[发明专利]子波域多传感器修正加权最优信息融合方法

说明书

技术领域

本发明涉及到一种传感器技术领域的信息处理的方法，具体是一种子波域多传感器修正加权最优信息融合方法。

背景技术

多传感器信息融合(Multi-sensor Information Fusion)这一概念是20世纪70年代提出来的，当时并未引起人们足够的重视。近年来，随着科学技术的迅猛发展，军事工业领域中不断征战的复杂度使得军事指挥人员或工业控制环境面临数据频繁、信息超载的问题，这就需要新的技术途径对过多的信息进行消化、解释和评估，于是多传感器的信息融合就受到了军事以及非军事领域的密切关注。信息融合是关于协同利用多传感器数据信息，涉及多元信息检测、相关、综合并获取目标状态和特征以及态势和威胁评价的一种多级自动智能信息处理过程，主要利用计算机技术对按时序获得的目标的多源信息在一定准则下加以分析和综合，以完成所需的决策和控制任务，它集信号处理、统计、人工智能、模式识别、认知科学、计算机科学及信息论等技术于一体，通过对各种传感器采集得到的各种各样的、大量的信息进行多层次的、多界面的检测、相关、和综合等处理，从而最大限度地获得观测目标的状态、特征等信息，进而产生有意义的新的信息，而这一新信息是任何单一传感器所无法获得的。

在对目标的状态融合中，许多信号都具有多尺度特征，人们对过程或现象的观测也是在不同尺度上进行的，传统的在单一尺度上进行滤波分析并不能充分利用信号中丰富的时频信息。近年来，信号处理中小波变换方法有力的解决了这一问题。利用小波变换的多尺度分解将信号在时频域展开，信号的分析建立在不同尺度上，可以有针对性的选取信号中有用的信息进行滤波。

经对现有技术的文献检索发现，在线性加权信息融合领域，孙书利等在《科学技术与工程》(Vol.42005(5)：334-336)上发表了《多传感器线性最小方差最优信息融合准则》，该文中提出了最小方差意义下的矩阵加权的最优信息融合方法，该方法采用Lagrange(拉格朗日)乘数法和矩阵微分运算对各分量进行矩阵加权，其不足在于：该方法假设了所有误差的相关性，对于奇异的互协方差矩阵的情况，采用了局部统计的方法，融合误差较大并且计算量大，需要有所改进。综上所述，目前对于子波域内信息融合的研究以及线性加权融合方法的改进研究还较为薄弱。

发明内容

本发明针对上述现有技术存在的不足，提出了一种子波域多传感器修正加权最优信息融合方法，使其基于子波域的小波变换，结合新的修正加权融合方法，提高了融合精度，减少了计算负担，便于实际应用。

本发明是通过如下技术方案实现的，本发明包括如下具体步骤：

步骤一，对多传感器的观测状态分量采用子波域小波变换的方法，将状态分量进行分解；

步骤二，在子波域内，对经过步骤一分解后得到的状态分量，提出修正加权融合方法，对各状态分量进行修正加权信息融合，得到子波域内的融合信息，修正加权融合方法是指对于严格正定的估计误差的互协方差矩阵所对应的状态分量，采用矩阵加权融合，对于估计误差的互协方差矩阵奇异的状态分量，采取一种标量加权融合；

步骤三，将修正加权融合后的子波域内的状态分量采用小波逆变换方法，转换回时域内，得到状态融合信息。

所述的对观测状态分量应用小波变换的方法，将状态分量进行分解，具体为：

第一步，利用子波域小波分析对状态分量进行多尺度分解：