多傳感器最優估計理論及其應用（簡體書）

本書是關於多感測器資料融合最優估計理論及其應用的一本專著。主要彙集了作者近十幾年來在多感測器資料融合、多速率系統濾波、最優估計理論、組合導航等方面的代表性研究成果。本書涉及到的理論和方法有：Kalman濾波及其各種改進演算法，非同步多速率線性系統、非線性系統的濾波與融合方法，觀測資料存在不可靠、隨機丟包等故障條件下的資料融合狀態估計方法，雜訊相關環境下的資料融合方法，以及對上述各種情況魯棒的組合導航演算法等。

前言
第1章緒論
1.1背景與意義
1.2多傳感器數據融合的體系結構
1.2.1多傳感器數據融合的定義
1.2.2多傳感器數據融合的原理與體系結構
1.2.3多傳感器數據融合的優缺點
1.3多傳感器數據融合估計算法分類綜述
1.3.1採樣率系統
1.3.2單採樣率多傳感器數據融合狀態估計算法
1.3.3多采樣率多傳感器數據融合狀態估計算法
1.3.4異步多傳感器數據融合估計算法
1.3 .5噪聲相關環境下的數據融合估計算法
1.3.6網絡環境下的濾波和融合問題
1.3.7非線性系統數據融合估計算法
1.4組合導航系統與方法概述
1.5當前研究熱點、難點與未來的研究方向
1.6本書的主要內容及章節安排
1.7本章小結
第2章隨機離散動態系統的Kalman濾波
2.1問題的提出
2.2最優均方估計
2.2.1最優均方估計的定義
2.2.2線性最優均方估計
2.3Kalman最優濾波基本方程
2.3.1系統描述
2.3.2離散時間Kalman濾波基本方程
2.3.3離散時間Kalman濾波基本方程的直觀推導
2.3.4離散時間Kalman濾波基本方程的投影法證明
2.4Kalman最優預測基本方程
2.4.1狀態的預測估計
2.4.2狀態預測估計的修正
2.4.3最優增益陣
2.4.4誤差的無偏性及誤差方差陣
2.4.5離散系統Kalman最優預測基本方程
2.5Kalman最優平滑基本方程
2.5.1固定區間最優平滑
2.5.2固定點最優平滑
2.5.3固定滯後最優平滑
2.6擴展Kalman濾波
2.6.1圍繞標稱軌道線性化濾波方法
2.6. 2圍繞濾波值線性化濾波方法
2.7本章小結
第3章變速率非均勻採樣系統的Kalman濾波
3.1引言
3.2問題描述
3.3非均勻採樣系統的Kalman濾波算法
3.4算法性能分析
3.5仿真實例
3.6本章小結
第4章多尺度Kalman濾波及基於多尺度測量預處理的數據融合
4.1引言
4.2小波分析概述
4.2.1小波變換的定義與基本性質
4.2.2多尺度分析
4.2.3Mallat算法
4.3多尺度Kalman濾波
4.4基於多尺度測量預處理的數據融合
4.4.1系統描述
4.4.2信號的多尺度表示
4.4.3基於小波變換的多尺度測量預處理
4.4.4基於多傳感器多尺度測量預處理的信號去噪方法
4.5仿真實例
4.6本章小結
第5章基於線性系統的多速率傳感器數據融合估計
5.1引言
5.2問題描述
5.3線性動態系統的多速率多傳感器數據融合估計
5.3.1基於狀態分塊的融合估計算法
5.3.2兩種分佈式數據融合狀態估計算法
5.4仿真實例
5.5本章小結
第6章隨機丟包情況下多速率傳感器魯棒融合估計
6.1引言
6.2問題描述
6.3基於不完全觀測數據的多速率傳感器融合估計算法
6.3.1模型約簡
6.3.2融合算法
6.4仿真實例
6.5本章小結
第7章時不變線性系統的異步多速率傳感器數據融合估計
7.1引言
7.2問題描述
7.3尺度遞歸融合估計算法
7.3.1多尺度狀態空間模型
7.3.2尺度遞歸狀態融合估計算法
7.4基於混合式結構的融合估計算法
7.5兩種分佈式融合估計算法
7.5.1遞歸聯邦分佈式融合估計
7.5.2有反饋分佈式融合估計
7.6仿真實例
7.6.1尺度遞歸融合估計算法仿真
7.6.2混合式融合估計算法仿真
7.6.3分佈式融合估計算法仿真
7.7本章小結
第8章時不變系統異步多速率間歇數據的魯棒融合估計
8.1引言
8.2問題描述
8.3隨機丟包下的異步多速率傳感器數據融合算法
8.4仿真實例
8.4.1圓周運動的機動目標跟踪
8.4.2目標跟踪系統的狀態估計
8.5本章小結
第9章時變線性系統的異步多速率傳感器數據融合估計
9.1引言
9.2問題描述
