一种改进的多传感器加权融合算法

两种算法的仿真比较

　　考虑三个传感器的二维跟踪系统：



　　其中T为采样周期，x(t)=[xl(t), x2(t)]T，xl(t)，x2(t)和w(t)各为在时刻tT运动目标的位置、速度、和加速度，且z(t)为对x(t)的观测信号，v(t)为观测噪声。

　　设w(t)和vi(t)是零均值、方差阵各为和的独立高斯白噪声。



　　用Matlab进行仿真，产生200个周期三个传感器跟踪目标的状态估计数据和两种算法的融合数据。



　　图3是三个传感器的状态估计值及改进的融合算法、平均加权融合算法的估计值与真实值的比较，图4是改进的融合算法与平均加权融合算法的状态滤波误差曲线的比较。从图3和图4中可以看出，经过多传感器融合后，不管用哪种融合算法，目标航迹较原来单传感器跟踪都有很大的改善。



　　本文提出的改进加权融合算法的融合效果明显优于单传感器跟踪，通过图3和图4进行的两种融合算法的融合估计值及方差比较，也可得出改进融合算法优于平均加权融合算法的结论。

　　结语

　　针对多传感器数据融合中，传感器系统方差较大，对加权融合会产生不利影响。针对此问题，本文引入最优比例权重的概念，利用二次加权的方法，提出了改进的加权融合算法。在此基础上得出了改进加权融合算法的计算公式，通过计算机仿真实验，并与平均加权算法进行比较证明了此改进融合算法的有效性。

　　参考文献：

　　[1] 韩崇昭, 朱洪艳, 段战胜. 多源信息融合[M].北京: 清华大学出版社,2006

　　[2] Chong C Y.Distributed architectures of data fusion, Proc of 1st International Conf on Information Fusion[C], LasVegas, NV, 1998:84- 91

　　[3] Chong C Y, Mon S, Chang K C, et al.Architectures and algorithms for track association and fusion, Proc of 2nd International Confon Information Fusion[C], Sunnyvale, CA, 1999

　　[4] Shozo M, Barker W H, Chong C Y.Track association track fusion with nondeterministic dynamic target [J ]. IEEE Trans onAerospace and Electronic Systems, 2002, 38(2):659-668

　　[5] 杨万海.多传感器数据融合及其应用[M].西安: 西安电子科技大学出版社, 2004

作者：刘海斌 天津大学仁爱学院信息工程系 宫峰勋 中国民航大学电子信息工程学院   时间：2009-12-10  来源:电子产品世界