一種基于多傳感器數(shù)據(jù)融合的測量方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信息處理技術(shù)領(lǐng)域，尤其涉及一種基于多傳感器數(shù)據(jù)融合的測量方 法。
【背景技術(shù)】
[0002] 隨著科學(xué)技術(shù)的發(fā)展，傳感器性能獲得了很大的提高，各種面向復(fù)雜背景的多傳 感器系統(tǒng)大量涌現(xiàn)。單傳感器信號處理或低層次的多傳感器數(shù)據(jù)處理都是對人腦信息處理 過程的一種低水平模仿，而多傳感器信息融合則是通過有效地利用多傳感器資源，來最大 限度地獲取被探測目標和環(huán)境的信息量。
[0003] 多傳感器數(shù)據(jù)融合是比較確切的定義可概括為：充分利用不同時間與空間的多傳 感器數(shù)據(jù)資源，對按時間序列獲得的多傳感器觀測數(shù)據(jù)，在一定原則下進行分析、評估和校 正，獲得對被測對象的一致性表征，進而獲得相應(yīng)的決策和估計，使系統(tǒng)獲得比它的各組成 部分更充分和準確的信息。
[0004] 隨著技術(shù)的不斷發(fā)展，為適應(yīng)不同測量系統(tǒng)的需要，人們對數(shù)據(jù)融合算法做了多 方面的研究，現(xiàn)在常用的算法有加權(quán)平均、卡爾曼濾波、多貝葉斯估計以及神經(jīng)網(wǎng)絡(luò)、模糊 估計等人工智能的方法，然而這些算法的多是針對于理想情況下的研究與估計，在實際應(yīng) 用中還有很多不同環(huán)境因素需要考慮，現(xiàn)有技術(shù)不能滿足實際工程應(yīng)用中對傳感器測量精 度的要求。

【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于多傳感器數(shù)據(jù)融合的測量方法，有 效的提高了多傳感器數(shù)據(jù)的融合精度。
[0006] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案如下，一種基于多傳感器數(shù)據(jù)融合的測 量方法，包括以下步驟：
[0007] 步驟1、對采集到的原始數(shù)據(jù)進行疏失誤差的剔除，減少因疏失誤差對的融合精度 影響；
[0008] 步驟2、采用分批估計的方法對同一傳感器不同時刻對同一觀測物體的測量數(shù)據(jù) 進行局部融合，得到觀測物體相關(guān)參數(shù)的局部估計值，同時通過計算得到傳感器在這一時 間段的測量誤差，再根據(jù)分批估計得到的各傳感器的測量誤差來確定不同傳感器的權(quán)重系 數(shù)，最后對得到的各個傳感器的局部估計值進行加權(quán)融合，得到最終的全局估計量。
[0009] 進一步的，所述步驟1中對采集到的原始數(shù)據(jù)進行疏失誤差的剔除，減少了因疏 失誤差對的融合精度影響具體為：
[0010] 設(shè)k個傳感器在相同時間段內(nèi)對同一觀測對象的η次測量值分別為xn，x12，~ ，xln，…xkl, xk2，…，xkn，則傳感器j的η次測量值的算術(shù)平均為：
[0012] 計算其相對應(yīng)的剩余誤差為：
[0014] 疏失誤差剔除之前的近似誤差為：
[0016] 為：
[0018] 用查表法找出統(tǒng)計量的臨界值gjn，a)，其中a為置信概率；
[0019] 若g < gjn，a)，則表示與相對應(yīng)的測量值不是疏失誤差，將其保留，并且不 再對這一組數(shù)據(jù)進行誤差剔除；
[0020] 若g多gQ(n，a)表示與
相對應(yīng)的測量值是疏失誤差，剔除誤差值，并用相同 方法剔除這一組數(shù)據(jù)中的其他疏失誤差。
[0021] 更進一步的，所述步驟2采用分批估計的方法對同一傳感器不同時刻對同一觀測 物體的測量數(shù)據(jù)進行局部融合，得到觀測物體相關(guān)參數(shù)的局部估計值，同時通過計算得到 傳感器在這一時間段的測量誤差，再根據(jù)分批估計得到的各傳感器的測量誤差來確定不同 傳感器的權(quán)重系數(shù)，最后對得到的各個傳感器的局部估計值進行加權(quán)融合，得到最終的全 局估計量具體為：
