2-加权平均融合方法课件.pptVIP

哈尔滨工程大学 2.1 加权融合的一般结构 2.2 最优加权融合 最优加权融合(续) 最优加权融合(续) 最优加权融合(续) 最优加权融合(续) 最优加权融合(续) 最优加权融合(续) 2.3 自适应最优加权融合及应用 自适应最优加权融合及应用(续) 仿真实验(1) 仿真结果 仿真结果 仿真实验(2) 仿真结果 仿真结果 自适应最优加权融合实例 * 2 加权平均融合方法 2.1 加权融合的一般结构 2.2 最优加权融合 2.3 自适应最优加权融合及应用 Sensor 1 Sensor 2 Sensor j Sensor N 假设用 个传感器观测一个未知量 ，传感器的观测分别为 。第 个传感器的观测可表述为 表示叠加在真实信号 上的白噪声， 的方差定义为 ， 表示数学期望。 如果观测是无偏、且相互独立的，则对 的估计可表示为 其中 为加权系数，并且 。 估计方差为 其中 为第 个传感器的噪声方差。 如果所有观测的加权相同，即 ，则(3)式的估计方差为 尽管这种平均加权在实际应用被广泛使用，但它不是最小方差估计。 为求使得(3)式中方差 最小的 ，构造辅助函数 式(3)在条件 下的最小值问题归结为如下条件极值问题： 即: 由上式得 即 从而 将此结果代入 ，即得 遗憾的是方差并不知道？ 从以上分析可以看出，最优加权因子 由各个传感器的方差 决定，但 一般不是已知的。可根据各传感器所提供的测量值，依据相应算法将它们求出。 设有任意两个不同的传感器 、 ，其测量值分别为 、 ，所对应的观测误差分别为 、 ，即 因为 、 互不相关, 且均值为零, 与 也不相关，所以 、 的互相关系数满足 的自相关系数 满足 将式(7)减去式(6)得 对于 、 的求取，可由其时间域估计值得出。 设传感器测量数据个数为 ， 的时间域估计值为 ， 的时间域估计值为 ，则 同理 如用传感器 与传感器 做相关运算，则可以得到 的值。 为降低误差，取 的均值 结合(8)式，有 用三组互不相关的零均值白噪声数据来模拟三个传感器的观测误差。 取真值为1，先取三组白噪声的方差分别为0.05、0.10、0.30，将真值与白噪声数据依次相加，即可模拟出三组传感器的测量数据。 按照自适应加权融合估计算法对三个传感器测量数据做融合估计，得到融合后的曲线。并与直接对三个传感器做平均值估计算法的曲线做对比。 平均加权融合曲线 自适应加权融合曲线 融合算法的抗干扰能力测试 仍然用三组互不相关的零均值白噪声数据来模拟三个传感器的观测误差。 取真值为1，三组白噪声的方差分别为0.05、0.10、2(模拟故障传感器的输出) , 同上将真值与白噪声数据依次相加，即可模拟出三组传感器的测量数据。 平均加权融合曲线 自适应加权融合曲线 波束合成和自适应波束合成 融合的目的是要估计真实的Y，权值的选取对结果影响很大。 例如，人的双眼，视力不一致，需要矫正成一致，才能充分发挥作用；否则就要通过加权削弱质量不好的传感器的作用。 再如，人的双耳，要听来自一个方向的声音，要捂住另外一个耳朵。另一个方向的声音就视为噪声。 再如，评委打分，去掉最高分，去掉最低分。为了具有容错功能，需要实现把故障传感器的测量结果剔除。增加评价的客观性 再如，通过多个人打听一个人的情况。每个人对事物的评价客观性有差异，评价的误差不一样。 权值选取的一般原则，权值取决于观测噪声，观测噪声小的权重大，观测噪声大的权重小。 *