下載本文檔
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、 卡爾曼濾波器及多傳感狀態融合估計算法采用CarlsON最優數據融合準則，將基于Kalman濾波的多傳感器狀態融合估計方法應用到雷達跟蹤系統。仿真實驗表明，多傳感器Kalman濾波狀態融合估計誤差小于單傳感器Kalman濾波得出的狀態估計誤差，驗證了方法對雷達跟蹤的有效性。隨著科學技術的發展，特別是微電子技術、集成電路技術、計算機技術、信號處理技術及傳感器技術的發展，多傳感器信息融合已經發展成為一個新的研究領域，并在軍用領域和民用領域均得到了廣泛應用。多傳感采用CarlsON 最優數據融合準則， 將基于Kalman濾波的多傳感器狀態融合估計方法應用
2、到雷達跟蹤系統。仿真實驗表明，多傳感器Kalman 濾波狀態融合估計誤差小于單傳感器Kalman 濾波得出的狀態估計誤差，驗證了方法對雷達跟蹤的有效性。隨著科學技術的發展， 特別是微電子技術、集成電路技術、計算機技術、信號處理技術及傳感器技術的發展， 多傳感器信息融合已經發展成為一個新的研究領域， 并在軍用領域和民用領域均得到了廣泛應用。多傳感器信息融合的基本原理如同人腦綜合處理信息的過程， 即充分利用多個傳感器資源， 通過對各種傳感器及其觀測信息的合理支配與使用， 將各種傳感器在空間和時間上的互補與冗余信息依據某種優化準則組合起來， 從而得出更為準確、可靠的結論。現代戰爭的多樣性和復雜性提出
3、了對信息處理更高的要求， 信息融合可對多傳感器提供的多種觀測信息進行優化綜合處理， 從而獲取目標狀態、識別目標屬性、分析目標意圖與行為， 為電子對抗、精確制導等提供作戰信息。本文將基于Kalman 濾波的多傳感器狀態融合估計方法應用到雷達跟蹤系統。仿真實驗表明， 三個傳感器融合所獲得的估計值都更加貼近于目標信號， 因而提高了對雷達系統的跟蹤精度。1 卡爾曼濾波器多傳感信息融合的主要任務之一就是利用多傳感器信息進行目標的狀態估計。目前， 進行狀態估計的方法很多，Kalman 濾波器是一種常用方法。Kalman 濾波器在機動目標跟蹤中具有良好的性能， 它是最佳估計并能夠進行遞推計算， 即它只需要當
4、前的一個測量值和前一個采樣周期的預測值就能進行狀態估計。考慮一個離散時間的動態系統， 它有如下形式： 針對動態系統(1) 和(2) ，Kalman 遞推濾波算法如下： 2 多傳感狀態融合估計算法單采樣率多傳感器狀態融合估計的研究方法主要有基于概率論的方法、基于Kalman 濾波的方法、基于推理網絡的方法、基于模糊理論的方法、基于神經網絡的方法， 以及基于小波、熵、類論、隨機集、生物學靈感、Choquet 積分的方法等等。基于Kalman 濾波的方法由于具有操作簡單、計算量小、實時性強等優點， 得到最為廣泛的研究。下面重點介紹基于Kalman 濾波的分布式數據融合狀態估計算法。設多傳感器系統有如下形式： 狀態向量初始值x(0)為一隨機向量， 并且有： 假設x (0)、w (k) 和v (
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
- 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
評論
0/150
提交評論