面向異步多速率不均勻采樣觀測數(shù)據(jù)的信息融合估計方法
【專利摘要】本發(fā)明提供了一種面向異步多速率不均勻采樣觀測數(shù)據(jù)的信息融合估計方法，有效解決了面向異步多速率不均勻采樣觀測數(shù)據(jù)的信息融合估計問題。步驟(1)：向計算機輸入數(shù)據(jù)；步驟(2)：輸入系統(tǒng)矩陣和系統(tǒng)誤差方差陣，輸入(k-1,k]時刻獲得的來自所有傳感器的觀測數(shù)據(jù)和觀測矩陣，以及觀測噪聲方差陣，并輸入傳感器i的觀測的采樣時刻ti，記錄(k-1,k]時刻觀測數(shù)據(jù)的個數(shù)；步驟(3)：計算狀態(tài)預測值與狀態(tài)預測誤差協(xié)方差矩陣；步驟(4)，計算狀態(tài)的融合估計值和相應的估計誤差協(xié)方差矩陣；步驟(5)得到所求狀態(tài)的融合估計值和融合估計誤差協(xié)方差矩陣；步驟(6)：重復步驟得任意時刻的狀態(tài)融合估計值與融合估計誤差協(xié)方差矩陣，即完成信息融合估計。
【專利說明】 面向異步多速率不均勻采樣觀測數(shù)據(jù)的信息融合估計方法
【技術領域】
[0001]本發(fā)明屬于信息處理方面的多傳感器信息融合【技術領域】，涉及一種面向異步多速率不均勻采樣觀測數(shù)據(jù)的信息融合估計方法。
【背景技術】
[0002]數(shù)據(jù)融合是一個從多層次、多方面處理來自多個來源的數(shù)據(jù)和信息的過程，通過相關處理以實現(xiàn)目標的檢測、關聯(lián)、相關和狀態(tài)估計，并對情況和威脅進行完整且及時的評估。融合估計指的是如何充分利用包含在多組數(shù)據(jù)里的信息以得到對一個量的最優(yōu)估計。它被廣泛用于眾多軍事和民用領域，如目標跟蹤、組合導航、故障檢測和控制等。
[0003]對于狀態(tài)融合估計，最早期的工作是基于相同采樣率的同步測量值進行的。因為在實際應用中，異步多傳感器融合非常普遍，人們逐漸開始關注異步數(shù)據(jù)的融合。基于連續(xù)系統(tǒng),Alouani和他的合作者Bar-Shalom等,提出了一些有效的異步多傳感器融合的算法。對于離散時間系統(tǒng)而言，相關的研究方法包括基于多尺度系統(tǒng)理論的方法，批處理的方法和基于多速率的濾波器設計的算法等。
[0004]隨著小波變換的出現(xiàn)，人們開始分析多尺度現(xiàn)象和多尺度信號。在多個尺度上描述信號“是一個自然的事情”因為“研究的現(xiàn)象可能具有多尺度特征或物理上具有多尺度特性”，并且“觀測數(shù)據(jù)常常是在不同尺度上獲得的”。隨著小波變換和金字塔表示法的發(fā)展，多速率的數(shù)字濾波算法和多尺度信號處理的研究急劇增加。在20世紀80年代末和90年代初，為了系統(tǒng)地和有效地描述多尺度統(tǒng)計信號處理算法，提出了一個多尺度系統(tǒng)理論的統(tǒng)計框架。多尺度系統(tǒng)理論提供了一個尺度遞歸的方式來處理在不同的尺度上的信號，這意味著在多尺度系統(tǒng)中“尺度發(fā)揮一個類似時間的作用”。基于這個想法，多個不同傳感器不同尺度獲得的數(shù)據(jù)的最優(yōu)估計可以有效地融合。相關的結(jié)果包括:多分辨率分布式濾波，多分辨率、遞歸卡爾曼濾波器，和一些多尺度建模和數(shù)據(jù)融合算法。
