[发明专利]非线性带偏差系统的多传感器融合估计方法

摘要

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。

主权项

1.非线性带偏差系统的多传感器融合估计方法，其特征在于该方法包括以下步骤：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描述如下：yi,k＝hi(xk)+Di,kbk+vi,k                    (3)式中，k表示时间序列；x_k,b_k和y_i,k分别为系统n维状态向量、m维偏差向量和第i个传感器的p维观测向量；和v_i,k分别为系统状态噪声向量、系统偏差噪声向量和第i个传感器的量测噪声向量；f(x_k)为状态转移函数；h_i(x_k)为第i个传感器的状态观测函数；过程噪声、偏差噪声和量测噪声均是零均值高斯白噪声序列：v_i,k～N(0,V_i,k)；步骤2.使用单传感器两阶段容积卡尔曼滤波器，分别求取无偏差状态的估计值和偏差的估计值两阶段容积卡尔曼滤波器的采样点集为：无偏差状态的估计信息：偏差的残差表示为：偏差的协方差矩阵表示为：得到线性滤波器偏差状态估计信息：bk+1/k＝bk/k                             (17)由于状态转移函数和测量函数的存在，需要以无偏差状态估计值和预测值为基础，对函数进行近似表述：因此，系统状态表示为：步骤3.对N个两阶段容积卡尔曼滤波器进行分散融合，得到对系统状态的估计信息在分散融合结构中，各个传感器将自己的状态和其误差协方差矩阵发送到融合中心；同时，所有滤波器利用上一时刻的状态估计值和误差协方差矩阵进行时间更新得到预测值；进而，各个局部滤波器利用自己的预测值进行量测更新，得到局部状态估计信息；在融合中心，利用所有滤波器的状态估计信息，进行处理，得到全局状态估计值和它的全局误差协方差矩阵；第i个无偏差状态滤波器和主滤波器求取状态估计信息：无偏差状态滤波器：主滤波器：第i个无偏差状态滤波器进行测量更新：式中，Y_i,k+1/k+1为无偏差状态的局部估计协方差矩阵的逆矩阵，为无偏差状态的局部估计的逆矩阵；在分散融合结构中，融合中心将全局估计反馈给每个局部传感器以处理下一个测量值，因此每个局部估计器的预测信息向量和矩阵是相同的：因此，全局估计为式中，Y_g,k+1/k+1为无偏差状态的全局估计协方差矩阵的逆矩阵，为无偏差状态的全局估计的逆矩阵；然后，将无偏差状态滤波器和偏差滤波器的估计结果进行组合,得到对系统状态的估计信息x_k+1/k+1,式中，Vi,k+1为融合因子。