![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于多平台多传感器信息融合系统中时空配准研究.doc
《基于多平台多传感器信息融合系统中时空配准研究.doc》由会员分享,可在线阅读,更多相关《基于多平台多传感器信息融合系统中时空配准研究.doc(60页珍藏版)》请在咨信网上搜索。
1、Jiangsu University of Science and TechnologyResearch on Temporal and Special Alignment Based on Multi-sensor Multi-platform and Multiple-source Data Fusion A Thesis inSignal and Information ProcessingbyWangbingAdvised byProfessor Wang JianhuaSubmitted in Partial Fulfillmentof the Requirementsfor the
2、 Degree ofMaster of Engineering January, 2008论 文 独 创 性 声 明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得江苏科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名: 日 期:学 位 论 文 使 用 授 权 声 明 江苏科技大学有权保存本人所送交的学位论文的复印件和电子文稿,可以将学位论文的全部或部分上网公布,有
3、权向国家有关部门或机构送交并授权其保存、上网公布本学位论文的复印件或电子文稿。本人电子文稿的内容和纸质论文的内容一致。除在保密期内的保密论文外,允许论文被查阅和借阅。 研究生签名: 导师签名:日 期: 日 期:摘要摘要多平台多传感器多源信息融合系统中的时空配准问题已经成为多源信息融合领域中的一个重大的研究课题。为了提高多平台信息融合系统的整体性能,研究多平台多传感器的时空配准问题,无论是在理论上还是实用上都具有非常重大的意义。本文研究了多平台多传感器的时空配准算法,并对空间配准算法进行了具体的研究。本文首先简要地介绍了一下该课题的研究意义,回顾了国内外已有的时空配准算法,总结了现有的卡尔曼滤波
4、算法、最小二乘算法和极大似然配准算法。它们都是基于二维区域性平面内的立体投影法,不可避免的带来了数据的误报和配准模型的不准确性。其次,简要地介绍了目前的数据融合的基本方法、常用坐标系和一些成熟的估计理论。为了克服二维区域性平面中立体投影所产生的影响,本文推导了基于三维投影的无味卡尔曼滤波的配准算法,在传感器的姿势误差较小的情况下,该算法解决了最小二乘算法中没有考虑测量噪声的影响以及卡尔曼滤波算法中存在的问题。为了解决多平台多传感器的配准问题,本文推导了基于地心坐标转换的配准算法,该算法将传感器的量测值转换到地心坐标中,将最小二乘算法推广到不同平台的多传感器配准中,但是该算法还是没有考虑噪声的影
5、响。最后本文推导了基于地心坐标转换的极大似然配准算法,该算法结合了极大似然算法和基于地心坐标转换算法的优点,对传感器的量测值进行测地转化,再利用极大似然算法进行配准处理。此算法解决了不同平台内的多部传感器配准过程中存在的问题。本文通过对以上的几种配准算法的模拟数据仿真,证明了算法的正确性和有效性。关键词:数据融合;时间配准;空间配准;无味卡尔曼滤波;IAbstractAbstractThe temporal alignment and special alignment of Multi-sensor, Multi-platform and Multi-source data fusion s
6、ystem is an important research subject. To improve the integrate performance of the Multi-platform data fusion system. it has great important significance in theory and practice to studying in method and theory about the temporal and special alignment of multi-sensor, multi-platform. The temporal an
7、d special alignment algorithms are introduced in this paper, special to the special alignment algorithm.Firstly, the significance of studying this subject is introduced. And an excellent review of existing special and temporal alignment algorithm is given. This paper summarizes the extended Kalman f