[0022] 將剔除誤差后的測量值表示為X]1，x]2，…，x ]ni，利用分批估計理論，對數(shù)據(jù)進行初 步融合處理，并計算出傳感器的實時方差，分批估計時將每組數(shù)據(jù)分為兩批，設(shè)第一批測量 值的算數(shù)平均及相應(yīng)的標準誤差分別為、σ ]1;第二批測量值的算數(shù)平均及相應(yīng)的標準 誤差分別為巧2 〃/2，第j組的測量值的融合方差為：
[0024] 測量值的融合結(jié)果為：
[0026] 對k組測量值同樣利用分批估計理論進行初步融合，得到傳感器的局部估計值， 再確定各組數(shù)據(jù)的權(quán)重系數(shù)，在滿足總均方差最小的最優(yōu)條件的同時根據(jù)各組測量值采用 自適應(yīng)的方式確定其對應(yīng)的權(quán)值，
[0027] 權(quán)重系數(shù)為：
[0029] 此時的最小總均方差為：
[0031] 再采用自適應(yīng)加權(quán)融合算法完成最后的全局估計，得到最優(yōu)的全局估計量。
[0032] 本發(fā)明的有益效果是：通過對采集到的傳感器原始數(shù)據(jù)進行疏失誤差的剔除，減 少了因疏失誤差對的融合精度影響；之后采用分批估計的方法對同一傳感器不同時刻對同 一觀測物體的測量數(shù)據(jù)進行局部融合，得到觀測物體相關(guān)參數(shù)的局部估計值，同時還可以 通過計算得到傳感器在這一時間階段的測量誤差；根據(jù)分批估計得到的各傳感器的測量誤 差來確定不同傳感器的權(quán)重系數(shù)，最后對得到的各個傳感器的局部估計值進行加權(quán)融合， 得到最終的全局估計值，相較于現(xiàn)有技術(shù)大幅提高了數(shù)據(jù)融合精度。
【附圖說明】：
[0033] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。
[0034] 圖1是本發(fā)明一種基于多傳感器數(shù)據(jù)融合的測量方法的處理過程的結(jié)構(gòu)示意圖。
【具體實施方式】
[0035] 下面結(jié)合附圖對本發(fā)明的優(yōu)選實施例進行詳細闡述，以使本發(fā)明的優(yōu)點和特征能 更易于被本領(lǐng)域技術(shù)人員理解，從而對本發(fā)明的保護范圍做出更為清楚明確的界定。
[0036] 在傳統(tǒng)的加權(quán)融合算法中，最關(guān)鍵的問題是各個傳感器權(quán)重系數(shù)的確定。權(quán)重系 數(shù)的確定一般有兩種情況，一是采用數(shù)據(jù)平均的方式，即令所有的傳感器的測量值的加權(quán) 因子都相等，這是最簡單的一種數(shù)據(jù)融合方式，雖然平均加權(quán)數(shù)據(jù)融合在實際工程中被廣 泛應(yīng)用，但是因為它得到的不是最小方差估計，所以為了達到更好的數(shù)據(jù)融合效果，常采用 另一種方法確定權(quán)重系數(shù)，即數(shù)據(jù)融合過程中的權(quán)重系數(shù)由各傳感器的方差決定，因此求 取最優(yōu)權(quán)重系數(shù)需先求得傳感器的方差，但是傳感器的方差往往未知，所以一般都是根據(jù) 經(jīng)驗或傳感器自身方差參數(shù)所確定。但是在實際工程應(yīng)用中，即使是同一類傳感器，也會因 為測量環(huán)境等因素的干擾，使得傳感器的測量方差發(fā)生變化，因此提高傳感器測量數(shù)據(jù)的 融合精度最關(guān)鍵的問題在于傳感器實時測量方差的估計。
[0037] 如圖1所示，一種基于多傳感器數(shù)據(jù)融合的測量方法，包括以下步驟：
[0038] 首先，用格羅貝斯判據(jù)對采集到的原始數(shù)據(jù)進行疏失誤差的剔除，減少了因疏失 誤差對的融合精度影響，具體為：
[0039] 設(shè)k個傳感器在相同時間段內(nèi)對同一觀測對象的η次測量值分別為xn，x12，~ ，xln，…xkl, xk2，…，xkn，則傳感器j的η次測量值