论文部分内容阅读
多传感器数据融合是指对多传感器所获取的数据进行处理、综合的过程，通过融合可以更好地了解所观测的对象。通常在单传感器系统中，传感器可能在某些情况下不能正常工作，这样就使得系统接收到的数据不准确，从而影响系统的可靠性和稳定性。解决这个问题的办法是设计一个多传感器数据融合系统，把所有传感器所测得的数据融合成一个最佳的观测结果。
本文首先系统而全面地介绍了多传感器数据融合，包括其产生背景、融合模型框架及融合算法。接着，对传统的集中式融合算法及分布式Track-to-Track融合算法进行了分析，并指出它们存在的问题。针对Track-to-Track融合算法的缺点，对Track-to-Track融合算法(TTF)进行了优化，提出了改进的融合算法(MTF)，从而提高了融合精度。同时，对度量融合算法(MF)、TTF和MTF进行了比较分析，结果显示MTF算法比MF、TTF的融合精度都高。然后，针对融合算法计算量大这一问题，我们对MTF算法的并行化问题进行了研究，提出了基于Faddeev算法相应Systolic阵列的并行实现。最后，本文指出了分布式多传感器数据融合算法值得以后研究的几个方向。
该论文的主要贡献为：1)改进了Track-to-Track融合算法；
2)对MF、TTF以及MTF三种融合算法进行了比较；
3)对MTF算法进行了并行实现；
4)提出了五点值得以后进一步研究的内容。