Computer Engineering and Applications计算机工程与应用2010,46(24)
1 前言
基于 Kalman 滤波的信息融合技术是当前研究的热门领
域
[1]
。从其信息融合结果的精度来讲可分为两类:
(1)局部最优,全局次优。最典型的是分布式状态融合方
法
[2-3]
。它依据某种融合准则,用加权局部 Kalman 滤波器得到
系统估计,加权准则可分为三类:标量加权、对角阵加权、矩阵
加权,其融合精度从小到大,但都低于集中式融合估计精度。
它的优点是降低了融合中心的计算负担,具有容错性的特点,
缺点是要求计算所有传感器的局部估计以及所有传感器的互
协方差阵,且计算精度是全局次优的。
(2)全局最优。能得到全局最优的融合方法有:集中式融
合
[4]
、序贯融合
[5]
和加权观测融合
[6]
(又称为数据压缩融合或复
合观测融合)。①集中式融合是合并所有观测方程为一个增
广的观测方程,然后与状态方程联立,再应用一个 Kalman 滤
波器得到全局最优状态估计。它的缺点是增加了观测向量、
观测误差方差阵的维数,因此在计算滤波增益阵时要求计算
高维矩阵的乘法和求逆运算,计算量较大。②序贯融合是每
一个传感器的测量数据集合在同一周期内按顺序处理。序贯
地利用前一个传感器作为后一个传感器的预测值来进行状态
更新,直至将最后一个传感器的状态更新作为该周期全局的
更新。它的缺点是当单位时间内融合中心接收的传感器较多
时,滤波器消耗的资源较大;③加权观测融合是首先依据一定
的融合规则,将多个传感器的观测折算到一个等效的传感器
上,然后对等效的传感器系统进行滤波,因此加权观测具有较
小的计算量。
通过以上分析可看到,对于要求高融合精度(如精确制
导、精确定位)的系统来说,加权观测融合是首选的,它有着更
加广泛的应用前景。但是以往文献认为它的灵活性不足,如
不受约束的全局最优加权观测融合估计
王 欣
1,2
,朱齐丹
1
,孙书利
2
WANG Xin
1,2
,ZHU Qi-dan
1
,SUN Shu-li
2
1.哈尔滨工程大学 自动化学院,哈尔滨 150001
2.黑龙江大学 自动化系,哈尔滨 150080
1.College of Automation,Harbin Engineering University,Harbin 150001,China
2.Department of Automation,Heilongjiang University,Harbin 150080,China
E-mail:hdwangxin@sina.com
WANG Xin,ZHU Qi-dan,SUN Shu-li.Unconstrained global optimal weighted measurement fusion estimation.Computer
Engineering and Applications,2010,46(24):22-25.
Abstract:A weighted measurement fusion estimation algorithm,not constrained by whether each sensor measurement matrix
is the same or not or whether measurement noises are correlated or not,is presented by using full-rank decomposition of ma-
trix and weighted least squares theory.It is proved that the estimation result is equivalent to central fusion Kalman estima-
tion result every moment every time,so it has the global optimality,which can obviously reduce computation burden and is
convenient for real time use.Two simulation alternatives for a GPS target tracking system verify its functional equivalence,
fastness and optimality.
Key words:full-rank decomposition;weighted least squares;weighted measurement fusion;centralized fusion
摘 要:利用矩阵满秩分解方法,基于加权最小二乘理论提出了一种不受各传感器观测阵是否相同、观测噪声是否相关约束限制
的加权观测融合估计算法。证明了其估计结果每时刻恒同于集中式融合Kalman 估计结果,因而具有全局最优性,且可明显减小
计算负担,便于实时应用。通过对 GPS 目标跟踪系统的两种方案进行仿真说明了它的功能等价性、快速性以及最优性。
关键词:满秩分解;加权最小二乘;加权观测融合;集中式融合
DOI:10.3778/j.issn.1002-8331.2010.24.007 文章编号:1002-8331(2010)24-0022-04 文献标识码:A 中图分类号:O211.64
基金项目:国家自然科学基金(the National Natural Science Foundation of China under Grant No.60874062);教育部科学技术重点项目(the
Key Project of Chinese Ministry of Education under Grant No.209038);黑龙江省教育厅重点实验室资助项目(the Key Laboratory
of Electronics Engineering,College of Heilongjiang Province under Grant No.DZZD20100038)。
作者简介:王欣(1978-),男,博士生,讲师,主要研究领域为信息融合,状态估计;朱齐丹(1963-),男,博士生导师,教授,主要研究方向:机器人控
制,模式识别;孙书利(1971-),男,博士生导师,教授,主要研究方向:最优滤波。
收稿日期:2010-06-10 修回日期:2010-07-22
22