一种多无人机融合估计融合估计的分布式紫色信息滤波算法.docx

一种多无人机融合估计融合估计的分布式紫色信息滤波算法 1 多传感器融合估计融合模型 目标感知、测量、定位和跟踪是无人机系统不可或缺的基本功能。许多无人机的合作可以提供更大的测量范围、更高的定位精度和更好的团队性。同时，它给信息和整合带来了挑战，即如何整合u型数据。相关内容包括数据预处理、数据集成结构和估计方法。 多传感系统的数据融合结构大致可分为3类集中式、分布式和递阶分布式.集中式融合结构将各传感器的量测数据送至融合中心进行融合处理,当融合中心处理机及通信带宽的性能满足系统要求时,可以得到较好的结果.分布式融合结构没有一个确定的融合中心,每个节点可以根据网络连通情况与其他节点进行通信,每个传感器在进行通信之前首先处理原始测量数据以提取有用信息,从而减少对通信带宽的要求,并降低信息接收节点后续融合计算负担.递阶分布式融合结构中多个融合节点被递阶安排与最底层节点连接以处理传感器数据,并将结果发送给更高层节点,当每个底层融合节点只连接一个传感器时,它类似于一个有固定融合中心的分布式结构. 目前,针对线性、高斯条件下的多传感器估计融合的理论和方法日趋完善,而面向复杂背景(非线性、非高斯)的融合估计方法,正成为一个研究热点.对于非线性系统的状态估计,主要有3类方法:扩展卡尔曼滤波(EKF),无色卡尔曼滤波(UKF)以及粒子滤波(PF).EKF及其衍生算法最早被提出用于非线性状态估计,但存