通信受限的网络化多传感器系统融合估计算法研究

摘要

随着传感器技术和网络通信技术的快速发展，网络化的多传感器信息融合系统(Networked Multi-sensor Fusion Systems，简称NMFs)逐渐在医疗、军事、国防和高科技研究等方面得到广泛应用。与传统的传感器融合系统相比，通信网络的引入使得信息传输模式发生了根本变化，NMFs具有布线少、成本低、易于扩展和维护等优点，也必然带来了通信约束问题。目前，通信受限的网络化多传感器信息融合估计问题是研究的热点。
　　本文基于序贯卡尔曼滤波算法，线性最小方差意义下最优加权融合算法，对通信受限下网络化多传感器信息融合系统做了如下研究:
　　首先针对具有通信受限的网络化多传感器系统，提出了一种实时序贯式卡尔曼信息融合估计方法，基于周期性分组传输通信策略，采用序贯卡尔曼滤波方法，对当前时刻访问融合中心的传感器组进行局部滤波，并导出剩余传感器组的最优局部估计，进而得到线性最小方差意义下的最优融合估计。同时利用残差加权平方和方法对发生故障的传感器进行定位。
　　其次，本文研究了通信受限下网络化多传感器信息融合系统中存在量测丢失时的序贯卡尔曼融合估计，引入虚拟噪声，提出一个新的随机通信模型描述NMFs中的观测丢失现象，采用序贯卡尔曼滤波方法得到当前传感器组的实时滤波，并导出剩余传感器组的最优局部估计，进而得到最优融合估计。
　　最后，通过matlab对算法进行仿真，仿真结果表明融合估计精度高于单传感器估计精度，验证了算法的可行性。

目录

声明

摘要

符号说明

第一章 绪论

1．1 课题研究的背景和意义

1．2 通信受限下网络化多传感器系统研究现状

1．2．1 序贯卡尔曼滤波器研究现状

1．2．2 带丢失观测的序贯卡尔曼滤波器研究现状

1．3 预备知识

1．3．1 线性最小方差意义下按矩阵加权融合算法

1．3．2 矩阵迹求导公式

1．4 主要研究内容

第二章 通信受限下网络化多传感器系统序贯融合估计

2．1 模型及问题描述

2．2 序贯滤波融合算法

2．2．1 序贯滤波

2．2．2 故障诊断

2．2．3 加权融合

2．2．4 算法步骤

2．3 仿真研究

2．4 本章小结

第三章 通信受限下带丢失观测序贯卡尔曼滤波器

3．1 模型和问题描述

3．2 引入虚拟噪声及模型转化

3．3 带丢失观测的序贯卡尔曼融合算法

3．4 仿真模拟

3．5 本章小结

第四章 总结与展望

4．1 总结

4．2 展望

参考文献

致谢

攻读学位期间发表的学术论文目录