多傳感器數據融合及其在機動目標狀態(tài)估計中的應用研究.pdf

1、多傳感器數據融合可以充分利用多傳感器的量測資源，將多個傳感器在時間和空間上的互補和冗余信息按照某種算法或準則進行綜合，進而增強了對于機動目標狀態(tài)估計的精確性、可靠性及對抗環(huán)境下的生存性。基于此，本文針對多傳感器數據融合技術在機動目標狀態(tài)估計中的應用進行了系統的研究，其主要工作如下： 1、基于“當前”統計模型中加速度極限值的預先設定對于濾波效果影響的分析，利用目標機動狀況與相鄰采樣時刻間位置估計量變化之間的函數關系實現噪聲方差自適

2、應，進而提出了一種修正的模型，并結合卡爾曼濾波遞推算法，提出了一種改進的自適應濾波算法。 2、針對Kalman濾波及其一些改進算法中量測方差預先設定對狀態(tài)估計精度的影響，基于時空分析和最小二乘估計思想給出了一種在線估算量測方差的方法，以充分利用多個傳感器單次采樣數據和單個傳感器多次采樣數據中蘊含的冗余和互補信息。另外，依據Kalman遞推濾波算法中濾波誤差協方差陣具有表示目標當前狀態(tài)不確定性的性質，并結合信息守恒原理，給出了一種

3、分布式航跡權系數的動態(tài)分配方法。 3、將Jerk模型與強跟蹤濾波算法有機地結合，并利用時空綜合分析和極大似然估計的思想推導出了一種系統量測方差自學習修正方法，以優(yōu)化強跟蹤濾波算法中次優(yōu)漸消因子和濾波增益的在線選擇，同時根據多傳感器數據融合具有改善濾波精度的性質，進而給出一種基于Jerk模型的多傳感器數據融合算法。 4、根據模糊集合理論中隸屬函數的特性，定義了一種量測數據間的支持度函數以有效地度量數據間相互支持度，該定義不