噪声相关环境下多传感器数据融合估计算法研究_李鹏超.pdfVIP

硕 士 学 位 论 文 MASTER’S DISSERTATION 论文题目 噪声相关环境下多传感器数据融合估计 算法研究 作者姓名 李鹏超 学科专业 控制工程 指导教师 李丽 副教授 2022 年 5 月 中图分类号：TP273 学校代码：10216 UDC ：621.3 密级：公开 工程硕士学位论文 （应用研究型） 噪声相关环境下多传感器数据融合估计 算法研究 硕士研究生： 李鹏超 导 师： 李丽 副教授 副 导 师： 刘阳 高工 申 请 学 位： 工程硕士 学 科 专 业： 控制工程 所 在 单 位： 电气工程学院 答 辩 日 期： 2022 年 5 月 授予学位单位： 燕山大学 A Dissertation in Control Engineering RESEARCH ON MULTI-SENSOR DATA FUSION ESTIMATION ALGORITHM IN NOISE CORRELATION ENVIRONMENT by Li Pengchao Supervisor: Associate Professor Li Li Yanshan University May, 2022 摘 要 摘 要 随着科学技术的发展和人工智能领域的快速兴起，数据融合技术在智能机器人 领域发挥着越来越重要的作用，吸引着许多学者研究。数据融合技术主要是利用多 个数据资源来对状态进行有效的评估，而状态的估计是基于滤波算法。虽然数据融 合技术可以有效地对系统的状态进行估计，但是在数据处理过程中依然存在着较多 的问题。在融合估计算法中，噪声之间的相关性问题、系统的非线性问题，以及传 感器数量过多计算量较大等问题都是需要考虑的。本文针对以上所提出的问题，分 别设计线性滤波算法和非线性滤波算法，来完成目标的状态估计和轨迹跟踪，主要 研究内容如下所示： 首先，研究了过程噪声和测量噪声一步相关，测量噪声之间互相关的融合估计 问题。针对于集中式滤波算法计算量大，灵活性小等问题，设计了具有全局最优性 的序贯式滤波算法，并且详细证明了其算法的全局最优性。进一步，在满足实验要 求的条件下，提出了全局次优的分布式矩阵加权滤波算法，利用局部状态之间的协 方差来确定权重得到最终的状态估计，该算法灵活性较高，并且某个传感器的测量 数据丢失并不会影响估计精度。 其次，研究了非线性系统的非高斯干扰和噪声相关情况下的状态估计问题。利 用贝叶斯滤波框架，在似然概率中引入非高斯项的干扰，也就是在传感器的测量过 程中不仅有高斯噪声的干扰，同时还具有非高斯项的干扰，从而提出了非高斯项干 扰条件下的无迹信息滤波。针对于过程噪声的测量噪声的一步相关，提出了噪声相 关情况下的无迹信息滤波。进一步，综合考虑非高斯项和噪声相关的两种情况，提 出了非高斯干扰和噪声相关条件下的无迹信息滤波。对于这三种算法，分别完成了 算法稳定性的证明，确保了算法的有效性。 最后，研究了一种分布式集群融合估计问题。考虑了传