论文部分内容阅读
多传感器数据融合技术是利用多传感器探测目标以获取多方面的信息,得到比单一传感器更准确的目标状态估计。尽管数据融合兼有信息的冗余性与互补性等显著优点,但由于目标环境的不确定性、多传感器资源的相对不足以及传感器的本身限制等因素,都需要对传感器资源进行协调分配,以使系统取得整体性能最优。此外,伴随着数据融合研究的深入,传感器管理有必要作为一个单独部分来进行研究。因此,本文对传感器管理的有关理论和方法进行了系统研究,其主要工作如下:1、阐述了数据融合的概念,详细介绍了数据融合的优点、发展状况以及其融合模型;陈述了传感器管理问题提出的必要性;着重研究了传感器管理理论,其中包括概念、系统设计的原则和管理范围、功能及算法。2、针对Kalman滤波及其一些改进算法中量测方差预先设定对状态估计精度的影响,基于时空综合分析法给出了一种在线估算量测方差的方法,以充分利用多个传感器采样数据中蕴含的冗余和互补信息。另外,当有限的传感器资源跟踪单模型目标时,为使传感器能够有效合理的分配给目标,本文对目标跟踪用量测前后的误差协方差阵的变化计算信息熵的变化,利用信息论中信息增量最大化原则,给出了一种基于测量方差时变的传感器管理算法。3、针对多模型目标的跟踪,为了精确描述目标的运动状态,本文采用交互式多模型Kalman滤波器。而预先设定的模型转移概率对滤波精度的影响,所以在线估算模型转移概率,以充分利用当前量测信息,基于此,本文给出了一种基于模型转移概率在线估算的传感器管理算法。4、利用传感器数据可以判别被观测对象的属性,但是过去的方法是仅利用距离判断,而只利用距离判别会导致计算量大、速度慢等问题。基于此,本文给出了一种基于变异系数的数据融合方法。