一种异构传感器信息融合方法技术

本发明专利技术公开了一种异构传感器信息融合方法，包含局部估计和融合估计两个部分。每个局部传感器计算伪测量，组成局部测量谱系，并获得局部估计的广义协方差交集。在融合估计部分，基于Sklar定理，用一个表示模态间依赖关系的Copula函数来估计不同传感器的随机变量之间的相关关系；通过比较融合估计与局部估计之间的Kullback‑Leibler散度，根据最小分辨信息准则，对Copula函数的相关系数做优化；利用广义协方差交集进行重要性采样以改进计算效率，并利用核密度估计构造融合密度的高斯逼近；以分层方式递归更新融合估计实现任意数量的异构传感器融合。本发明专利技术降低了对局部传感器通信速率和相关性计算的要求。

【技术实现步骤摘要】
一种异构传感器信息融合方法
本专利技术涉及数据融合
，特别涉及一种异构传感器信息融合方法。
技术介绍
动态系统的分布式状态估计是数字信号处理领域的一项重要技术，在协同目标跟踪、空间望远镜分布式编队、远程环境监测等方面得到了广泛的应用。目前，先进传感、计算和通信能力的无线传感器硬件的快速发展，大大促进了分布式估计系统数据融合技术的发展。传感器融合方法通过扩大地理范围和提高滤波精度，提供了比单个传感器更大的传感范围。《基于状态向量融合和测量融合的双传感器跟踪方法的比较》，载《IEEE航空航天与电子系统汇刊》(JRoecker,CMcGillem.‘ComparisonofTwo-sensorTrackingMethodsBasedonStateVectorFusionAndMeasurementFusion’.IEEETransactionsonAerospaceandElectronicSystems,1988,24:447-449.)给出了一种分布式追踪方法，即：将来自不同传感器的观测量以增广方式直接合并，然后在融合节点，基于集中本文档来自技高网...

【技术保护点】
1.一种异构传感器信息融合方法；其特征在于，包括以下步骤：/n(1)根据每个局部传感器的局部测量历史数据，计算局部航迹的局部估计；/n(2)基于Copula理论和贝叶斯概率推理，估计任意两个传感器之间的相关性，并使用Copula函数得到局部航迹的原始融合估计；/n(3)通过比较原始融合估计与局部估计之间的Kullback-Leibler散度，根据最小分辨信息准则选择最优的Copula函数相关系数，得到两个传感器之间的局部航迹融合估计结果；/n(4)获得局部估计的广义协方差交集GCI的融合结果并作为重要性密度，并且执行相关重要性采样，构建原始采样集合，对原始采样集合进行系统重采样，得到均匀加权样...

【技术特征摘要】
1.一种异构传感器信息融合方法；其特征在于，包括以下步骤：
(1)根据每个局部传感器的局部测量历史数据，计算局部航迹的局部估计；
(2)基于Copula理论和贝叶斯概率推理，估计任意两个传感器之间的相关性，并使用Copula函数得到局部航迹的原始融合估计；
(3)通过比较原始融合估计与局部估计之间的Kullback-Leibler散度，根据最小分辨信息准则选择最优的Copula函数相关系数，得到两个传感器之间的局部航迹融合估计结果；
(4)获得局部估计的广义协方差交集GCI的融合结果并作为重要性密度，并且执行相关重要性采样，构建原始采样集合，对原始采样集合进行系统重采样，得到均匀加权样本，并利用核密度估计构造局部航迹融合估计结果的高斯逼近，得到局部融合估计结果；
(5)融合节点依次融合局部融合估计结果，并将得到的融合航迹发送回每个局部传感器。


2.根据权利要求1所述的异构传感器信息融合方法，其特征在于，所述步骤(1)包括：
获取每个传感器的历史数据，计算第i个传感器的伪测量组成局部测量谱系，得到局部航迹的局部估计；其中，i为传感器编号，k为时间序列序号，表示第i个传感器在第k步时获得的测量值。


3.根据权利要求1所述的异构传感器信息融合方法，其特征在于，所述步骤(2)包括：
(21)基于Copula理论和贝叶斯概率推理，构建任意两个传感器间的局部观测数据的条件独立性：



其中，X为系统状态；
(22)基于Sklar定理，用一个表示模态间依赖关系的Copula函数来估计不同传感器的随机变量之间的相关关系，得到局部航迹的原始融合估计：



其中，c(·,·)代表Copu...

【专利技术属性】
技术研发人员：陆科林，符启恩，薛磊，
申请(专利权)人：南京云智控产业技术研究院有限公司，
类型：发明
国别省市：江苏;32