛應用。
    多傳感器信息融合的基本原理如同人腦綜合處理信息的過程,即充分利用多個傳感器資源,通過對各種傳感器及其觀測信息的合理支配與使用,將各種傳感器在空間和時間上的互補與冗余信息依據某種優化準則組合起來,從而得出更為準確、可靠的結論。
    現代戰爭的多樣性和復雜性提出了對信息處理更高的要求,信息融合可對多傳感器提供的多種觀測信息進行優化綜合處理,從而獲取目標狀態、識別目標屬性、分析目標意圖與行為,為電子對抗、精確制導等提供作戰信息。本文將基于Kalman濾波的多傳感器狀態融合估計方法應用到雷達跟蹤系統。仿真實驗表明,三個傳感器融合所獲得的估計值都更加貼近于目標信號,因而提高了對雷達系統的跟蹤精度。
1 卡爾曼濾波
    多傳感信息融合的主要任務之一就是利用多傳感器信息進行目標的狀態估計。目前,進行狀態估計的方法很多,Kalman濾波器是一種常用方法。Kalman濾波器在機動目標跟蹤中具有良好的性能,它是最佳估計并能夠進行遞推計算,即它只需要當前的一個測量值和前一個采樣周期的預測值就能進行狀態估計。
    考慮一個離散時間的動態系統,它有如下形式:

      
2 多傳感狀態融合估計算法
    單采樣率多傳感器狀態融合估計的研究方法主要有基于概率論的方法、基于Kalman濾波的方法、基于推理網絡的方法、基于模糊理論的方法、基于神經網絡的方法,以及基于小波、熵、類論、隨機集、生物學靈感、Choquet積分的方法等等[2]?;贙alman濾波的方法由于具有操作簡單、計算量小、實時性強等優點,得到最為廣泛的研究。
    下面重點介紹基于Kalman濾波的分布式數據融合狀態估計算法。設多傳感器系統有如下形式[3]:

    基于第i個傳感器信息的Kalman濾波估計器如圖1所示。Carlson聯邦融合估計算法流程圖如圖2所示。

3 雷達跟蹤系統仿真
    考慮具有3個傳感器的雷達跟蹤常加速度模型[5],其離散狀態方程為:



    設傳感器的采樣點數為600,則10次Monte Carlo仿真的統計結果如表1所示。表1給出了估計誤差絕對值均值比較,3個傳感器融合的綜合估計誤差是最小的。

    第1個傳感器、第2個傳感器、第3個傳感器及3個傳感器融合的狀態估計曲線分別如圖3、圖4、圖5、圖6所示。圖中橫軸為仿真步數,每步時間為0.01 s。若仔細觀察這些狀態估計曲線,則單傳感器狀態估計曲線均有不足,如圖3對速度跟蹤不是很好,圖4對加速度跟蹤不是很好,圖5對速度跟蹤也不是很好,只有圖6對位移、速度及加速度跟蹤均較好。由此可見,與單傳感器Kalman濾波的結果相比,3個傳感器融合所獲得的估計值都更加貼近于目標信號,從而證明了本文算法的有效性。

    信息融合技術具有提高系統的可靠性和穩定性等優點,狀態融合估計是其中研究熱點之一。本文將基于Kalman濾波的多傳感器狀態融合估計方法應用到雷達跟蹤系統,仿真實驗表明,融合3個傳感器的信息所獲得的狀態估計誤差小于利用任何單傳感器進行Kalman濾波得出的狀態估計誤差,因而本方法對雷達系統的跟蹤是很有效的。本方法可推廣用于組合導航、信號處理、圖像處理、故障檢測與容錯等應用領域。
參考文獻
[1] 陳新海.最佳估計理論[M].北京:北京航空學院出版社,1987.
[2] 潘泉,于昕,程詠梅,等.信息融合理論的基本方法與進展[J].自動化學報,2003,29(4):599-615.
[3] YAN L P, LIU B S, ZHOU D H. The modeling and estimation of asynchronous multirate multisensor dynamic systems, Aerospace Science and Technology, 2006,10(1):63-71.
[4] CARLSON N A. Federated square root filter for decentralized parallel processors[J]. IEEE Transactions on Aerospace and Electronic Systems, 1990,26(3):517-525.
[5] SUN S L. Multi-sensor optimal information fusion Kalman filters with applications[J]. Aerospace Science and Technology, 2004,8(1):57-62.

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 欧美精品亚洲精品日韩| 野花日本免费观看高清电影8| 男人j进入女人p狂躁免费观看| 国产精品第100页| а√在线地址最新版| 欧美18videos极品massage| 品色堂永久免费| 韩国电影中文字幕| 在线播放一区二区| 久久人人爽人人爽人人爽| 爱情岛在线视频免费观看网址| 国产成人亚洲综合a∨| 999精品在线| 无码人妻熟妇av又粗又大| 亚洲AV无码成人黄网站在线观看| 欧美综合人人做人人爱| 伊人久久精品亚洲午夜| 精品久久久无码中文字幕天天| 四虎免费永久在线播放| h视频免费在线| 国产草草影院ccyycom| 中文字幕在线观看一区| 欧美xxxx少妇| 亚洲日本va在线观看| 波多野结衣在线中文| 国产一区二区不卡免费观在线| 国产亚洲sss在线播放| 天堂俺去俺来也www久久婷婷| 久久国产综合精品欧美| 污视频软件大全| 人人狠狠综合久久亚洲| 精品久久久久久中文字幕一区| 又色又爽又黄的视频毛片| 黑人xxxx日本| 国产视频一二三| 999这里只有精品| 国模丽丽啪啪一区二区| 99久久免费国产精品| 成年免费大片黄在线观看下载| 久久午夜无码鲁丝片秋霞| 日韩电影免费在线观看视频|