1、1多傳感器信息融合中的狀態估計-估計融合問題1多傳感器信息融合中的狀態估計 所謂估計融合（Estimation fusion），就是傳統估計理論與信息融合理論的有機結合，或者說就是針對估計問題的信息融合，即研究在估計未知量的過程中，如何最佳利用多個數據集合中所包含的有用信息。 估計融合是最重要的應用領域之一，就是使用多個傳感器（同類或者異類的）的目標跟蹤中的航跡融合，或者航跡到航跡的融合。多傳感器信息融合中的狀態估計 大多數多傳感器信息融合系統（特別是多傳感器多目標跟蹤），以及雜波環境下的多傳感器單目標跟蹤等）在進行估計融合之前，都需要進行關聯（主要包括點跡到航跡的關聯、航跡到航跡的關聯），以

2、決定來自于不同傳感器的哪些量測數據是屬于同一目標的。 數據關聯也是信息融合理論中非常有挑戰性的一個領域，對估計融合的結果有直接的影響。多傳感器信息融合中的狀態估計 估計融合問題的提出及融合系統結構 集中式融合系統及融合算法 分布式融合系統及融合算法 聯合濾波一類改進的分布式融合系統估計融合實例應用55多傳感器信息融合中的狀態估計1. 估計融合問題的提出及融合系統結構所謂離散標準動態系統的狀態融合估計問題，簡化意義下是指在假設： 估計融合算法都與融合結構有著密切關系，融合結構大致分為三大類：集中式分布式混合式 多傳感器信息融合中的狀態估計1. 估計融合問題的提出及融合系統結構集中式融合估計模式

3、集中式融合，就是所有傳感器量測數據都傳送到一個中心處理器進行處理和融合，所以也稱為中心式融合或量測融合。 多傳感器信息融合中的狀態估計1. 估計融合問題的提出及融合系統結構分布式融合估計模式 它是將一個高階系統狀態估計問題分散為若干個子系統的局部估計問題，通過局部估計器獲得子系統局部狀態估計，并依據一定準則，根據子系統局部狀態估計獲得整體狀態估計，這樣就將高階系統狀態估計問題分散為若干個子系統的局部狀態估計問題。 多傳感器信息融合中的狀態估計1. 估計融合問題的提出及融合系統結構分布式融合估計模式多傳感器信息融合中的狀態估計1. 估計融合問題的提出及融合系統結構混合式融合估計模式 混合式融合（

4、Hybrid fusion）是集中式結構和分布式結構的一種綜合，融合中心得到的可能是原始量測數據，也可能是局部結點處理過的數據。多傳感器信息融合中的狀態估計1. 估計融合問題的提出及融合系統結構混合式融合估計模式 這種結構兼容了集中式和分布式的特點，能夠很好的將多敏感器提供的信息冗余利用起來。多傳感器信息融合中的狀態估計1. 估計融合問題的提出及融合系統結構集中式融合模式并行融合序貫融合數據壓縮融合分布式融合模式簡單凸組合狀態融合估計算法 (Bar Shalom)最優分布式融合估計算法 (Campo)最大后驗概率狀態融合估計算法 混合式融合模式(X. Rong Li)線性加權的方法直接將各個測

5、量數據合并組成一個的擴展的測量數組 (Gan)多傳感器信息融合中的狀態估計1. 估計融合問題的提出及融合系統結構集中式融合由于可以得到最完整的信息，其結果最優，所以一般是作為與其他融合算法的結果作對比用的。 分布式估計研究的主要是如何把融合估計分解成若干個局部估計，以及由局部估計怎樣組合成最佳全局融合估計的問題。多傳感器信息融合中的狀態估計1. 估計融合問題的提出及融合系統結構狀態融合估計中的濾波處理方法集中式濾波(Kalman)并行式濾波(Roy, Berg )聯合濾波(N. A. Calson)多模型濾波(Blom, Maybeck)自適應濾波(Hong)多傳感器信息融合中的狀態估計1.

6、估計融合問題的提出及融合系統結構 在集中式融合結構下，融合中心可以得到所有傳感器傳送來的原始數據，數據量最大、最完整，所以往往可以提供最優的融合性能，可以作為各種分布式和混合式融合算法性能比較的參照。多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法問題描述：多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法 對于如上描述的系統，采用集中式融合處理模式，典型的包括： 并行濾波 序貫濾波多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法 并行濾波量測擴維廣義

7、量測方程且多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法 并行濾波時間更新量測更新多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法 并行濾波多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法 并行濾波以上公式構成了并行濾波方式下集中式融合完整的遞推方程組多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法 序貫濾波問題描述：融合中心對于目標運動狀態的一步預測為 多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法 序貫濾波多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法 序貫濾波多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法 以上

