基于误差估计的多传感器异步融合处理.pdf

基于误差估计的多传感器异步融合处理【摘要】为了提高多传感器数据融合中的精度，本文提出了基于误差估计的异步融合处理方法，该方法将传感器观测值与融合航迹的预测值直接融合，同时保证多传感器融合结果的数据率和融合之后的精度。本文进行了对比仿真实验，结果表明该方法在直线和转弯条件下的估计精度都比同步方法更高。【关键词】异步融合；航迹跟踪；误差概率【Abstract】Toimprovetheprecisionofdatafusioninmulti-sendernetwork，thisarticleproposedanasynchronousfusionmethodbasedonerrorestimation.Inthismethod，theobservationsofeverysensorcalculatedwithfusiontracksdirectly，assuringdatarateandprecisionsimultaneously.Inthisarticle，comparisonbetweenasynchronousandsynchronousmethodsismade，andindicatesthattheresultofasynchronousmethodarebetterthantheotherone.【Keywords】Asynchronousfusion；Tracking；ErrorProbability0引言多元传感器融合处理能通过综合多角度、多类传感器的不同观测，实现数据率、精度和发现概率的提高。要实现这些指标的提升，需要对多个传感器的观测值进行综合估计。但是由于不同传感器的数据率可能并不相同，或者即便相同数据率的传感器对同一目标的观测时间也不一样，这就使得数据融合首先要解决数据的时间配准[1]。数据融合按照时间配准的方法可分为同步融合和异步融合两类。同步融合[2]是将多个传感器的观测值同步到一个时刻，并进行综合参数估计；异步融合[3]并不需要做时间同步，而是直接对每一个观测进行单独的参数估计过程。因此异步融合的数据率通常比同步融合更高，对不同传感器的观测时序不作任何假设或要求。1多源数据融合的一般方法多源传感器的数据融合一般分为三个阶段：配准、参数估计和滤波，而一般单一传感器的目标跟踪不需要配准和参数估计。因此就工程实践来说，多源传感器的目标跟踪与单传感器的跟踪在软件实现步骤上基本一致，只不过多源融合程序增加了时间配准和参数估计的过程。整个的融合过程如图1所示。1.1融合架构信息融合方法从架构上可分为分布式和集中式两种[4，5]。分布式融合[6]是对每一个传感器观测进行独立的跟踪，产生局部航迹，之后对所有的局部航迹进行融合，产生全局航迹。这样做的优点是融合中心得到的信息更多（如速度、加速度等），有利于时间配准中对观测数据在时间维度上的插值和外推；缺点是由于需要对单独传感器进行独立跟踪，因此难以通过增加传感器提高发现概率。集中式融合将各传感器的原始观测值进行统一融合处理，直接产生全局航迹，这样做的好处是能提高系统整体的发现概率，当单一传感器发现概率达不到系统要求时，通过数据融合使全局发现概率达到检测要求。1.2时间配准为了对多个传感器数据进行融合，必须将多个传感器的数据和融合历史数据配准到同一个时刻，然后才能进行参数估计。时间配准包含两个任务：1.选择合适的时刻；2.对数据进行预测或内插。一般情况下，选定某一个主传感器的观测时刻为融合时刻，或者使用融合系统自身处理节拍的时刻作为融合时刻，所有其他传感器的数据统一地通过预测或内插调整至融合时刻。这种方法称为同步融合，好处是能够在每一个时刻得到更多的观测数据，从而进行精确的估计；坏处是融合数据率低于传感器的原始数据率，并且更多的传感器无法提高融合数据率，而只能提高精度。直接对传感器的观测数据进行融合[7]，并在每次收到任何一个传感器观测数据后都将该数据与历史数据做实时融合并给出融合结果。这种方法称为异步融合，好处是更多的传感器可以得到更高的数据率的同时也能提高融合精度，坏处是实时观测数据只能和历史数据进行融合，而非最新的观测数据，从而影响融合精度。2基于误差概率的异步融合本文方法以集中式融合为架构，将多传感器的观测值直接与全局航迹关联和融合，实现全局航迹的实时更新，是一种集中式异步融合方法。2.1集中式异步融合处理集中式异步融合处理是将传感器观测与全局航迹的外推值进行融合，因此每一次融合分为三个步骤：1）全局航迹外推；2）参数估计；3）航迹滤波。本文使用的航迹滤波方法采用匀加速运动卡尔曼滤波。实际上，基于误差概率的异步融合方法与采用的滤波算法没有关系，更好的、更符合目标运动特征的滤波算法能够得到更好的结果。2.2误差概率估计传感器通常会上报多个维度的观测数据，大部分是以