[发明专利]一种基于权重预分配的多源信息融合方法

说明书

本发明公开了一种基于权重预分配的多源信息融合方法，首先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；然后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；最后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。本发明消除了传感器误差、监测数据缺失、偏移等不利因素对融合结果产生的影响，建立了基于权重预分配的分布式融合框架，提高了传感器融合准确度。

技术领域

本发明属于多源信息融合技术领域，具体涉及一种基于权重预分配的多源信息融合方法。

背景技术

近些年，随着传感器技术的进步，监测数据也变得多种多样。多传感器信息融合相较于单一传感器监测系统，可以有效地改善系统的监测性能，增强系统的监测可靠性和鲁棒性，在降低系统监测成本的同时，提高数据监测精度，拓展系统的时空覆盖能力，被广泛应用于目标跟踪、工业监控、故障诊断和智能交通。然而，近年来随着系统复杂度的不断提升，传感器监测范围的不断扩大，使得现有融合技术逐渐难以满足系统实际需求，开展更加先进的融合理论研究具有广阔的应用前景和必要性。

发明内容

本发明的目的是提供一种基于权重预分配的多源信息融合方法，消除了传感器误差、监测数据缺失、偏移等不利因素对融合结果产生的影响，建立了基于权重预分配的分布式融合框架，提高了传感器融合准确度。

本发明所采用的技术方案是，一种基于权重预分配的多源信息融合方法，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。

本发明的特点还在于，

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；