信息融合非線性濾波及在無(wú)源定位的應(yīng)用.pdf

1、在運(yùn)動(dòng)目標(biāo)跟蹤、現(xiàn)代信號(hào)處理、圖像處理、自動(dòng)控制等很多領(lǐng)域里面都存在量測(cè)方程或是狀態(tài)方程非線性的問(wèn)題,當(dāng)前對(duì)非線性系統(tǒng)的狀態(tài)估計(jì)無(wú)論在理論上還是在工程中都有著十分重要的意義。而現(xiàn)有的非線性濾波方法實(shí)際上都是一些近似算法,存在精度不高容易發(fā)散等缺點(diǎn),只能在一定程度上解決非線性估計(jì)問(wèn)題。
　　 在非線性系統(tǒng)的狀態(tài)估計(jì)中引入多傳感器信息融合理論,可以在不增加測(cè)量基站的前提下,應(yīng)用多種不同的傳感器測(cè)量同一目標(biāo),融合這些測(cè)量信息就可得到準(zhǔn)

2、確度和穩(wěn)定性更高的估計(jì)值,是一種提高非線性濾波精度的實(shí)用方法。本文針對(duì)非線性估計(jì)問(wèn)題應(yīng)用信息融合理論,提出了一系列信息融合非線性濾波器,并把其中一些理論應(yīng)用在無(wú)源定位跟蹤上。這些算法不但提高了濾波估計(jì)的精度,而且增加了系統(tǒng)的穩(wěn)定性。
　　 本文中首先針對(duì)非線性系統(tǒng),應(yīng)用線性最小方差信息融合準(zhǔn)則,提出了多傳感器信息融合擴(kuò)展卡爾曼濾波器(Extended Kalman Filter,EKF),并且給出了用于計(jì)算最優(yōu)加權(quán)的局部濾波誤差

3、方差和協(xié)方差的公式。
　　 然后對(duì)于非線性系統(tǒng),應(yīng)用線性最小方差信息融合準(zhǔn)則,提出了多傳感器信息融合無(wú)跡卡爾曼濾波器(Unscented Kalman Filter,UKF),并且給出了用于計(jì)算最優(yōu)加權(quán)的局部濾波誤差方差和協(xié)方差的公式。
　　 其次對(duì)于非線性系統(tǒng),應(yīng)用線性最小方差信息融合準(zhǔn)則,提出了一系列的多傳感器信息融合粒子濾波器——信息融合粒子濾波器(Particle Filter,PF)、信息融合擴(kuò)展卡爾曼粒子濾波

4、器(Extended Kalman Particle Filter,EKPF)、信息融合無(wú)跡粒子濾波器(Unscented Particle Filter,UPF)、信息融合高斯粒子濾波器(Gaussian Particle Filter,GPF)及信息融合高斯和粒子濾波器(Gaussian Sum Particle Filter,GSPF),并且給出了用于計(jì)算最優(yōu)加權(quán)的局部濾波誤差方差和協(xié)方差的公式。
　　 最后深入研究了無(wú)源

5、定位系統(tǒng),利用擴(kuò)展卡爾曼濾波理論中的線性化量測(cè)方程的方法,推導(dǎo)出了基于擴(kuò)展卡爾曼濾波器的無(wú)源定位濾波器、無(wú)源定位預(yù)報(bào)器、無(wú)源定位平滑器的公式。并應(yīng)用信息融合理論,在線性最小方差準(zhǔn)則下,提出了無(wú)源定位系統(tǒng)的多傳感器信息融合濾波器、多傳感器信息融合預(yù)報(bào)器、多傳感器信息融合平滑器的形式,同時(shí)給出了用于計(jì)算最優(yōu)加權(quán)的局部估計(jì)誤差方差和協(xié)方差的公式。
　　 本文通過(guò)一些仿真例子說(shuō)明了所提出信息融合非線性濾波方法和信息融合無(wú)源定位算法的有效