基于全局状态估计的多传感器加权数据融合算法

基金项目: 中国空空导弹研究院科技创新基金(201306S08)

详细信息

Multi-sensor Weighted Data Fusion Algorithm Based on Global State Estimation

摘要: 自学习最小二乘加权数据融合算法已被广泛地应用于融合多传感器系统中的量测信息.但是,通过深入的理论分析和实验仿真发现,自学习最小二乘加权数据融合算法在进行双传感器数据融合时具有较差的融合精度,同时该算法还具有较差的抗干扰性及稳定性.基于以上研究结果,提出了一种基于全局状态估计的多传感器加权数据融合算法,采用卡尔曼滤波的状态估计特性及相关历史信息,使得状态的估计值能够充分逼近真实值,从而使得算法具有较高的融合精度及抗干扰性.最后,MonteCarlo仿真结果显示,相比于已有算法,提出的算法在融合精度及抗干扰性方面具有明显地提高.
- 多传感器数据融合 /
- 方差估计 /
- 状态估计 /
- 卡尔曼滤波

1.	孙龙君，聂庆浩，李佳祎，牛佳欣，孟文洋，马建斌. 基于多目标遗传规划的农作物非生物胁迫抗逆关键基因挖掘方法研究. 河北农业大学学报. 2024(06): 62-68 . 百度学术
2.	孟祥宇，高尚. 基于异构集成的类别不平衡学习算法研究. 软件导刊. 2023(04): 84-90 . 百度学术
3.	周生辉，刘廷玺，段利民，冀如，张春雨. 毛乌素沙地海流兔河流域水文地质特征. 中国沙漠. 2021(05): 103-110 . 百度学术