论文部分内容阅读
多源信息融合是一个有着广泛应用背景及重要理论意义的研究课题。为了提高信息处理的精度、实时性、稳健性以及在恶劣环境中的生存能力,以美国为首的西方发达国家已经在众多领域开展多源信息融合技术的理论与应用研究,如战争中的军事情报、计算机网络、通信、关键国防装备和三军一体化系统等。多源信息融合虽然在近三十年已获得相当大的进展,但是这些应用是有条件限制性的,如在决策融合方面,则要求多源信息是统计独立的;在估计融合方面,则需要各传感器之间测量噪声是相互独立的。实际上,噪声相关是普遍存在的。本文主要研究工作是设计有效的数据融合算法解决噪声相关问题,具体工作如下:传统的卡尔曼滤波融合算法是在噪声相互独立的限制性条件下提出的。本文提出了一种完全噪声相关的多传感系统微卡尔曼滤波器融合算法,该算法将卡尔曼滤波理论与矩阵求逆引理、矩阵相似变换技术恰当结合,并且将带有噪声相关的集中式卡尔曼滤波的信息形式用Ⅳ个噪声相关的微卡尔曼滤波器等效地表达出来。实验表明,该算法不仅精确的等价于相应的集中式的卡尔曼滤波融合公式,而且能改善高阶矩阵逆运算复杂的问题。传统的扩展卡尔曼滤波融合算法要求噪声相互独立,为取消这一限制条件,提出了一种完全噪声相关的多传感系统微扩展卡尔曼滤波器融合算法。该算法将带有噪声相关的集中式扩展卡尔曼滤波的信息形式等效的用Ⅳ个噪声相关的微扩展卡尔曼滤波器表达出来,进而实现降低计算量的目的。实验仿真表明,该算法能够降低高阶矩阵求逆运算的计算复杂度。针对传统的单舰船集中式组合导航算法在精度、鲁棒性和容错性方面的不足,提出了基于联邦UKF的相对组合导航定位算法。该算法首先通过噪声相关的UKF滤波器和联邦滤波器计算各舰船主动导航定位估计,然后根据最小方差阵的最优准则,对目标舰船主动导航定位估计和邻近舰船获得的目标舰船相对估计进行加权融合,从而可实现新的具有更高精度和性能的导航估计。实验仿真表明,该算法的定位精度确实高于传统的卡尔曼滤波算法。