[0005]上面列出的多尺度建模和融合算法的基本思想是通過對最細尺度上的狀態(tài)進行小波分解，建立多尺度模型，將不同傳感器與不同采樣率的測量對應到二叉樹上(一般傳感器之間的抽樣比是2的整數(shù)次冪關系)，然后利用小波重構從粗尺度到細尺度將數(shù)據(jù)融合，并生成最細尺度上的狀態(tài)估計。但是這樣做產(chǎn)生很多問題。首先，數(shù)據(jù)融合沿著尺度進行，類似傳統(tǒng)濾波器沿著時間處理信號，這樣做，通常需要分組和分批處理一定范圍里的數(shù)據(jù)，因此計算量很大；第二，通過使用小波分解生成多尺度模型，系統(tǒng)噪聲很容易交疊并且在每個較粗尺度上噪聲變得相關；第三，當從不同傳感器獲得數(shù)據(jù)，傳感器之間的采樣率通常局限于2的整數(shù)冪關系，否則，需要用到M帶小波變換，這使得多尺度多速率的數(shù)據(jù)融合問題更為復雜。

【發(fā)明內(nèi)容】

[0006]本發(fā)明提供了一種面向異步多速率不均勻采樣觀測數(shù)據(jù)的信息融合估計方法，解決了面向異步多速率不均勻采樣觀測數(shù)據(jù)的信息融合估計問題，并將數(shù)據(jù)進行更為有效充分的利用。
[0007]本發(fā)明通過下述技術方案實現(xiàn):
[0008]一種面向異步多速率不均勻采樣觀測數(shù)據(jù)的信息融合估計方法，包括以下步驟:
[0009]步驟(1):向計算機輸入傳感器個數(shù)N，輸入每一個傳感器的采樣速率Si, i=l, 2，…，N,同時輸入傳感器之間的采樣比Iii=SASi, I ^ i ^ N,輸入初始狀態(tài)均值xQ，初始狀態(tài)估計誤差方差陣Po，其中，Xtl e RnS η維實向量，Ptl e Rnxn是η維矩陣，且PtlX)為正定矩陣是用于描述傳感器i和傳感器I之間采樣率關系的量，取值范圍為正整數(shù)；
[0010]步驟⑵:對時刻k=l，2，…，輸入系統(tǒng)矩陣A(k)和系統(tǒng)誤差方差陣Q(k)，輸入(k-1, k]時刻獲得的來自所有傳感器的觀測數(shù)據(jù)CO和觀測矩陣Ci CO，以及觀測噪聲方差陣RiCO，并輸入傳感器i的觀測JiCO的采樣時刻ti，記錄(k-1，k]時刻觀測數(shù)據(jù)的個數(shù)Mk，其中:
[0011]Y^ki):第i個傳感器的觀測，其維數(shù)為IV取值范圍為:HIi Sn;
[0012]A(k):系統(tǒng)矩陣，用于描述狀態(tài)間轉(zhuǎn)移的量，其取值范圍為:特征值在單位圓內(nèi)的滿秩矩陣，設目標狀態(tài)的維數(shù)為n，則A(k) e RnXn；
[0013]CiGO:觀測矩陣，用于描述觀測數(shù)據(jù)的維數(shù)和觀測數(shù)據(jù)含義的量，其維數(shù)為IV即Ci/c,) G;
[0014]Q(k):k時刻系統(tǒng)誤差方差陣，用于描述系統(tǒng)建模誤差的量，其維數(shù)為ηΧη，取值范圍為非負定矩陣；
[0015]RiQO:觀測誤差方差，用于描述觀測誤差偏差的量，其維數(shù)為HiiXmi,取值范圍為非負定矩陣；
[0016]Mk: (k-1, k]時刻觀測到的測量數(shù)據(jù)個數(shù)，Mk ^ N ；
[0017]步驟(3)，在時刻k=l，2，…，利用下式計算狀態(tài)預測值與狀態(tài)預測誤差協(xié)方差矩陣:
[0018]:x{kI I) = A{k)x{k-11/--1)
[0019]P (k I k-1) =A (k) P (k-11 k-1) At (k) +Q (k)
