3.1 引言

  • 在多传感器信息融合系统中,就位置(空间)级融合系统的结构而论有集中式、分布式结构
  • 所谓信息融合主要有两项任务
  • 其一是点迹-航迹互联和/或航迹与航迹关联问题
  • 其二是目标状态的估计和/或航迹融合问题

    3.2 集中式多传感器信息融合系统中的状态估计

    3.2.1 单传感器的状态估计

  • 一般的监视和跟踪系统中

  • 其目标运动和传感器测量方程都是线性的,过程与测量噪声是相互独立的,并且系统模型中不含控制项
  • 为了讨论问题的方便,下面再次描述目标运动、传感器测量和单传感器 Kalman 滤波方程

  • 设在离散化状态方程的基础上目标运动规律可表示为

【数据融合】多传感器信息融合系统中的状态估计 - 图1

  • 其中
  • 【数据融合】多传感器信息融合系统中的状态估计 - 图2是 k 时刻目标的状态向量
  • 【数据融合】多传感器信息融合系统中的状态估计 - 图3是零均值白高斯过程噪声向量
  • 【数据融合】多传感器信息融合系统中的状态估计 - 图4是状态转移矩阵
  • 【数据融合】多传感器信息融合系统中的状态估计 - 图5是过程噪声分布矩阵
  • 初始状态 X(0)是均值为 μ 和协方差矩阵为 P0 的一个高斯随机向量,且【数据融合】多传感器信息融合系统中的状态估计 - 图6
  • 定义两个集合,设

【数据融合】多传感器信息融合系统中的状态估计 - 图7

  • 其中,
  • M 是局部节点数(区域数), Nj 是局部节点 j 的传感器数。
  • 局部节点 j 传感器 i 的测量方程可表示为

【数据融合】多传感器信息融合系统中的状态估计 - 图8

  • 其中,
  • 【数据融合】多传感器信息融合系统中的状态估计 - 图9是测量矩阵
  • 【数据融合】多传感器信息融合系统中的状态估计 - 图10是均值为零相互独立的高斯序列,且

【数据融合】多传感器信息融合系统中的状态估计 - 图11

  • 【数据融合】多传感器信息融合系统中的状态估计 - 图12是正定阵,同时【数据融合】多传感器信息融合系统中的状态估计 - 图13

  • 现在考虑局部节点估计与传感器测量位于不同坐标系的情况

  • 设传感器 i 在局部节点笛卡尔坐标系中的三个位置分量为【数据融合】多传感器信息融合系统中的状态估计 - 图14
  • 并假定目标的位置坐标分量 (x, y, z轴分量) 包含在测量向量中
  • 于是,令

【数据融合】多传感器信息融合系统中的状态估计 - 图15

  • 为传感器 i 的 状态坐标偏移量 在局部节点 j 笛卡尔坐标系中的增广向量
  • 那么传感器 i 在局部节点 j 笛卡尔坐标系中 k+1 时刻的观测为

【数据融合】多传感器信息融合系统中的状态估计 - 图16

  • 综合状态估计理论中的 Kalman 滤波方程,局部节点 j 中的第 i 个传感器的 Kalman 滤波方程为

【数据融合】多传感器信息融合系统中的状态估计 - 图17

  • 其初始条件为 【数据融合】多传感器信息融合系统中的状态估计 - 图18

    3.2.2 集中式多传感器状态估计

  • 节点 j 处的局部广义测量矢量

【数据融合】多传感器信息融合系统中的状态估计 - 图19

  • 于是局部广义测量方程为

【数据融合】多传感器信息融合系统中的状态估计 - 图20

  • 这里

【数据融合】多传感器信息融合系统中的状态估计 - 图21

  • 且有

【数据融合】多传感器信息融合系统中的状态估计 - 图22

  • 其中

【数据融合】多传感器信息融合系统中的状态估计 - 图23

【数据融合】多传感器信息融合系统中的状态估计 - 图24

  • 设局部节点 j 在融合中心坐标系的位置为【数据融合】多传感器信息融合系统中的状态估计 - 图25,定义:

【数据融合】多传感器信息融合系统中的状态估计 - 图26

  • 为局部节点 j 位置坐标的增广向量,则节点 j 在融合中心坐标系中 k+1 时刻的局部广义测量向量为

【数据融合】多传感器信息融合系统中的状态估计 - 图27

  • 将离散 Kalman 滤波理论应用于构成的线性系统,则局部节点【数据融合】多传感器信息融合系统中的状态估计 - 图28的集中状态估计方程为

【数据融合】多传感器信息融合系统中的状态估计 - 图29
【数据融合】多传感器信息融合系统中的状态估计 - 图30

  • 将上式代入

【数据融合】多传感器信息融合系统中的状态估计 - 图31

  • 可得

【数据融合】多传感器信息融合系统中的状态估计 - 图32
image.png

  • 其初始条件为

【数据融合】多传感器信息融合系统中的状态估计 - 图34

  • 由此得到了二级多传感器系统的集中状态估计

    3.3 分布式多传感器信息融合系统中的状态估计

  • 这里所说的分布式多传感器系统是指如图所示的结构,也称作分级或二层结构。对这种系统的状态估计通常称为航迹融合或合成。这种结构模型的状态估计以局部节点 j(j∈U) 为例以定理的形式给出。

image.png

  • 定理1 由方程

【数据融合】多传感器信息融合系统中的状态估计 - 图36
【数据融合】多传感器信息融合系统中的状态估计 - 图37

  • 给出的是传感器级状态估计,其 Nj 个传感器在局部节点 j 的最优航迹合成解的一种形式为

image.png

  • 证明:展开下式右侧

【数据融合】多传感器信息融合系统中的状态估计 - 图39

  • 合并有

image.png
image.png
image.png

  • 这里隐含假定所有出现的矩阵求逆都是存在的,并且P0是非奇异的

image.png

  • 为了用传感器级的状态估计表示局部节点 j 的状态估计,消去image.png

image.png

  • 对传感器 i 来说,有类似的表达式

image.png
image.png
image.png
image.png

  • 方程式中的image.pngimage.png分别由前式给出,而image.pngimage.png则来自于传感器级的状态估计方程