[发明专利]非线性带偏差系统的多传感器融合估计方法

说明书

本发明涉及一种基于分散融合滤波技术的非线性带偏差系统的多传感器融合估计方法。针对存在动态偏差的非线性多传感系统的估计问题，本发明加入了分散融合滤波技术，提出了两阶段容积卡尔曼滤波融合估计方法。在分散融合结构中，各个传感器需要将自己的状态估计信息发送到融合中心，同时，所有滤波器对状态估计信息进行时间更新，得到预测值。各个局部滤波器对预测值进行量测更新，得到局部状态估计信息。在融合中心，对所有滤波器的状态估计信息进行处理，得到全局状态估计信息。本发明方法的性能要优于单传感器的两阶段卡尔曼滤波方法。

技术领域

本发明属于滤波估计领域，特别涉及一种基于分散融合技术的带偏差系统的多传感器融合估计方法。

背景技术

现实中，非线性系统占有很大的比例，而在非线性系统中，由于各种原因，系统状态或测量可能受到动态偏差的影响。面对上述情况，如何进行系统状态的精确估计已成为了一个重要内容。常规的对于无偏差非线性系统的状态估计方法已为数不少，例如扩展卡尔曼滤波器，无迹卡尔曼滤波器等，而对于带偏差的非线性系统的状态估计方法并不多见。针对广泛存在的带偏差系统，找到一种新的估计方法是有必要的。

面对上述情况，如何进行系统状态的精确估计已成为了一个重要内容。通常情况下，动态偏差为线性的，可以将非线性系统分成不受偏差影响的无偏差状态系统和偏差系统。由于状态方程是一个非线性方程，无偏差状态可以使用非线性估计方法来估计(例如容积卡尔曼滤波器)，偏差部分为线性方程，偏差可以通过近似为线性的滤波器进行估计，得到偏差的估计值。然后，通过一个融合因子进行组合，得到系统状态的估计值。由于矩阵运算的分离，明显降低了计算量，受到了相关研究人员的青睐。

现有的非线性两阶段卡尔曼滤波器研究主要是基于单传感器，基于多传感器的非线性两阶段卡尔曼滤波器比较少。由于单传感器的数据单一，估计精度不高，可以使用多传感器对系统状态进行估计，其中分散融合估计是一种非常好的对非线性带偏差系统的估计方法。在这个结构中，主滤波器和局部滤波器合力进行估计，可以得到更精确的估计值。

发明内容

针对利用多传感器对非线性系统进行滤波的情况，流行于线性系统的集中式多传感器信息融合(将测量向量扩维)和分布式多传感器信息融合的方式已经不再适合，这是因为它们的精度太差或求解过程太复杂。基于两阶段容积卡尔曼滤波器，加入了分散融合技术，提出了两阶段容积卡尔曼融合估计器。主滤波器使用各个局部滤波器的输出信息，融合得到对系统状态的全局估计值，并合理地反馈给各个局部滤波器。相比于单传感器的两阶段容积卡尔曼滤波器，新方法提高了估计精度。

本发明大体上可分为三个部分。第一部分是系统模型建立；第二部分构建两阶段容积卡尔曼滤波器；在第三部分，依据局部滤波器信息，得到两阶段容积卡尔曼融合估计器。

本发明的有益效果：可以对非线性带偏差系统进行精确估计，且相对于常见单传感器估计方法，提出的方法可以取得更高的系统状态估计精度。

附图说明书

图1本发明原理框图。

图2为步骤3的详细过程图。

具体实施方式

如图1所示，本发明的具体实施步骤：

步骤1.系统建模

考虑了带偏差非线性多传感器系统为模型，系统过程噪声统计特性已知，非线性多传感器系统的状态方程、偏差方程和量测方程数学描述如下：

y_i,k＝h_i(x_k)+D_i,kb_k+v_i,k  (3)