9.3基於速率歸一化和聯邦Kalman濾波的分佈式融合估計
9.3.1異步多速率系統的速率歸一化數學建模
9.3.2基於聯邦Kalman濾波的數據融合估計
9.4異步多速率數據的順序式融合估計
9.5仿真實例
9.5.1基於聯邦Kalman濾波的融合估計算法仿真
9.5.2順序式融合估計算法仿真
9.6本章小結
第10章異步多速率傳感器線性系統的建模與容錯融合估計
10.1引言
10.2問題描述
10.3最優狀態估計算法
10.3.1異步多速率多傳感器系統建模
10.3.2無故障情況下的數據融合估計
10.3.3存在不可靠觀測情況下的狀態容錯融合估計算法
10.4狀態容錯融合估計算法的性能分析
10.5仿真實例
10.6本章小結
第11章相關噪聲環境下的多傳感器數據融合
11.1引言
11.2問題描述
11.3最優融合算法
11.3.1最優集中式融合
11.3.2最優順序式融合
11.3.3最優分佈式融合
11.4仿真實例
11.5本章小結
第12章相關噪聲環境下多速率傳感器融合估計
12.1引言
12.2問題描述
12.3序貫式融合估計算法
12.4分佈式融合估計算法
12.5仿真實例
12.5.1序貫式融合估計算法仿真
12.5. 2分佈式融合估計算法仿真
12.6本章小結
第13章噪聲統計特性未知情況下的多源信息融合估計
13.1引言
13.2相關多源信息融合估計算法簡述
13.2.1廣義凸組合融合算法
13.2.2基於集合論的鬆弛切比雪夫中心協方差交叉算法
13.2.3基於信息論的快速協方差交叉算法
13.2.4容錯廣義凸組合融合算法
13.3兩種改進的多源信息融合估計算法
13.3.1改進的鬆弛切比雪夫協方差交叉融合算法
13.3.2改進的快速協方差交叉算法
13.4仿真實例
13.4.1Kalman濾波算法得到局部估計值
13.4.2RCC-CI、IT-FCI、DCI仿真分析
13.4.3FGCC、CI/CU仿真分析
13.4.4改進算法的仿真分析
13.5本章小結
第14章非線性系統異步多速率傳感器數據融合估計
14.1引言
14.2問題描述
14.3狀態融合估計算法
14.3.1基於SPKF方法估計非線性時變系統的狀態
14.3.2基於STF方法估計非線性時變系統的狀態
14.3.3非線性系統狀態估計新算法：SPSTF
14.4仿真實例
14.5本章小結
第15章非線性系統異步多速率傳感器數據容錯融合估計
15.1引言
15.2問題描述
15.3異步多速率傳感器數據容錯融合估計算法
15.4仿真實例
15.5本章小結
第16章多傳感器最優估計理論在導航系統中的應用
16.1引言
16.2組合導航系統模型
16.3多速率系統的魯棒Kalman濾波及在導航系統中的應用
16.4仿真實例
16.5本章小結
參考文獻

第1章緒論
1.1背景與意義
隨著科學技術的發展，人類已經進入信息時代，信息時代的明顯特徵之一是信息爆炸。同時，隨著社會信息化程度的不斷提高，傳感器性能獲得了很大提高，面向各種應用背景的多傳感器系統大量湧現。現代戰爭威脅的多樣化和復雜化對傳統數據或信息處理系統也提出了更高的要求。此外，信息表現形式的多樣性、信息數量的巨大性、信息關係的複雜性以及要求信息處理的及時性等，都要求提出對多源信息進行有效融合處理的新型理論和技術[1]。為了應對這種局面，信息融合應運而生。多源信息融合是一個新興的研究領域，是針對一個系統使用多種傳感器這一特定問題而展開的一種關於數據處理的研究。多傳感器數據融合技術是近些年來發展起來的一門實踐性較強的應用技術，是多學科交叉的新技術，涉及信號處理、概率統計、信息論、模式識別、人工智能、模糊數學等領域[ 2]。
