基于参数估计的多传感器数据融合研究与应用

《基于参数估计的多传感器数据融合研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文摘要由于噪声和外界环境的干扰,以及传感器自身性能等因素的影响,单传感器可能产生较大的测量误差,甚至发生故障,以至于造成整个系统的误操作。而采用多传感器可以防止上述问题的出现,且能提高信号状态估计的精度和可靠性，多传感器数据融合已成为目前研究的热点。多传感器数据融合一个重要的研究方向就是在未知和动态环境中多传感器集成和融合的研究，针对这种现状，本文对多传感器数据融合的参数估计方法作了深入研究。本文首先对多传感器数据融合的基本理论，多传感器数据融合静态参数估计方法进行了深入的介绍，论文重点研究了基于卡尔曼滤波的动态参数估

2、计方法。单一卡尔曼滤波器在多传感器系统有大量冗余信息时，计算量剧增，实时性不能满足，而采用分散式滤波能够明显减少计算量，实时性能够得到满足。分散式滤波算法中研究了分布式卡尔曼数据融合和混合式卡尔曼滤波，分布式卡尔曼滤波算法比集中式卡尔曼融合算法、混合式卡尔曼滤波算法有更多的优点，且工程上易于实现。本文根据一致性检验原理提出了基于改进的一致性检验方法的分布式卡尔曼滤波器。论文最后研究了基于参数估计数据融合的应用。提出了基于一致性检验的分布式自适应卡尔曼滤波器并应用在机动目标的跟踪中，通过仿真证明该算法具有更好的跟踪性能,且提出了基

3、于DSP和图像处理的实现方法；提出了一种基于一致性检验的点估计递推最小均方误差估计数据融合算法应用在温度控制系统中，通过数据融合试验证明该方法比传统的方法效果更好。关键词：多传感器数据融合；分布式数据融合；动态参数估计；卡尔曼滤波；DSP；图像处理Ⅰ基于参数估计的多传感器数据融合研究与应用AbstractThesinglesensormayproducegreatmeasureerrorandevenbreakdownsoastocausetheerroroperationofthewholesystem,owingtothei

4、nterferenceoftheenvironmentandtheinfluenceofitsperformance.Howeverthemultisensorcanpreventtheappearanceofabove-mentionedproblemsandcanalsoimprovetheprecisionanddependabilityofthesignalstateestimation.Multisensordatafusionbecomesresearchfocusatpresent.Oneimportantrese

5、archorientationofdatafusionisthesynthesisandfusionofmanysensorsintheunknownordynamicenvironment.Inviewofthis,thearticlemainlyattemptstoresearchontheparameterestimationofmultisensor.Atfirst,thebasictheoryofmultisensorandthestaticparameterestimationmethodaremainlyintro

6、duced.Thedynamicparameterestimationonthebasisofkalmanfilterismainlyresearched.Thecalculationcapacityincreasesrapidlyandthereal-timeperformancecan'tbesatisfiedinthesinglekalmanfiltersystemwhenthesensorsystemhasalargeamountofredundantinformation.Butthecalculationcapaci

7、tyisobviouslyreducedandthereal-timeperformanceissatisfiedinthedistributedsystem.Thedistributedkalmanfilterdatafusionalgorithmandthecompositekalmanfilterdatafusionalgorithmaremainlystudied.Thedistributedkalmanfilterdatafusionalgorithmhasmoreadvantagesthanthecompositek

8、almanfilterandthecentralizingkalmanfilteranditiseasiertorealizeontheproject.Adistributedkalmanfilteronthebasisoftheimprovedmethodof