多传感器噪声计算方法及信息融合方法、存储介质及设备技术

本方案公开了一种多传感器噪声计算方法，包括计算基于student‑t分布的融合自由度参数值；计算多传感器的过程噪声和测量噪声。基于本方案的噪声计算方法可有效应用于过程噪声和量测噪声存在异常值时的多传感器融合，可以在该情况下实现稳定的状态估计。

【技术实现步骤摘要】
多传感器噪声计算方法及信息融合方法、存储介质及设备
本专利技术涉及测量
，特别涉及一种多传感器噪声计算方法及信息融合方法、存储介质及设备。
技术介绍
多传感器融合是利用计算机技术，将来自多传感器或多源的信息和数据以一定的准则进行自动分析和综合，以完成所需的决策和估计而进行的信息处理过程。通过将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释，目前已在军事、工业监控、智能检测、机器人、图像分析、目标检测与跟踪、自动目标识别等领域获得普遍关注和广泛应用。传统的基于高斯噪声分布假设的滤波器在多传感器信息融合中得到了广泛的应用。中心极限定理表明，许多小的任意分布的噪声效应加起来为一个高斯随机变量，并且在许多情况下证明对某些信号噪声分布的高斯假设是正确的。除此以外，在信号处理中，高斯分布还因其方便的结果和闭合的表达式而受欢迎。但在实际中，某些信号噪声会存在一些分布比较发散，远离平均值的异常值，这些异常值无法通过高斯分布建模产生。因而不适用采用高斯分布对这些噪声分布进行假设。r>
技术实现思路
...

【技术保护点】
1.一种多传感器噪声计算方法，其特征在于，该方法包括：/n计算基于student-t分布的融合自由度参数值；/n计算多传感器的过程噪声和测量噪声。/n

【技术特征摘要】
1.一种多传感器噪声计算方法，其特征在于，该方法包括：
计算基于student-t分布的融合自由度参数值；
计算多传感器的过程噪声和测量噪声。


2.根据权利要求1所述的计算方法，其特征在于，计算基于student-t分布的融合自由度参数值包括：
时间更新；
量测扩维；
融合更新。


3.根据权利要求2所述的计算方法，其特征在于，所述时间更新包括如式(1)和式(2)所示的计算状态的一步预测和对应的误差协方差矩阵，






式(1)和式(2)中，表示k-1时刻状态的估计值，表示k时刻状态的一步预测值，Fk表示k时刻的状态转移矩阵，Qk-1表示服从Student-t分布的均值为零、自由度为ηk-1过程噪声的尺度矩阵，Pk-1表示状态估计的误差协方差阵，Pk|k-1表示状态一步预测的误差协方差阵。


4.根据权利要求3所述的计算方法，其特征在于，所述量测扩维包括如式(3)至式(6)所示的对量测误差方差、量测矩阵和量测向量进行扩维，












式(3)至式(6)中，表示k时刻传感器i的量测，表示k时刻传感器i的量测噪声，表示k时刻传感器i的量测噪声方差阵，表示k时刻传感器i的量测矩阵，和分别表示扩维后的系统量测、量测噪声...

【专利技术属性】
技术研发人员：王靳然，董鹏，宋勋，卢闯，
申请(专利权)人：北京电子工程总体研究所，
类型：发明
国别省市：北京;11