8、的多傳感器集中式融合算法主要是針對在同一時刻各傳感器的量測噪聲之間互不相關的情形。然而，許多重要的實際情況并不是這樣的，存在相關性，如：多傳感器信息融合中的狀態估計2. 集中式融合系統及融合算法 1）通過對連續時間多傳感器系統采樣得到的離散時間異步多傳感器系統的量測噪聲是相關的；2）如果在共同的噪聲環境下對目標運動狀態進行量測，則各傳感器的量測噪聲之間一般來說也是相關的，例如當在出現反干擾（例如，噪聲是人為干擾）或大氣噪聲時對一個目標的狀態進行量測；3）許多實際傳感器的量測誤差是由于依賴于目標狀態或載機運動的不確定性，所以是耦合的，例如雷達量測的斜距誤差可能依賴于目標的距離；4）即使量測誤差在

9、原始坐標系中是不相關的，在經過非線性的坐標轉化后由于誤差依賴于狀態，它們就變得相關了。多傳感器信息融合中的狀態估計3. 分布式融合系統及融合算法問題描述：分布式濾波首先對子系統的局部濾波器進行濾波 多傳感器信息融合中的狀態估計3. 分布式融合系統及融合算法多傳感器信息融合中的狀態估計3. 分布式融合系統及融合算法此時全局狀態的集中式濾波器算法可用各自系統的測量表示多傳感器信息融合中的狀態估計3. 分布式融合系統及融合算法用信息濾波形式重新列寫上式的測量更新方程的關系如下 多傳感器信息融合中的狀態估計3. 分布式融合系統及融合算法此二式反映了分布式濾波器中全局濾波和局部濾波之間的關系多傳感器信息

10、融合中的狀態估計3. 分布式融合系統及融合算法 由于分布式估計形式都是從局部節點的集中估計方程式推出的，因此其全局濾波和集中濾波等價，并且局部濾波也是最優的； 但從上面的濾波推導過程可以看出，該計算相對也比較復雜，不僅用到了子濾波器的濾波估計及其協方差陣，還用到了其預測關系，而且全局濾波的時間更新需要用全局濾波方程。此外，由于該分布式濾波算法是基于集中濾波器的，該算法在減少維數和提高容錯性等性能上也是有限的。 多傳感器信息融合中的狀態估計3. 分布式融合系統及融合算法 當然，以上要求是相互矛盾的，要容錯性高就必須犧牲一些精度，為解決這些問題，需要對傳統分布式濾波算法進行改進，以期具有濾波精度更

11、高，算法更簡單，計算量更少，容錯性更高等性能。多傳感器信息融合中的狀態估計4. 聯合濾波一種改進的分布式估計融合系統 分布式聯合濾波器(FKF, Federal Kalman Filter)采用信息分配原則，通過對系統的信息進行不同的分配，可以在以上幾個性能要求之間獲得一個折衷的最佳方案，以滿足不同要求的使用，它是美國學者N.A.Carlson于1988年提出的一種特殊形式的分布式融合方法，現已被眾多學者認為是一種新的信息融合方法。多傳感器信息融合中的狀態估計4. 聯合濾波 聯合濾波只對子濾波器的估計信息進行合成，子濾波器也是平行結構形式，各自濾波器算法采用Kalman濾波算法，處理自己傳感器

12、的測量信息； 為了使主濾波器的合成結構與集中式融合估計精度相同，聯合濾波器區別于一般分布式濾波器的特點在于采用方差上界技術和信息分配原則來消除各傳感器子濾波器估計結果的相關性，把全局狀態估計信息和系統噪聲信息分配給各子濾波器，但不改變子濾波器算法的形式。 多傳感器信息融合中的狀態估計4. 聯合濾波 聯合濾波方法由于計算量小，實現簡單，信息分配方式靈活，具有良好的容錯結構，受到許多研究者的關注。美國空軍已將聯合濾波列為新一代導航系統通用的濾波器。方差上界技術 局部估計的去相關信息分配原則 全局信息的局部共享多傳感器信息融合中的狀態估計4. 聯合濾波兩個關鍵技術多傳感器信息融合中的狀態估計4. 聯

13、合濾波 聯合濾波器是一種具有兩級結構的分布式濾波方法，它由若干個子濾波器和一個主濾波器組成，各個子濾波器獨立地進行時間更新和測量更新；其中主濾波器的功能有兩個方面：一是進行時間更新；二是將各個濾波器的結果進行融合，融合后的結果可反饋到各個濾波器，作為下一個處理周期的初值。 4. 聯合濾波多傳感器信息融合中的狀態估計問題描述：且假設 表示聯合濾波（融合中心）的最優估值和協方差陣； 表示第i個子濾波器的估值和協方差 ； 表示主濾波器的估值和協方差陣。4. 聯合濾波方差上界技術去相關1）基于局部估計非相關的最優融合算法 定理 在由以上問題所描述的多傳感器信息融合系統中，假設局部估計互不相關，則狀態的