8、ilter alignment algorithm, the least squares technique and the maximum likelihood method. All of these algorithms are based on the stereographic projection and implemented on a two-dimensional regional plane which distorts the data. And the model cant represent the actual sensor model properly. Seco
9、ndly, some basic method of data fusion, reference frame in common use and full-blown are introduced briefly.In order to removing the influence, this paper develops the Unscented Kalman Filter method based on the stereographic projection implemented on a three dimension plane. This method resolves so
10、me problems which exist in the least squares method and the Kalman filter method when the attitude errors are relatively small. For multi-platform, this paper develops the Multi-sensor alignment in an Earth-centered Earth-fixed coordinate system. This algorithm transforms the measure from the sensor
11、s to Earth-centered Earth-fixed coordinate system. It generalized the least squares method applied to sensor alignment. But it still ignores the affect of measure noise. Finally, an exact maximum likelihood registration algorithm is presented which is based on the Earth-centered Earth-fixed coordina
12、te system. This method integrates the virtue from the exact maximum likelihood registration algorithm and the method based on the Earth-centered Earth-fixed coordinate system. It registries Multi-sensor using a geodetic transformation. Then it processes the alignment using the exact maximum likeliho
13、od registration algorithm. It resolves the problems existing on the Multi-platform. Finally, simulated data is used to evaluate the performance of the developed algorithm 53Abstractand proposed algorithm. The simulated result shows that this algorithm is effective and reliable.Key words:Data fusion;
14、 the temporal alignment; the special alignment; The unscented Kalman Filter; 目 录目 录第一章 绪论11.1 课题来源、背景及意义11.2 国内外研究现状11.2.1多传感器时间配准研究的发展21.2.2多传感器空间配准研究的发展31.3本文的主要工作4第二章 数据融合的基本原理和常用估计理论52.1引言52.2数据融合的基本原理52.3 坐标系的选取及常用估计理论72.3.1常用坐标系72.3.2常用估计理论92.4小结12第三章 多传感器时间配准133.1引言133.2时间配准算法133.2.1最小二乘配准算法1
15、33.2.2内插、外推算法143.3小结16第四章 单平台多传感器空间配准174.1引言174.2均值方差配准法174.2.1测试目标位置已知的一般配准方法174.2.2测试目标位置未知的一般配准算法184.3卡尔曼滤波配准算法194.3.1两种坐标系之间的配准方程的建立204.3.2配准算法推导234.4无味卡尔曼滤波(UKF)配准法254.4.1传感器的坐标变换254.4.2目标的运动方程274.4.3基于UKF的配准算法274.4.4仿真分析294.5小结31第五章 多平台多传感器空间配准325.1引言325.2基于球坐标系的配准算法325.2.1地理坐标系的转换325.2.3配准算法3
