基于小波变换和Kalman滤波的多传感器数据融合.pdf

传感器与仪器仪表 文章编号:1008-0570(2006)06-1-0179-03 基于小波变换和Kalman滤波的多传感器数据融合 Multi-sensorDataFusionBasedonWaveletTransform andKalmanFilter (武汉科技学院)刘素一 张海霞 罗维平 Liu,SuyiZhang,HaixiaLuo,Weiping 摘要:不同的传感器数据采集系统采集的数据具有不同的分辫率，因而需要解决多分辫率数据的融合技术和方法。Kalman 滤波对非平稳信号具有较强的估计能力，能对信号所有的频率成分同时进行处理;小波变换的多分辫分析正好提供了有效 的多分辫率信息处理方法。因此本文基于小波变换的分时分频多分辫率特点，把信号进行小波变换，然后分别在各尺度上 进行Kalman滤波估计，最后通过Mallat快速重构算法，得到融合后的结果。 关键词:小波变换;Kalman滤波;传感器;数据融合，多分辨分析 中图分类号二TN911.72 文献标识码:A Abstract:Thereismuchdemandonsolvingthemergingtechnologyandmethodonmulti-resolutiondatabecausethatcollecteddata fromdifferentsensorcollectionsystemhasdifferentresolution.Kalmanfilterhastheabilitytoestimatethenon-flatsignatureandit canparafellyprocessallthefrequencyelements.Multi一resolutionanalyzeonwavelettransformprovidesthemethodofvalidmulti一 resolutioninformationprocessing.Inthispaper,weproposeamethodtosolvetheproblembasedonthewavelettransform.Wetrans- formthesignalbywavelet,thenusetheKalmanfilterestimatetheresultsineveryscale.Atlast，usingtheMallatfastre-construc- tionalgorithm,wegetthesyncreticresults. Keywords:wavelettransform;Kalmanfilter;Sensor;datafusion;multiresolutionanalysis 引言 的高尺度，低频成分，当m=0时，xo(n)是原始信号数 据，k为滤波器长度;dm(n)是细节分量，表示的低尺度， 在实际中，不同的传感器数据采集系统采集的数 高频成分。公式(1)和(2)写成矩阵形式: 据具有不同的分辨率，因而需要解决多分辨率数据的 X，+，=HX。 (3) 融合技术和方法，以便更好地利用不同分辨率数据的 互补信息，达到更佳的融合效果。而小波分析理论正 D,,=GXm (4) 好提供了有效的多分辨率信息处理方法。 Mallat小波分解公式是一种二进制分解算法，每 1 多分辨分析与Mallat算法 分解一次，细节分量数据和近似分量数据量减少一 倍，近似分量的频带就为上一级的一半。通过不断的 1987年Mallat将计算机视觉领域内的多分辨率 分解过程将近似信号连续分解，就可将信号分解成许 思想引人到小波分析中，提出了多分辨分析理论，给 多低分辨率成