多传感器集中式增量卡尔曼滤波融合算法

被引:11
作者
马丽丽
张曼
陈金广
机构
[1] 西安工程大学计算机科学学院
基金
中国博士后科学基金;
关键词
多传感器数据融合; 增量卡尔曼滤波; 扩维融合; 序贯融合; 量测系统误差;
D O I
暂无
中图分类号
TP212 [发送器(变换器)、传感器]; TP202 [设计、性能分析与综合];
学科分类号
080202 ; 0811 ; 081101 ; 081102 ;
摘要
在单个传感器的状态估计系统中,标准的增量卡尔曼滤波方法可以有效消除量测系统误差。对于多传感器情况,标准算法失效。针对该问题,提出了多传感器集中式增量卡尔曼滤波融合算法,即:增量卡尔曼滤波的扩维融合算法和增量卡尔曼滤波的序贯融合算法。在标准增量卡尔曼滤波算法的基础上,结合扩维融合和序贯融合的思想来实现多传感器数据的融合。实验结果表明,当存在量测系统误差时,提出的集中式融合算法与传统的集中式融合算法相比,提高了滤波精度,并且能够成功地消除量测系统误差。
引用
收藏
页码:229 / 232+255 +255
页数:5
相关论文
共 16 条
[1]  
多源信息融合.[M].韩崇昭; 等著.清华大学出版社.2010,
[2]   增量粒子滤波方法 [J].
傅惠民 ;
娄泰山 ;
吴云章 .
航空动力学报, 2013, 28 (06) :1201-1207
[3]   基于卡尔曼滤波的多传感器跟踪融合算法 [J].
王永安 ;
何光进 ;
刘毅 .
船电技术, 2013, 33 (02) :4-7
[4]   基于EKF的集中式融合估计研究 [J].
葛泉波 ;
李文斌 ;
孙若愚 ;
徐姿 .
自动化学报, 2013, 39 (06) :816-825
[5]   多传感器序贯势分布概率假设密度滤波 [J].
章飞 ;
孙睿 .
江苏科技大学学报(自然科学版), 2012, 26 (06) :587-592
[6]   标量及对角阵加权的序贯估计融合算法研究 [J].
王鹏 ;
宋鹏云 ;
张继业 .
计算机工程与应用 , 2012, (31) :101-104
[7]   异类传感器集中式扩维融合无迹卡尔曼滤波融合算法 [J].
曹晓军 .
计算机应用与软件, 2012, 29 (08) :150-152
[8]   欠观测条件下的扩展增量Kalman滤波方法 [J].
傅惠民 ;
娄泰山 ;
吴云章 .
航空动力学报, 2012, 27 (04) :777-781
[9]   欠观测条件下的增量Kalman滤波方法附视频 [J].
傅惠民 ;
吴云章 ;
娄泰山 .
机械强度, 2012, (01) :43-47
[10]   基于无迹粒子PHD滤波的序贯融合算法 [J].
孟凡彬 ;
郝燕玲 ;
张崇猛 ;
周卫东 .
系统工程与电子技术, 2011, 33 (01) :30-34