16、45.3基于地心坐标系的传感器极大似然配准算法365.3.1传感器的配准模型365.3.2精确极然配准算法395.3.3试验仿真与分析415.4小结45第六章 总结与展望466.1总结466.2展望46致 谢48参考文献49攻读学位期间发表的学术论文目录52第一章 绪论第一章 绪论1.1 课题来源、背景及意义多平台多传感器多源信息融合中的时空配准研究是多平台多传感器数据融合系统的一个重要组成部分,是适应现代战争的需要,最早由美国人在二十世纪八十年代提出并获得迅速的发展。近二十年来,国外在该领域已取得了很多成果,在系统结构方面,提出集中式、分散式、分布式和混合式结构;在多平台状态融合方面,提出了
17、战区参照信息管理系统,分散式信息融合、分布式信息融合、多速率交互式多模型估计和推广概率数据关联滤波方法等;在网络通讯方面,提出多速率数据通讯、自适应速率数据通讯和子波变换等方法;在效能评估方面,建立了基于自适应系统结构的作战信息融合系统仿真平台。美国空军怀特航空电子实验室对多平台信息融合进行了一系列开创性的研究和开发,已经有一些成果付诸应用,如:美国空军已实现了基于联合战术信息分配系统(JTIDS)网络的预警飞机监视与指挥、多架战斗机协同作战的多平台信息融合系统,并在1991年的海湾战争中大显身手。国内在多平台多传感器多源信息融合研究方面则起步不久,还有很多工作值得去做1 4。多平台多传感器多
18、源信息融合是关于协同利用多传感器信息进行多级别、多方面、多层次信息检测、相关、估计和综合以获得目标的状态和特征估计以及态势和威胁评估的一种多级别自动信息处理过程,它将不同来源、不同模式、不同时间、不同地点、不同表现形式的信息进行融合,最后得出被感知对象的更精确的描述。多平台多传感器多源信息融合系统由于本身具有的良好的性能鲁棒性、拓展的时空覆盖区域、优良的目标分辨能力、良好的故障容错和系统重构能力以及较高的系统资源利用率等特点,因此越来越受到人们的青睐和高度重视5。人们在享受到信息融合带来的好处的同时也逐渐发现在信息融合过程中所遇到的一些难以解决的问题,其中融合中的数据配就是其中之一。因为多源信
19、息融合中时空配准问题是多源信息融合系统所必须具备的先期处理过程。为了确保对多传感器数据进行无误差的转换,常需要进行多传感器的配准处理,因为未经配准的传感器组合的性能可能比单独使用一个传感器时还差,甚至会产生与实际情况相反的结果。为了最大限度地发挥多平台多传感器多源信息融合系统中多传感器的优越性,就必须进行多传感器的配准处理。1.2 国内外研究现状随着信息融合技术的发展,人们对多传感器融合系统越来越感兴趣。在多传感器目标跟踪系统中,利用信息融合技术综合处理来自各传感器的量测和估计数据,具有降低虚警率、增大数据覆盖面、提高目标探测识别与跟踪能力等优点。在融合过程中,来自多个传感器的数据通常要变换到
20、相同的时空参照系中。但是由于存在传感器偏差和量测误差,直接进行转换很难保证精度和发挥多传感器的优越性,因此在多传感器数据进行处理时需要寻求一些传感器的配准算法6。传感器的配准是指多传感器数据“无误差”转换时所需要的处理过程。多传感器配准误差的主要来源有7, 8:(1)传感器的配准误差,也就是传感器本身的偏差。(2)各传感器参考坐标系中量测的方位角、高低角和距离偏差。通常是由传感器的惯性测量单元的测量仪器引起。(3)相对于公共坐标系的传感器的位置误差和计时误差。位置误差通常是由传感器导航系统的偏差引起,而计时误差常有传感器的时钟偏差所致。(4)各传感器采用的跟踪算法的不同,所以其局部航迹的精度不
21、同。(5)各传感器本身的位置不确定,从而在由传感器向融合中心进行坐标转换时产生偏差。(6)坐标转换公式精度的不够。为了解决多传感器配准问题,国内外的学者对此做了很多的研究工作,现总结如下,主要有三类解决方法911:(1)离线估计。这类方法适用于目标位置已知,并且传感器的偏差相对于时空是恒定的情况; (2)在线估计传感器偏差法。这类方法适用于目标位置未知,但传感器的偏差相对于时空仍是恒定的情况;(3)同时对传感器探测的目标状态和传感器的系统偏差进行估计。上述的三类方法各自解决了传感器配准中的一些问题,但是各有不足。但从最终要解决的问题来看,对传感器配准技术的研究可以归纳为:时间配准和空间配准。1
22、.2.1多传感器时间配准研究的发展文献1213采用最小二乘规则将第二类传感器的次量测值融合成一个虚拟的量测值作为第时刻第二类传感器的量测值,然后同第一类传感器的量测值进行融合,从而得到第时刻两个传感器测得目标状态的融合值。该方法假定两个传感器的采样周期之比为整数。文献14采用在同一时间片内对各传感器采集的目标观测数据进行内插、外推将高精度观测时间上的数据推算到低精度时间点上,其算法为:先取定时间片,时间片的划分随具体的运动目标而异,目标的状态可以分为静止、低速运动和高速运动,对应融合时间片可以选为小时、分钟或秒级。再将各传感器观测数据按量测精度进行增量排序。最后将各高精度观测数据分别向最低精度
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 平台 传感器 信息 融合 系统 时空 研究
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【可****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【可****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。