多传感器标量加权最优信息融合稳态Kalman滤波器

《多传感器标量加权最优信息融合稳态Kalman滤波器》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第19卷第2期控制与决策2004年2月Vo1．19No．2ControlandDecisionFeb．2004文章编号：1001一O92O(2O04)O2—0208—04多传感器标量加权最优信息融合稳态Kalman滤波器孙书利。，崔平远(1．哈尔滨工业大学深空探测基础研究中心，黑龙江哈尔滨150001；2．黑龙江大学自动化系，黑龙江哈尔滨150080)摘要：提出一种新的标量加权多传感器线性最小方差意义下的最优信息融合准则．该准则考虑了局部估计误差之间的相关性，只需计算加权标量系数，避免了加权矩阵的计算，明显减小了计算量，便于实时应用．运用稳态Kalman滤波理论，基于该融合准则，给出了多传

2、感器最优信息融合稳态Kalman滤波器．在所有局部滤波器达到稳态时，只需一次融合便可获得信息融合稳态滤波器，算法简单．仿真例子验证了其有效性．关键词：多传感器；最优信息融合准则；稳态Kalman滤波器；误差协方差阵中图分类号0211．64文献标识码：AMulti-sensoroptimalinformationfusionsteady-stateKalmanfilterweightedbyscalarsSUNShu—li。。．CUIPing—yuan(1．DeepSpaceExplorationResearchCenter，HarbinInstituteofTechnology，Harbi

3、n150001，China；2．DepartmentofAutomation，HeiiongjiangUniversity，Harbin150080，China．Correspondent：SUNShu—li，E—mail：Sunsl@hlju．edu．cn)Abstract：Anewmulti—sensoroptimalinformationfusioncriterionweightedbyscalarsispresentedinthelinearminimumvariancesense．Thecriterionconsidersthecorrelationamonglocalestim

4、ateerrors，andonlycomputingtheweightedscalarcoefficientsisneeded．Thereforethecomputationalburdencanobviouslybereduced，anditisconvenienttoapplyinrealtime．Usingsteady～stateKalmanfilteringtheory，amulti—sensoroptimalinformationfusionsteady—stateKalmanfilterisgivenbasedonthisfusioncriterion．Theinformati

5、onfusionsteady—statefiltercanbeobtainedonlybyonetimefusingafteralllocalfiltersentersteadystates．Simulationexampleshowstheeffec—tivenessoftheproposedmethod．Keywords：multi—sensor；optimalinformationfusioncriterionsteady—stateKalmanfilter；errorcovarianeematrix1引言器，但假设了局部状态估计误差不相关，这不符合一信息融合Kalman滤波理论在机

6、动目标的组合般情形．本文则提出一种新的按估计误差方差加权导航中具有广泛应用．文献[1]提出了著名的联邦的最优信息融合准则．它考虑了局部估计误差的相Kalman滤波器，但要求计算加权矩阵，不便于实时关性，采用标量加权，避免了加权矩阵的计算，便于应用；[23对两传感器状态估计误差相关的情形给出实时应用，并可获得标量加权下的线性最小方差最一种最优融合估计算法，也要求计算加权矩阵；[3]优信息融合滤波器．提出一种标量加权的信息融合稳态Kalman滤波收稿日期：2002—12—05；修回日期：2003一Ol一20．基金项目：国防基础科研资助项目．作者简介：孙书利(1971一)，男，黑龙江哈尔滨人，博

7、士生，从事Kalman滤波、信息融合等研究；崔平远(1961一)，男，黑龙江哈尔滨人，博士生导师，从事深空探测、机器人控制、智能控制等研究．第2期孙书利等：多传感器标量加权最优信息融合稳态Kalman滤波器209三一口；。+口2；2+⋯+口，(8)2问题的提出其中q为标量，记误差=z一；的方差阵为P，则考虑多传感器离散随机系统z(￡+1)===(￡)+r叫(￡)，(1)极小化or===trP的最优(线性最小方差)融合估计