[0020]其中，$(010)=戈，ρ(0|0)=ρ。；并記名(1|々)=灰{|{—I)，P0(k I k) =P (k I k-1)；
[0021]步驟(4)，在時刻1^=1，2，一，利用步驟(3)計算出的幻和PtlGi I k)，以及步驟
(2)輸入的觀測數(shù)據(jù)Ii CO，i=l, 2，…，Mk,對i=l，2，…，Mk利用下式依次計算狀態(tài)的融合估計值和相應的估計誤差協(xié)方差矩陣:
[0022]
【權利要求】
1.一種面向異步多速率不均勻采樣觀測數(shù)據(jù)的信息融合估計方法，其特征在于，包括以下步驟: 步驟(1):向計算機輸入傳感器個數(shù)N，輸入每一個傳感器的采樣速率Si, i=l, 2,-,N,同時輸入傳感器之間的采樣比Iii=S1XSi,N，輸入初始狀態(tài)均值Xtl，初始狀態(tài)估計誤差方差陣Po，其中，Xtl e Rn，Rn表示η維實向量，Ptl e Rnxn是η維矩陣，且PtlX)為正定矩陣；Hi是用于描述傳感器i和傳感器I之間采樣率關系的量，取值范圍為正整數(shù)； 步驟(2):對時刻k=l，2，…，輸入系統(tǒng)矩陣A (k)和系統(tǒng)誤差方差陣Q (k)，輸入(k-l，k]時刻獲得的來自所有傳感器的觀測數(shù)據(jù)YiGO和觀測矩陣CiGO，以及觀測噪聲方差陣Ri CO，并輸入傳感器i的觀測yi CO的采樣時刻\，記錄(k-l，k]時刻觀測數(shù)據(jù)的個數(shù)Mk，其中: Y^ki):第i個傳感器的觀測，其維數(shù)為IV取值范圍為噸≤η ; A(k):系統(tǒng)矩陣，用于描述狀態(tài)間轉(zhuǎn)移的量，其取值范圍為:特征值在單位圓內(nèi)的滿秩矩陣，設目標狀態(tài)的維數(shù)為n，則A(k) e Rnxn ； Ci(Ici):觀測矩陣，用于描述觀測數(shù)據(jù)的維數(shù)和觀測數(shù)據(jù)含義的量，其維數(shù)為叫，SP e『; Q(k):k時刻系統(tǒng)誤差方差陣，用于描述系統(tǒng)建模誤差的量，其維數(shù)為ηΧη，取值范圍為非負定矩陣； RiGO:觀測誤差方差，用于描述觀測誤差偏差的量，其維數(shù)為HiiXmi,取值范圍為非負定矩陣； Mk: (k-1, k]時刻觀測到的測量數(shù)據(jù)個數(shù)，Mk≤N ; 步驟(3):在時刻k=l，2，...，利用下式計算狀態(tài)預測值與狀態(tài)預測誤差協(xié)方差矩陣::\\k\k-X)= A{k)x{k-\\k-\)
P (k I k-1) =A (k) P (k-11 k-1) At (k) +Q (k)
其中，i<010) = X0, p(o|o)=P0 ;并記表(到/) = 1<到1—1)，P0 (k I k) =P (k I k-1)； 步驟⑷:在時刻k=l，2，…，利用步驟(3)計算出的無0|幻和PQ(k|k)，以及步驟(2)輸入的觀測數(shù)據(jù)Ii CO，i=l, 2，-,Mk,對i=l，2，…，Mk利用下式依次計算狀態(tài)的融合估計值和相應的估計誤差協(xié)方差矩陣:

【文檔編號】G06F17/16GK103714045SQ201410010799
【公開日】2014年4月9日 申請日期:2014年1月9日 優(yōu)先權日:2014年1月9日
【發(fā)明者】閆莉萍, 姜露, 夏元清, 王美玲, 鄧志紅, 付夢印 申請人:北京理工大學