14、全局最優融合估計由如下的一般表示： 多傳感器信息融合中的狀態估計42421）基于局部估計非相關的最優融合算法線性加權融合模型不妨令N=2多傳感器信息融合中的狀態估計43431）基于局部估計非相關的最優融合算法若局部估計互不相關，則 多傳感器信息融合中的狀態估計2）各子濾波器相關情況下的“最優”融合算法 初始狀態協方差矩陣多傳感器信息融合中的狀態估計矩陣論知識初始狀態協方差陣的去相關2）各子濾波器相關情況下的“最優”融合算法 濾波誤差多傳感器信息融合中的狀態估計2）各子濾波器相關情況下的“最優”融合算法 濾波誤差多傳感器信息融合中的狀態估計2）各子濾波器相關情況下的“最優”融合算法 濾波誤差多傳

15、感器信息融合中的狀態估計濾波誤差協方差陣的去相關多傳感器信息融合中的狀態估計2）各子濾波器相關情況下的“最優”融合算法 在上式中取等號，即可實現局部估計的去相關，進而可用局部估計不相關情況下的最優融合算法來實現全局最優融合估計； 但是另一方面，由于在上式中取等式，也將子濾波器的自身初始協方差陣和過程噪聲協方差陣均放大了 倍，每個局部濾波器的濾波結果是次優（保守）的。 圖 聯合濾波的一般結構示意多傳感器信息融合中的狀態估計4. 聯合濾波結構及工作流程1）聯合濾波模型結構4. 聯合濾波結構及工作流程2）工作流程（1）給定初始值和信息分配過程 關鍵多傳感器信息融合中的狀態估計信息分配因子4. 聯合濾

16、波結構及工作流程2）工作流程（2）信息的時間更新 多傳感器信息融合中的狀態估計4. 聯合濾波結構及工作流程2）工作流程（3）量測更新 多傳感器信息融合中的狀態估計4. 聯合濾波結構及工作流程2）工作流程（4）信息的最優融合 多傳感器信息融合中的狀態估計4. 聯合濾波濾波器最優性能分析 定理 在聯合濾波器一般結構示意所描述的聯合濾波算法中，所得的全局融合估計與集中式融合估計等價，也是最優的。 等價多傳感器信息融合中的狀態估計4. 聯合濾波濾波器最優性能分析 從以上分析可以看出，聯合濾波過程由于采用方差上界技術使得算法得到大大簡化。值得指出的是雖然采用方差上界技術，局部估計是次優的，但局部估計經融

17、合后的全局估計相對集中式濾波融合估計結構來講卻是最優的，即聯合濾波模型與集中式濾波模型在估計精度上等價的。多傳感器信息融合中的狀態估計其目的在于希望濾波過程中，聯合濾波器的整體性能能夠隨時接近性能最優的局部系統，也即精度較高的子系統擁有較大的信息分配因子，而精度較低的子系統信息分配因子要取得小一些，以減少其對全局估計的精度。自適應的信息分配因子確定方法能夠更好的反應子系統估計精度的變化，減少子系統失效或者精度降級帶來的影響，提高全局估計精度及整個系統的自適應性和容錯性。多傳感器信息融合中的狀態估計4. 聯合濾波信息分配因子的自適應確定定義 估計精度衰減因子 滿足范數條件信息分配因子的計算公式

18、多傳感器信息融合中的狀態估計4. 聯合濾波信息分配因子的自適應確定衛星姿態確定 姿態確定是指通過帶有噪聲的姿態敏感器測量值來確定衛星相對某個參考坐標系姿態參數的過程，即研究衛星相對于某個基準的姿態定位，這本質上也屬于狀態估計問題。 將多種性能各異的姿態敏感器相結合，充分利用其互補性能來提高融合定姿系統的精度和可靠性成為近年來衛星姿態確定領域十分關注的重要問題。而所要解決的關鍵性問題就是如何綜合利用來自各個單一姿態敏感器信息，以產生更加精確和可靠的姿態參數估計，這實際上就是多姿態敏感器信息融合估計問題，而該問題的核心在于融合定姿算法。 多傳感器信息融合中的狀態估計4. 估計融合應用實例在衛星姿態確定中的簡要應用陀螺觀測模型陀螺漂移誤差模型四元數姿態運動學方程誤差狀態方程(1) 衛星姿態確定系統描述多傳感器信息融合中的狀態估計4. 估計融合應用實例星敏感器觀測方程及觀測矩陣GPS觀測方程及觀測矩陣多傳感器信息融合中的狀態估計4. 估計融合應用實例衛星陀螺/星敏感器/