介绍信息融合技术的原理与应用
第20卷第1期
V01.20
No.1
控制与
and
2005年1月
Jan.2005
Control
文章编号:1001—0920(2005)01-0027-05
快速信息融合Kalman滤波器
邓自立,高
媛
(黑龙江大学自动化系,黑龙江哈尔滨150080)
摘要:应用现代时间序列分析方法,在标量加权线性最小方差融合准则下,提出一种多传感器快速信息融合稳态Kalman滤波器.基于ARMA新息模型计算稳态Kalman滤波器增益,提出了计算传感器之间的滤波误差方差阵和协方差阵的Lyapunov方程,它可用迭代法求解,并证明了迭代解的指数收敛性.与基于Riecati方程按矩阵加权的信患融合Kalman滤波器相比,可明显减小计算负担,便于实时应用,可用于设计舍未知噪声统计系统的信息融合自校正Kalman滤波器.最后以目标跟踪系统的一个仿真例子说明了其有效性.关键词:多传感器信息融合;Kalman滤波器;快速融合算法;Lyapunov方程
中图分类号:0211.64
文献标识码:A
FastinformationfusionKalmanfilter
DENGZi一£i。GAOYuan
(DepartmentofAutomation,HeilongjiangUniversity,Harbin150080,China.Correspondent:DENGZi—li,E—mail:dzl@hlju.edu.en)
Abstract:Bythemoderntimeseriesanalysismethod,underthelinearminimumvariancefusioncriterionweightedbyscalars,avia
multisensorfastinformationfusionsteady—stateKalmanfilterispresented,wherethegainiscomputed
Lyapunov
equations
are
theautoregressivemovingaverage(ARMA)innovationmodel.And
error
presented
for
computingthefilteringexponential
varianceandcovariancematricesamongsensors,which
can
besolvedbyiteration.The
convergence
oftheiterativesolutionis
can
proved.ComparedwiththeRiccatiequation—basedinformation
computationalburden,andissuitableforreal
fusionKalmanfiltertimeapplications,It
weightedbymatrices,it
can
obviouslyreducethe
beapplied
to
designinformationfusionself-tuningKalmanfilterforsystemswithunknown
a
noisestatistics.Asimulationexamplefor
target
trackingsystemshowsitseffectiveness.
Keywords:muhisensorinformationfusion;Kalmanfilter;fastfusionalgorithm;Lyapunovequation
1引言
但它的缺点是没有考虑多传感器估计误差之间的相关性,因而融合估计是次优的.文献E43将文献[33的结果推广到估计误差相关的情况.但由于文献E4]是在经典Kalman滤波框架下基于稳态Riccati方程的解设计信息融合Kalman滤波器,当状态和/或观测向量的维数较大时,计算负担仍较大.而且文献I-4I的方法不能处理带未知噪声统计系统,因为求解稳态Riccati方程要求噪声统计完全已知.
为了克服上述缺点,本文采用现代时间序列分析方法[5],基于ARMA新息模型来设计标量加权信
多传感器信息融合Kalman滤波广泛应用于目标跟踪、导航、GPS定位、通讯和信号处理等领域,目前已成为倍受人们关注的热门领域.文献[1,2]的信息融合Kalman滤波器要求在线计算时变最优加权阵,计算量较大,不便于实时应用.为了克服这个缺点,文献E3-1提出了按标量加权信息融合稳态Kalman滤波器,其优点是用计算加权系数代替在线计算加权阵,且加权系数和稳态Kalman滤波器增益可一次性离散计算,大大节省了在线计算负担.
收稿日期:2004—04—05;修回日期:2004—07—08.基金项目:国家自然科学基金项目(60374026).
作者简介:邓自立(1938一),男,黑龙江哈尔滨人,教授,从事状态估计、信息融合等研究}高嫒(1978一),女,黑龙江
哈尔滨人,硕士,从事信息融合状态估计等研究.
万方数据
快速信息融合Kalman滤波器快速信息融合Kalman滤波器隐藏>> 维普资讯 http://www.cqvip.com 第2 O卷第 1期Vo.ONo. I2 1 控 制 与 决 筻 Corlannto d ...
多传感器时滞系统信息融合最优Kalman滤波器_专业资料。基于线性最小方差最优加权融合估计算法,对多传感器的离散线性状态时滞随机系统,给出了一种非增广分布式加权...
两传感器广义系统信息融合Kalman滤波器_专业资料。基于矩阵理论和时域上的Kalman滤波理论,针对两传感器广义离散随机线性系统进行研究,运用矩阵约当分解,将一类广义系统...
复杂有色噪声广义系统信息融合Kalman滤波器_天文/地理_自然科学_专业资料。第3 4卷 第 5期 仪 器 仪 表 学 报 Chinese Journal of Scientiifc Inst ...
快速信息融合Kalman滤波器 5页 2财富值 多传感器信息融合Wiener滤... 4页 ...应用文献〔7〕的Wiener状 证毕. 态估值器得式(18)一(21),而式(23)和式(...
快速信息融合Kalman滤波器 5页 2财富值 kalman滤波器算法原理 5页 2财富值 多传感器信息融合技术的研... 2页 1财富值 Kalman滤波原理及算法 5页 2财富值 ...
利用分步Kalman滤波器的自主定轨信息融合算法_电子/电路_工程科技_专业资料。第3 4卷第 3期 201 3年 3月 宇 航 学 报 Vo1.34 No3 . Journal of ...
高媛 快速信息融合Kalman滤波器[期刊论文]-控制与决策 2005(1) 17.洪静 位置级融合的算法性能分析及评估指标研究[学位论文]硕士 2005 18.高媛.白敬刚.邓自立 ...
多传感器时滞系统信息融合最优Kalman滤波器 隐藏>> 25 2008 3 6 1000?8152(2008)03?0501?05 Control Theory & Applications Vol. 25 No. 3 Jun. 2008 ...
多传感器分布式协方差信息融合Kalman 滤波理论多传感器分布式协方差信息融合Kalman 滤波理论隐藏>> 第5卷 第l 2期 200 5年 6月 科 学 技 术 与 工 程 Vo...
热门文档