基于异步多速率观测的噪声去相关融合算法

甘林海; 刘进忙; 王君; 李振兴; 刘永兰

doi:10.13873/J.1000-9787(2015)08-0124-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于异步多速率观测的噪声去相关融合算法

计算与测试 | 更新时间：2025-09-11

- 基于异步多速率观测的噪声去相关融合算法
- Noise decorrelation fusion algorithm based on asynchronous multirate observation
- 传感器与微系统 2015年34卷第8期页码：124-127
- 作者机构：
  
  空军工程大学防空反导学院
- 作者简介：
- 基金信息：
  
  航空科学基金资助项目（2012196003）
- DOI：10.13873/J.1000-9787(2015)08-0124-04
  中图分类号： TN911.4;TP212
- 纸质出版：2015
- 稿件说明：
移动端阅览
[1]甘林海,刘进忙,王君,李振兴,刘永兰.基于异步多速率观测的噪声去相关融合算法[J].传感器与微系统,2015,34(08):124-127.

GAN Lin-hai, LIU Jin-mang, WANG Jun, et al. Noise decorrelation fusion algorithm based on asynchronous multirate observation[J]. 2015, 34(8): 124-127.
[1]甘林海,刘进忙,王君,李振兴,刘永兰.基于异步多速率观测的噪声去相关融合算法[J].传感器与微系统,2015,34(08):124-127. DOI： 10.13873/J.1000-9787(2015)08-0124-04.

GAN Lin-hai, LIU Jin-mang, WANG Jun, et al. Noise decorrelation fusion algorithm based on asynchronous multirate observation[J]. 2015, 34(8): 124-127. DOI： 10.13873/J.1000-9787(2015)08-0124-04.

摘要

对于异步多传感器观测数据

基于先同步

再去相关的思想

提出了一种改进的左同步提升异步观测融合算法。采用左同步法避免了右同步过程中的系统状态矩阵求逆和可能出现的非因果问题;对同步后的系统基于Cholesky分解进行噪声去相关处理

理论上分析了去相关处理前后的算法计算量;用信息滤波器进行预测估计

简化了滤波增益的计算过程。仿真结果表明:改进算法能够在不减小跟踪精度的基础上减小计算量

增强了算法的实时性。

Abstract

As for asynchronous multisensor observation datas

a modified left synchronously lifting fusion algorithm based on the ideal of synchronism firstly and decorrelation next is proposed. Left synchronism is used to avoid the state matrix inversion and the possibly emerged non-causality problem in the process of right synchronism;decorrelation operation based on Cholesky factorization is conducted to the system after synchronism

the computation cost of the algorithm is analyzed theoretically; information filter is used for prediction and estimation

simplify the computation process of filtering gain. Simulation result shows that

the modified algorithm can reduce computation cost without changing tracking precision and enhance the realtime of the algorithm.

关键词

Keywords

references

具有不同观测丢失率多传感器随机不确定系统的加权观测融合估计 [J]. 吴黎明,马静,孙书利. 控制理论与应用 . 2014(02)

基于EKF的集中式融合估计研究 [J]. 葛泉波,李文斌,孙若愚,徐姿. 自动化学报 . 2013(06)

带相关噪声的加权观测融合估计算法及其全局最优性 [J]. 王欣,朱齐丹,孙书利. 系统工程与电子技术 . 2010(10)

基于异步多传感器采样量测的最优状态融合估计 [J]. 邱爱兵,文成林,姜斌. 电子学报 . 2010(07)

多传感器异步融合技术研究 [J]. 滕克难,董云龙,盛安冬. 系统工程与电子技术 . 2010(02)

THE RESEARCH OF GRADATION FUSION ALGORITHM BASED ON MULTISENSOR ASYNCHRONOUS SAMPLING SYSTEM [J]. Wen Chenglin (College of Automation, Hangzhou Dianzi University, Hangzhou 310018, China) Zhang Liantang Ge Quanbo (College of Computer and Information Engineering, Henan University, Kaifeng 475001, China). Journal of Electronics . 2005(05)

相关量测噪声情况下多传感器集中式融合跟踪 [J]. 段战胜,韩崇昭. 系统工程与电子技术 . 2005(07)

Multirate multisensor data fusion for linear systems using Kalman filters and a neural network [J] . Sajjad Safari,Faridoon Shabani,Dan Simon. Aerospace Science and Technology . 2014

IMM fusion estimation with multiple asynchronous sensors [J] . Yanyan Hu,Xiao He,Lan Zhang,Changyin Sun. Signal Processing . 2014

Track fusion via track filter in dense sensor environments [J] . Li Xu,Shuilin Jin,Guisheng Yin. Measurement . 2013 (10)

Multisensor data fusion: A review of the state-of-the-art [J] . Bahador Khaleghi,Alaa Khamis,Fakhreddine O. Karray,Saiedeh N. Razavi. Information Fusion . 2013 (1)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据