论文部分内容阅读
多传感器信息融合技术是对多源数据进行检测、相关、组合和估计,是一种多层次、多方面的处理过程,为了完成信息的不确定性,以便更准确、更全面的了解和描述被测对象,从而做出正确的判断,提高系统的鲁棒性。本文主要的研究工作是多传感器信息融合理论。主要工作如下：首先介绍了多传感器信息融合技术的基本模型和结构,阐述了信息融合在移动机器人领域中的应用研究,重点介绍了其在机器人定位跟踪中应用。其次,建立移动机器人运动模型、传感器观测模型和噪声模型,简单分析了多传感器信息融合常用算法。对多传感器信息融合领域中基于状态估计技术的信息融合方法扩展卡尔曼滤波、粒子滤波进行深入分析。接着,分析设计了扩展卡尔曼滤波融合的方法和步骤,建立了扩展卡尔曼滤波的数据融合模型,给出扩展卡尔曼定位流程图,设计基于EKF信息融合的定位仿真实验,并用Matlab软件设计实现。通过仿真实验验证EKF融合传感器信息在移动机器人定位的有效性。再次,本文针对在系统定位的应用粒子滤波融合时,没有统一的数据融合的通用形式,提出一种基于信息融合的多传感器分布式粒子滤波算法。该算法首先利用分区粒子滤波计算局部传感器的状态估计值,然后利用标量加权融合对系统局部状态估计值进行信息融合,得到系统状态的最优估计。仿真结果表明基于分区的PF与基本PF和EKF滤波相比,提高了滤波的性能和精度。同时,将本文提出将分区重采样应用于EKPF算法重采样阶段,提出PEKPF算法,仿真结果表明与基本EKPF相比滤波性能得到一定提高。最后,分别运用扩展卡尔曼滤波融合模型和本文提出的粒子滤波融合模型进行仿真实验,应用MATLAB软件设计实现,验证上述融合模型对移动机器人位置进行定位跟踪的性能,观察其在不同的运动情况下的滤波融合效果,计算定位误差,进行分析比较。从仿真结果可以看出,此定位系统模型提高了机器人的定位精度。