基于特征函数的集中式多传感器融合滤波方法技术

本发明专利技术公开了一种基于特征函数的集中式多传感器融合滤波方法，本发明专利技术通过对多个传感器采用集中的设计方式，将所有传感器收集到的信息都传输到融合中心之后，再对所有数据进行特征函数滤波处理。在时间充足的情况下，不遗漏任何信息。通过集中式融合方式，可以在很大程度上提高滤波估计精度，集中式设计考虑到了所有可能的情况，不考虑信息的丢包和延迟，收集到了所有的信息，能够得到非常高的估计精度，能在样本数量不太大、时间充足又要求高精度的非线性系统甚至强非线性系统中得到很好的应用。的应用。的应用。

【技术实现步骤摘要】
基于特征函数的集中式多传感器融合滤波方法


[0001]本专利技术属于非线性动态系统的空间目标跟踪领域，特别涉及一类状态模型为线性，测量模型为强非线性系统的空间目标跟踪领域，可用于在空间目标跟踪过程中，对目标的实时位置和速度的优化处理。

技术介绍

[0002]滤波方法是状态估计中的重要方法，状态估计在故障诊断、目标跟踪、信号处理、计算机视觉、通信、导航等领域有着非常广泛的应用。
[0003]传统的卡尔曼滤波只适用于状态模型和测量模型都为线性，且噪声为高斯白噪声的系统。当系统的噪声不再为高斯白噪声或者系统不再为线性系统时，传统的卡尔曼滤波方法将不再适用。在实际应用系统中，绝大部分系统模型都是非线性或者非高斯的，因此，针对非线性系统或者噪声为非高斯的系统，为了实现其状态估计，在卡尔曼滤波器的基础上，延伸出了多种滤波器。如扩展卡尔曼滤波器(EKF)，但其最多只能达到二阶近似，舍弃掉的高阶项的信息会给滤波结果带来一定的误差；无迹卡尔曼滤波器(UKF)和容积卡尔曼滤波器(CKF)都是通过取点近似，对于非线性高斯系统，虽然EKF、UKF及CKF的应用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于特征函数的集中式多传感器融合滤波方法，应用于空间目标跟踪系统，包括步骤如下：(1)设计状态空间目标跟踪模型，目标在空间中做匀速直线运动的模型如下：其中，x(k)为系统状态向量，y
i
(k)为第i组传感器的输出向量；w(k)和v
i
(k+1)分别是特征函数已知的过程噪声和测量噪声向量，其分布为F
w
(x)、F
v
(x)；A(k+1,k)是已知的状态转移矩阵，G(k+1,k)为已知的过程驱动矩阵，h
i
(
·
)是连续光滑的非线性函数，i＝1,2,
…
,N；(2)计算出在k+1时刻，将所有传感器的信息集中后的测量方程：(2a)根据空间目标跟踪模型，计算每一个传感器的测量值，并将所有的测量值集中起来得到y(k+1)；(2b)根据空间目标跟踪模型，计算每一个传感器的波尔可测的非线性函数，并将所有的非线性函数集中起来得到h(x(k+1))；(2c)根据空间目标跟踪模型，计算每一个传感器的测量噪声，并将所有的噪声集中起来得到v(k+1)；(2d)结合(2a)、(2b)、(2c)，得到集中后的测量方程；(3)在CFF框架下，并结合目标的...

【专利技术属性】
技术研发人员：袁洢苒，文成林，裘奕婷，李明媚，徐晓滨，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：