多传感器信息融合关键技术研究

《多传感器信息融合关键技术研究》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多传感器信息融合关键技术研究作者姓名苏军平＿学校导师姓名、职称杨清海教授＿企业导师姓名、职称何清素高工申请学位类别工程硕士学校代码10701学号1501120538分类号TN953密级公开西安电子科技大学硕士学位论文多传感器信息融合关键技术研究作者姓名：苏军平领域：电子与通信工程学位类别：工程硕士学校导师姓名、职称：杨清海教授企业导师姓名、职称：何清素高工学院：通信工程学院提交日期：2018年6月Researchonthekeytechnologyofthemulti-sensorinform

2、ationfusionAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationsEngineeringBySuJunpingSupervisor:YangQinghaiTitle:ProfessorSupervisor:HeQingsuTitle:SeniorEngineerJune2018摘要摘要多传感器信息融合经过几十年的发展，技术日趋成熟，广

3、泛应用于军事领域与民用领域，但是仍然存在一些难点。本文首先对多传感器信息融合的基本原理、信息类别、功能模型、融合级别、处理结构以及关键问题进行了介绍；其次，针对一些关键技术，本文进行了相关研究，主要分为以下三个方面：（1）测向交叉定位系统中，单传感器无法独立定位，需要多部传感器测向交叉进行定位，测向交叉的过程产生大量交叉点，而交叉点中包含大量虚假点，如何消除虚假点，将来自同一个目标的观测数据正确关联，成为一个难题。针对这个问题，本文提出了基于虚假点消除的角度冗余数据关联算法，该算法的创新点主要是通过两部传感器预关联来构造备选集，

4、消除大量虚假点，精简关联集。最后将本文提出的改进算法与基于残差的数据关联算法、基于视线距离的数据关联算法以及基于角度冗余信息的数据关联算法进行了对比，仿真结果证明本文提出的改进算法优于其它三种算法。（2）在多传感器信息融合中，传感器对目标的观测过程中，往往会受到周围环境中噪声或者干扰的影响，导致传感器量测数据往往会包含一定的误差以及一定比例的野值，这严重影响了数据的质量。针对该问题，本文在常规卡尔曼滤波算法的基础上，提出了一种改进滤波算法，既对野值进行了处理，防止滤波发散，又将下一时刻的观测值引入到当前时刻的状态估计，对状态估计

5、进行了修正。最后将本文提出的改进滤波算法同常规卡尔曼滤波算法进行对比，仿真结果证明本文提出的算法性能优异。（3）利用机器学习算法进行目标识别，相对于传统方法效果优异，但是特征的构造是非常困难的，尤其在多传感器信息融合中场景复杂、数据晦涩难懂。人工提取特征可以有效利用专家的历史经验、先验知识以及专业背景知识，提取出的特征一般具有较好的稳定性与效果，但是费时费力，而且容易导致优秀特征的遗漏。基于模型构造的组合特征是在专家特征集的基础上对特征进行组合，从而得到更加精细化的组合特征集，但是忽略了低阶特征以及无法学习到的人工组合特征。针对

6、人工构造的专家特征集与模型构造的组合特征集的优缺点，本文将专家特征集与组合特征集进行融合，从而得到更加全面、更加精细的融合特征集。最后将融合特征集与专家特征集、组合特征集进行对比，仿真结果证明本文提出的特征融合方法具有优异的效果。关键词：多传感器信息融合，数据关联，航迹滤波，目标识别IABSTRACTABSTRACTAfterseveraldecadesofdevelopment,multi-sensorinformationfusionhasbecomeincreasinglymatureandwidelyusedinthem

7、ilitaryfieldandcivilianfield,buttherearestillsomepainpoints.First,thispaperintroducesthebasicprinciples,thecategoriesofinformation,functionalmodels,fusionlevels,processingstructures,andkeyissuesofmulti-sensorinformationfusion.Second,forsomekeytechnologies,thispaperco

8、nductsrelatedresearchandismainlydividedintothefollowingthreeaspects:First,inthedirection-findingcross-positioningsystem,asinglesens