書名: 多傳感器數據智能融合理論與應用作者名: 戴亞平 馬俊杰 王笑涵編著本章字數: 522字更新時間: 2021-10-27 15:10:07
2.1.1 集中式融合結構
集中式融合是將所有的傳感器獲得的測量信息,直接輸送到中央處理單元進行統一處理。例如,在使用雷達和紅外等多類檢測設備(傳感器)對運動目標進行跟蹤的過程中,其跟蹤算法多數用的是卡爾曼濾波,集中式融合就是將所有雷達、紅外等傳感器所獲得的數據,不經過處理,直接傳送給計算中心進行數據融合處理,獲得經過融合處理后的新的目標測量數據;針對新的目標測量數據,運用卡爾曼濾波方法進行跟蹤運算。集中式融合估計的流程示意圖如圖2.1所示。

圖2.1 集中式融合估計流程示意圖
假定所有的傳感器經過了時空配準,都被放置于同一個坐標系的原點,每個傳感器獲得的目標測量數據為Yi=(xi,yi,zi)T,其中i=1,2,…,n為傳感器個數。融合中心將對這n個測量值進行數據融合計算,計算后新的測量值yf=fusion(Y1,Y2,…,Yn)。
系統的狀態方程與觀測方程如式(2.1)所示:

其中,A表示狀態轉移矩陣;H表示狀態觀測矩陣;W(t)表示狀態噪聲;V(t)表示噪聲。根據卡爾曼濾波公式,則可以獲得被跟蹤目標的航跡狀態估計值。針對卡爾曼濾波這樣有確定性數學模型的跟蹤濾波算法,計算中心對于來自多傳感器的數據,可以由公式Yf=fusion(Y1,Y2,…,Yn)進行融合計算,其融合方法有多種,例如,簡單的加權平均法、序貫式融合濾波算法等。
推薦閱讀
- Dreamweaver CS3網頁制作融會貫通
- 一本書玩轉數據分析(雙色圖解版)
- Effective DevOps with AWS
- 計算機網絡技術實訓
- 自動生產線的拆裝與調試
- 3D Printing for Architects with MakerBot
- 計算機網絡安全
- Lightning Fast Animation in Element 3D
- 工業機器人維護與保養
- Mastering GitLab 12
- Machine Learning in Java
- Mastering MongoDB 4.x
- Hands-On Microservices with C#
- Practical Network Automation
- EDA技術及其創新實踐(Verilog HDL版)