多传感器信息融合结构及其实现刀盒

多传感器信息融合结构及其实现

多传感器信息融合结构及其实现 2011年12月09日 来源： 1　引　言信息融合系统的结构目前尚没有形成统一的分类形式，David L.hall和James Llinas[1]根据JDL功能模型，给出了三种融合系统结构，集中式融合、自主式融合和混合式融合等；Belur V. Dasarathy[2]则根据输入输出特性，给出了三种融合系统的结构：柔性系统结构、自改善系统结构以及有限决策输入融合结构；T.A.Foster则认为融合系统的结构为：集中式、分散式及混合式。集中式结构从所有传感器平台获得数据，并在融合中心处理这些数据；而分散式结构则要求每个传感器平台处理局部信息，作出形式估计。目前，大多数融合方法都采用集中式体系结构，通过融合中心对分散在不同点的多传感器进行信息处理，而低层的传感器之间缺乏必要的联系。　　分散式结构没有中央处理单元，没有中央通信媒体，它不需要用一个控制器来管理，每个传感器节点都具有它自己的处理单元和通信设备，不必知道该网络中有什么样的传感器节点，也不必知道它们提供什么样的信息，在任何相连的传感器节点间都可以进行通外，还有一种分级结构，本文将给出其具体的结构模型，并推导出它们的实现方法。2　结构模型多传感器信息融合的结构模型一般有四种基本形式：集中式、分散式和分级式结构，分级式又分为有反馈结构和无反馈结构。还可以由这四种基本结构构成多种不同的混合结构，集中融合结构和分散融合结构是两种常用的融合结构。集中式结构简单，精度高，但它只有当接受到来自所有的传感器信息后，才对信息进行融合。所以，通信负担重，融合速度慢；在分级融合中，信息从低层到高层逐层参与处理，高层节点接收低层节点的融合结果，在有反馈时，高层信息也参与低层节点的融合处理；分散式结构(包括分级结构)，每个节点都有自己的处理单元，不必维护较大的集中数据库，都可以对系统作出自己的决策，融合速度快，通信负担轻，不会因为某个传感器的失效而影响整个系统正常工作。所以，它的具有较高的可靠性和容错性，但融合精度不如集中式好。至于结构的选择应根据性能评估和设计权衡两方面，由具体系统的指标要求而定。下面我们用kalman融合技术来具体分析这四种结构，并推导出它们的具体实现方法。3　融合算法针对集中式结构，采用卡尔曼滤波技术来融合传感器信息。设系统的状态为X(k)，传感器观测量为Z(k)。不失一般性，动力学方程和观测方程可写为：　　 F(k)为状态矩阵，G(k)为噪声矩阵，H(k)为观测矩阵，ω(k)为输入噪声模型，V(k)为观测噪声模型，满足条件：　 　是基于延续到j时刻的观测量对K时刻状态的估计值，P(k|j)为状态的估计协方差，则kalman滤波给出的系统状态递归算法为：预测　 　在系统融合中心采用集中卡尔曼滤波融合技术，可以得到系统的全局状态估计信息。在集中式结构中，各传感器信息的流向是自低层向融合中心单方向流动，各传感器之间缺乏必要的联系。　　分散融合的结构，它没有中央处理单元，每个传感器都要求作出全局估计，我们采用分散Kalman滤波技术来实现多传感器信息的融合。为了简化算法，作以下三点假设：(1)传感器分散网络结构中的每一个融合节点都和其它节点直接相连；(2)节点的通信在一个周期内同时进行；(3)所有节点使用同样的状态空间。设系统的动力学方程仍为(1)式，观测方程有m个单传感器观测方程组成，则第i个节点的局部kalman估计方程为：预测　 　更新　 　当每个节点得到自己的局部估计后，就与其它相连的节点进行通信，接受其它节点传递来的信息后进行同化处理，同化包括状态同化和方差同化，经推导可得第i个节点的状态同化方程为：　 　

300kN微机控制电子万能试验机厂家

微机屏显万能材料试验机报价

转向器试验台架报价批发

混凝土试件

钢绞线扭力测试机厂