[发明专利]一种基于权重预分配的多源信息融合方法

权利要求书

1.一种基于权重预分配的多源信息融合方法，其特征在于，具体按照以下步骤实施：

步骤1、针对含有多个传感器的系统，选用Q检验法对各传感器异常监测数据进行剔除，并基于距离准则对剔除异常值后的数据预分配融合权重；

步骤2、选用基于马氏距离的自衰减无迹卡尔曼滤波UKF作为局部状态估计器，通过对新息向量的马氏距离平方进行评价，采取相应地措施来提高UKF对多传感器非线性随机系统建模误差的适应性和鲁棒性，获得局部状态估计结果；

步骤3、基于最小方差线性加权准则对多传感器监测数据进行融合，得到全局状态估计结果。

2.根据权利要求1所述的一种基于权重预分配的多源信息融合方法，其特征在于，所述步骤1具体如下：

步骤1.1、设定各传感器状态空间模型满足以下形式：

式中，x_t与x_t+1分别为被测系统t时刻与t+1时刻的状态值；f(·)为系统非线性状态函数；w_t为方差Q≥0的零均值高斯白噪声；z_t+1为传感器t+1时刻的测量值；h(·)为传感器非线性测量函数；e_t+1为t+1时刻方差R≥0的零均值高斯白噪声；

步骤1.2、以t时刻各传感器监测数据为例，设定i＝1,2,…,M_s为第i个传感器t时刻的系统监测结果，得到t时刻系统监测结果Z_t：

式中，M_s为传感器的个数；

步骤1.3、将t时刻系统监测结果Z_t按递增顺序排列得到升序序列Z_ts，并计算检验值Q₁：

式中，和分别为t时刻监测数据最大值和最小值，和分别为t时刻第i个传感器测量结果及其最邻近的监测结果；

步骤1.4、根据升序序列中测量值个数和指定的置信水平确定检验值Q₂，若Q₁＞Q₂，则将t时刻第i个传感器测量结果视为异常值并舍弃，否则予以保留，对处理后的监测数据重复上述步骤，直至该时刻监测数据中的所有异常值全部剔除，得到无异常监测数据序列

式中，为最终得到的无异常数据存在的t时刻第一个监测值，同理和分别代表最终得到的无异常数据存在的t时刻第二个和第N_s个监测值。

步骤1.5、基于距离准则对剔除异常值后的数据预分配融合权重：

式中，为t时刻第i个传感器的预分配融合权重，为最终得到的无异常数据存在的t时刻第i个监测值，为最终得到的无异常数据的均值，N_s为最终得到的无异常数据个数，为最终得到的无异常数据存在的t时刻第k个监测值。