基于容积卡尔曼滤波的异质多传感器融合算法
针对机动目标跟踪系统建模中的非线性问题,提出一种基于容积卡尔曼滤波(CKF)的雷达与红外传感器融合算法.考虑到被估计系统对目标跟踪算法实时性与精度的要求,在容积滤波框架下构建了集中式量测融合(CMF)和分布式状态融合(DSF)两种结构形式.CMF结构采用最优加权方法,首先对雷达和红外两种异类传感器的方位角度量测信息进行融合,并将其与融合后的雷达径向距量测构建新的量测数据,进而通过CKF算法对机动目标进行跟踪.DSF结构则首先对雷达量测中径向距信息进行加权融合,并将融合结果作为红外传感器的虚拟径向距量测,以实现红外量测的扩维处理,进而对每组量测数据应用CKF进行分布式并行加权融合,获得目标运动状态的最终估计.仿真场景中,对两种融合方法的性能进行比较,理论分析与仿真实验验证了算法的可行性与有效性.
目标跟踪、异质多传感器融合、非线性滤波、容积卡尔曼滤波(CKF)
25
TP391(计算技术、计算机技术)
国家自然科学基金61300214,61203094,U1204611;河南省基础与前沿技术研究计划132300410148;河南省高校科技创新团队支持计划13IRTSTHN021;河南省教育厅科学技术研究重点项目13A413006;河南大学教学改革重点项目HDXJJG2013-07
2014-05-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
697-703