基于全局状态估计的多传感器加权数据融合算法

• 作者: 司迎利 向静波 杨新宇 郭世伟 陈勇
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 多传感器数据融合 方差估计 状态估计 卡尔曼滤波
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 360-364
• 页数: 5页
• 分类号: TP732.2
• 字数: 3525字
• 语种: 中文

摘要

自学习最小二乘加权数据融合算法已被广泛地应用于融合多传感器系统中的量测信息.但是,通过深入的理论分析和实验仿真发现,自学习最小二乘加权数据融合算法在进行双传感器数据融合时具有较差的融合精度,同时该算法还具有较差的抗干扰性及稳定性.基于以上研究结果,提出了一种基于全局状态估计的多传感器加权数据融合算法,采用卡尔曼滤波的状态估计特性及相关历史信息,使得状态的估计值能够充分逼近真实值,从而使得算法具有较高的融合精度及抗干扰性.最后,MonteCarlo仿真结果显示,相比于已有算法,提出的算法在融合精度及抗干扰性方面具有明显地提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈勇		13	101	5.0	9.0
2	向静波		7	39	3.0	6.0
3	杨新宇	西安交通大学计算机科学与技术系	44	524	11.0	22.0
4	郭世伟		4	30	3.0	4.0
5	司迎利		3	30	2.0	3.0