多传感器数据自适应加权融合估计算法的研究翟翌立.pdfVIP

第19卷 第1期 计 量 学 报 Vol. 19, l 1 1998 年1 月 ACTA METROLOGICA SINICA Jan. , 1998 多传感器数据自适应加权融合估计算法的研究 翟翌立 戴逸松 ( 吉林工 大学, 长春 130025) 针对从含有观测噪声的测量数据中估计一个非随机量, 本文提出了一种多传感器 数据自适应加权融合估计算法, 并在理论上证明了该估计算法的线性无偏最小方差性。最后 给出了本算法在计算机上的仿真结果, 从实际应用上进一步说明了本算法的有效性。 : 多传感器 数据融合 加权因子 1 引言 从含有观测噪声的测量数据中估计一个非随机量, 这是在实际测量中经常遇到的一个问 题。由于观测数据存在噪声, 所以我们根据观测数据所得到的估计值存在着估计误差; 而该估 计误差也是一个随机量, 因此我们评价一个估计算法的好坏一般都以均方误差做为评价指标。 [ 1] 一些现成的估计算法, 如最小二乘估计、线性最小方差估计、贝叶斯估计等 , 也都以均方误 差做为其评价指标, 而影响这些算法均方误差的一个主要因素就是获取测量数据的传感器本 身的方差。以前获取测量数据的方法一般是采用单个传感器, 由于传感器的方差是不能改变 的, 所以减小估计后均方误差的唯一方法就是增加测量数据, 而测量数据的增加则使运算量加 大与收敛速度降低。所以使用尽量少的测量数据就能进行均方误差最小的估计是估计算法研 究的一个重要问题, 而能解决该问题的一种途径则是将多传感器数据融合技术应用于估计算 法的研究中。 多传感器数据融合是一项近几年发展起来的新技术, 其主要特点就是用多个传感器对同一 个测量对象进行测量, 从而得到该对象的多源信息, 并将这些信息进行融合, 形成比单一传感器 [ 2] 更准确更完全的估计值。一致性多传感器数据融合方法 是其中有代表性的一种, 但该方法要 求测量数据服从高斯分布, 并且还要已知相应的概率密度函数, 因而实际应用起来很困难。 本文给出的多传感器数据自适应加权融合估计算法不要求知道传感器测量数据的任何先 验知识, 只是靠传感器所提供的测量数据, 就可融合出均方误差最小的数据融合值。估计后的 均方误差不仅小于依靠单个传感器估计的均方误差, 而且还小于采用多传感器均值平均做估 计的均方误差。 2 多传感器数据自适应加权融合估计算法 设有n 个传感器对某一对象进行测量, 如图1所示, 对于不同的传感器都有各自不同的加 本文于 1996 09 16 收到, 1997 04 24修改定稿。 70 计 量 学 报 1998 年1 月 权因子, 我们的思想是在总均方误差最小这一最 优条件下, 根据各个传感器所得到的测量值以自 适应的方式寻找各个传感器所对应的最优加权因 子, 使融合后的X^ 值达到最优。 211