基于异类传感器观测信息融合的UKF算法

详细信息    查看全文 | 推荐本文 |

英文篇名：UKF algorithm based on heterogeneous sensor observation information fusion 作者：杨菁华 ; 熊智 ; 刘建业 英文作者：YANG Jing-hua;XIONG Zhi;LIU Jian-ye;Navigation Research Center,School of Automation,Nanjing University of Aeronautics and Astronautics; 关键词：异类传感器 ; 信息融合 ; 无迹卡尔曼滤波 ; 目标定位 英文关键词：heterogeneous sensor;;information fusion;;unscented Kalman filtering(UKF);;target localization 中文刊名：CGQJ 英文刊名：Transducer and Microsystem Technologies 机构：南京航空航天大学自动化学院导航研究中心; 出版日期：2019-03-06 出版单位：传感器与微系统 年：2019 期：v.38;No.325 基金：国家自然科学基金资助项目(61673208,61533008,61533009,61374115,61703208);; 装备预研项目(30102080101);; 江苏省“333工程”科研资助立项项目(BRA2016405);; 留学人员择优资助项目(2016年);; 江苏省六大人才高峰资助项目(2013—JY—013);; 江苏省自然科学基金资助项目(BK20170815,BK20170767);; 航空科学基金资助项目(20165552043,20165852052);; 中央高校基本科研业务费专项资金资助项目(NZ2016104,NS2017016,NP2017209,NZ2017001,NJ20170005);; 江苏高校优势学科建设工程资助项目;; 江苏省“物联网与控制技术”重点实验室基金资助项目;; 航空电子系统综合技术重点实验室资助项目 语种：中文; 页：CGQJ201903037 页数：3 CN：03 ISSN：23-1537/TN 分类号：137-139

摘要

针对传统的目标跟踪无迹卡尔曼滤波(UKF)滤波算法中,多传感器信息融合的前提是所有的传感器观测信息及维数相同,不适用于由多异类传感器组成的观测系统,提出一种改进的UKF滤波算法,以多异类传感器观测量扩展融合后的融合信息为新观测量建立混合坐标系下的非线性测量方程。通过仿真验证,提出的算法可以有效降低目标定位误差。
        Aiming at problem that in traditional target tracking unscented Kalman filtering( UKF) algorithm,premise of multi-sensor information fusion is that all sensor observations and dimensions are the same,but it is not suitable for observation systems composed of multiple heterogeneous sensors,an improved UKF filtering algorithm is proposed. In this algorithm,a nonlinear measurement equation in a mixed coordinate system is established by observing fusion information of multiple heterogeneous sensor observations for observation. The simulation results show that this algorithm can effectively reduce target localization error.

引文

[1]张军,杨子晨.多传感器数据采集系统中的数据融合研究[J].传感器与微系统,2014,33(3):52-54,57.
    [2]简小刚,贾鸿盛,石来德.多传感器信息融合技术的研究进展[J].中国工程机械学报,2009,7(2):227-232.
    [3]黄漫国,樊尚春,郑德智,等.多传感器数据融合技术研究进展[J].传感器与微系统,2010,29(3):5-8,12.
    [4]徐德友.粗集信息分析在故障诊断中的应用及自修复飞行控制系统效能评估[D].南京:南京航空航天大学,2002.
    [5]周芳,韩立岩.多传感器信息融合技术综述[J].遥测遥控,2006,27(3):1-7.
    [6]邵慧.无人机高精度目标定位技术研究[D].南京:南京航空航天大学,2014.
    [7]崇阳,张科,吕梅柏.基于“当前”模型的IMM-UKF机动目标跟踪融合算法研究[J].西北工业大学学报,2011,29(6):919-926.
    [8]石勇,韩崇昭.自适应UKF算法在目标跟踪中的应用[J].自动化学报,2011,37(6):755-759.
    [9]刘昌云.雷达机动目标运动模型与跟踪算法研究[D].西安:西安电子科技大学,2014.