基于线性最小方差和递归最小二乘的融合算法_汪平平.pdf

《基于线性最小方差和递归最小二乘的融合算法_汪平平.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３５卷第２期探测与控制学报Ｖｏｌ．３５Ｎｏ．２２０１３年４月ＪｏｕｒｎａｌｏｆＤｅｔｅｃｔｉｏｎ＆ＣｏｎｔｒｏｌＡｐｒ．２０１３基于线性最小方差和递归最小二乘的融合算法汪平平，张歆，刘深（西北工业大学航海学院，陕西西安７１００７２）摘要：针对目前水下目标定位的数据融合算法定位误差较大，精度缺乏良好性能的情况，提出一种应用于水下分布式探测考虑节点可信度的基于线性最小方差估计（ＬＭＳＥ）和递归最小二乘（ＲＬＳ）的自适应融合算法。该算法采用两级自适应调整得到最优加权因子，首先利用线性最小方差估计（ＬＭＳＥ）算法得到权系数的初始值，然后利用训练节

2、点和递归最小二乘（ＲＬＳ）算法自适应地调整达到最优。对水下静态和运动目标定位进行的仿真表明，相比单传感器定位，提出的融合算法的定位精度有约１～２个数量级的提高。关键字：水下目标定位；分布式传感器网络；数据融合算法；节点可信度；两级自适应调整中图分类号：ＴＰ９１１．７文献标志码：Ａ文章编号：１００８－１１９４（２０１３）０２－００３３－０４ＦｕｓｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＬｉｎｅａｒＭｉｎｉｍｕｍＶａｒｉａｎｃｅａｎｄＲｅｃｕｒｓｉｖｅＬｅａｓｔＳｑｕａｒｅｓＷＡＮＧＰｉｎｇｐｉｎｇ，ＺＨＡＮＧＸｉｎ，ＬＩＵＳｈｅｎ（Ｓｃｈｏｏｌ

3、ｏｆＭａｒｉｎｅＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００７２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｖｉｅｗｏｆｔｈｅｐｒｅｓｅｎｔｕｎｄｅｒｗａｔｅｒｔａｒｇｅｔｌｏｃａｔｉｏｎｄａｔａｆｕｓｉｏｎａｌｇｏｒｉｔｈｍａｃｃｕｒａｃｙｗａｓｏｆｌａｒｇｅｅｒｒｏｒ，Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎｅｗｄａｔａｆｕｓｉｏｎａｌｇｏｒｉｔｈｍｏｆｕｎｄｅｒｗａｔｅｒｔａｒｇｅｔｐｏｓｉｔｉｏｎｉｎｇｆｏｒｔｈｅｄｉｓｔｒｉｂｕｔｅｄｓｅｎｓｏｒｎｅｔ－ｗｏｒｋｂａｓｅｄｏｎ

4、ｔｈｅｌｉｎｅａｒｍｉｎｉｍｕｍｓｑｕａｒｅｅｓｔｉｍａｔｉｏｎ（ＬＭＳＥ）ｃｒｉｔｅｒｉｏｎ．Ｔｈｅａｌｇｏｒｉｔｈｍｕｓｅｄｔｗｏ－ｓｔａｇｅａｄａｐｔｉｖｅａｄｊｕｓｔｍｅｎｔｔｏａｃｑｕｉｒｅｏｐｔｉｍｉｚｅｄｗｅｉｇｈｔｉｎｇｆａｃｔｏｒｂｙｔｈｅｒｅｃｕｒｓｉｖｅｌｅａｓｔｓｑｕａｒｅｓ（ＲＬＳ）ａｌｇｏｒｉｔｈｍ．Ｓｉｍｕｌａｔｉｏｎｒｅ－ｓｕｌｔｓｏｆｕｎｄｅｒｗａｔｅｒｓｔａｔｉｃａｎｄｍｏｖｉｎｇｔａｒｇｅｔｐｏｓｉｔｉｏｎｉｎｇｓｈｏｗｅｄｔｈａｔ，ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｓｉｎｇｌｅｎｏｄｅｌｏｃａｌｉｚａ－ｔ

5、ｉｏｎ，ｔｈｅｐｏｓｉｔｉｏｎｉｎｇｐｒｅｃｉｓｉｏｎｏｆｔｈｅｆｕｓｉｏｎａｌｇｏｒｉｔｈｍｗａｓａｂｏｕｔｏｎｅｏｒｔｗｏｏｒｄｅｒｓｏｆｍａｇｎｉｔｕｄｅｈｉｇｈｅｒ．Ｋｅｙｗｏｒｄｓ：ｕｎｄｅｒｗａｔｅｒｔａｒｇｅｔｌｏｃａｔｉｏｎ；ｄｉｓｔｒｉｂｕｔｅｄｓｅｎｓｏｒｎｅｔｗｏｒｋ；ｄａｔａｆｕｓｉｏｎａｌｇｏｒｉｔｈｍ；ｎｏｄｅｃｒｅｄｉｂｉｌｉｔｙ；ｔｗｏ－ｓｔａｇｅａｄａｐｔｉｖｅａｄｊｕｓｔｍｅｎｔ致滤波定位结果不稳定。文献［７］提出了不同观测０引言矩阵加权最小二乘数据融合算法。以上这些算法都没有考虑到模型参数本身信息可信度

6、的问题，导致由于水下环境复杂，采用单个传感器对水下目定位精度不高。因此研究水下分布式探测网络中考标要进行精确定位是非常困难的，基于数据融合的虑节点可信度的基于线性最小方差估计（ＬＭＳＥ）和分布式多传感器网络目标定位可以很好地解决这一递归最小二乘（ＲＬＳ）的自适应目标定位融合算法，［１－２］问题。非常有实际意义。在数据融合算法中，几何定位算法的计算过程［３］比较复杂，且系统的定位精度较差。文献［３—５］１线性最小方差估计和递归最小二乘利用传统的加权最小二乘法要求对数据成批处理，算法但这种方法的实时性较差，计算复杂度大。文献［６］提出一种自适应

7、卡尔曼滤波法。这种方法由于依赖１．１线性最小方差估计（ＬＭＳＥ）于初始状态估计，估计过程中协方差易出现病态，导在实际应用中，由于传感器自身性能及周围环＊收稿日期：２０１２－１１－１２作者简介：汪平平（１９８８—），女，甘肃天水人，硕士研究生，研究方向：水下通道，数据融合。Ｅ－ｍａｉｌ：ｗａｎｇｐｐ０６２５３７＠１６３．ｃｏｍ。３４探测与控制学报境、噪声等影响，定位必然存在误差，可以假设多传感器定位数据融合模型如下：２定位数据融合算法Ｘ＝Ｈｄｘ＋ｖ（１）式（１）中，Ｘ为目标位置观测数据；ｄｘ为待估计目本文提出的定位加权融合算法首先考虑各个传标

8、的实际位置；Ｈ为观测数据与被估计目标实际位感器自身可信度，然后对权系数的调整分为两步，首置的映射矩阵；ｖ为观测误差，设ｖ（０，σ２），ｉ＝先基于线性最小方差估计（ＬＭＳＥ）计算求