將航行載體從起始點引導到目的地的技術或方法稱為導航[3]。導航所需的基本導航參數有載體的即時位置、速度、航向和姿態等。測量導航參數的設備稱為導航系統。飛機常用的導航系統有：慣性導航系統(inertialnavigationsystem，INS)、GPS(globalpositioningsystem)導航系統、多普勒(Doppler)導航系統(DVS)、雙曲線無線電導航系統等[3-5]。隨著現代戰爭中信息化、網絡化程度的提高，海陸空天一體化的主體戰爭已經形成。導航已從確定武器平台自身位置，並將其引領到目的地的單一功能擴展成為信息戰的一部分，導航定位信息已在C4ISR系統中發揮著重要作用。各級指揮機關和控制部門，各種海、陸、空、天武器裝備，都有賴於導航定位信息的支持。隨著科技的進步，特別是現代戰爭的需求，對導航系統的精度、可靠性、實時性、自主性及性價比要求越來越高，單一的導航系統難以滿足要求。20世紀80年代以來，隨著科學技術的迅速發展，可供運載體裝備的導航系統越來越多。但是，任何一種導航方法都存在實用性問題，每個系統的固有誤差以及物理上的限制，都將影響到該導航設備的廣泛應用。如果將這些具有互補性和非相似性的導航系統組合起來，就可以相互取長補短，充分利用各子系統的信息，提高導航精度，擴大使用範圍。對於各子系統測量的相同信息源，也可使測量值冗餘，從而提高整個導航系統的可靠性[1，2，6]。
近年來，隨著傳感器技術、信號檢測與處理以及計算機應用技術的發展，信息融合技術的應用更加廣泛。除了在各種武器平台上應用外，在許多民用領域，如工業過程監視、工業機器人、遙感、毒品檢查、病人照顧系統、金融系統、船舶避碰與空中交通管制系統等方面也得到了廣泛的應用。世界各主要發達國家都將其列為重點、優先發展的技術之一。事實上，在被測量(或被識別)的目標具有多種屬性或多種不確定因素的干擾時，使用多傳感器協調完成共同的檢測任務便是必然的選擇[2]。因此對多傳感器信息融合的研究具有廣泛的理論意義和應用價值。
多傳感器最優估計指的是將傳統的估計理論與數據融合理論進行有機結合，綜合利用多個傳感器的觀測信息得到對目標狀態的最優估計。研究在估計未知量的過程中，如何最佳利用多個數據集合中所包含的有用信息是其核心[7]。針對多傳感器最優估計問題，在不同傳感器以相同採樣速率同步獲取數據情況下，針對線性單模型動態系統，國內外已經有不少的研究成果。然而，實際應用問題中，不同傳感器往往以不同採樣率獲取數據，並且由於網絡、各種干擾等的影響，獲取的數據往往是非同步的，甚至是不均勻的。針對這一問題，相對來說成果較少。作者近些年來在這方面開展了一系列研究工作。本書在介紹經典最優Kalman濾波基礎上，將重點介紹作者近些年來研究給出的各種實用的最優估計方法，同時對其在導航方面的應用進行簡要介紹。
1.2多傳感器數據融合的體系結構
1.2.1多傳感器數據融合的定義
數據融合也稱為信息融合(informationfusion)。關於什麼是信息融合，迄今為止，國內外有多種不同的定義。
美國國防部JDL(JointDirectorsofLaboratories)從軍事應用的角度將信息融合定義為這樣一個過程：把來自許多傳感器和信息源的數據和信息加以聯合(asso-ciation)、相關(correlation)和組合(combination)，以獲得精確的位置估計(positionestimation)和身份估計(identityestimation)，對戰場情況和威脅及其重要程度進行適時的完整評價[2]。這一定義基本上是對信息融合技術所期望達到的功能描述，包括低層次上的位置和身份估計，以及高層次上的態勢評估(situationassessment)和威脅估計(threatassessment)。該定義從軍事應用的目標出發，但是也適用於其他領域。Edward等對上述定義進行了補充和修改，用狀態估計代替位置估計，並加上了檢測(detection)功能，從而給出瞭如下定義：數據融合是一種多層次、多方面的處理過程，這個過程對多源數據進行檢測、結合、相關、估計和組合以達到精確的狀態估計和身份估計，以及完整、及時的態勢評估和威脅估計[8]。
何友等在其專著《多傳感器信息融合及應用》中指出：信息融合就是將來自多個傳感器或多源的信息進行綜合處理，從而得到更為準確、可靠的結論[1]。韓崇昭等在其著作《多源信息融合》中寫到：信息融合就是一種多層次、多方面的處理過程，包括對多源數據進行檢測、相關、組合和估計，從而提高狀態和身份估計的精度，以及對戰場態勢和威脅的重要程度進行適時完整的評價[7]。
總之，信息融合就是將來自多個傳感器或多源的信息進行綜合處理，從而得到更為準確、可靠的結論，以達到更好地了解對象的目的[2]。
1.2.2多傳感器數據融合的原理與體系結構
多傳感器信息融合是人類和其他生物系統中普遍存在的一種基本現象，實際上是對人腦綜合處理複雜問題的一種功能模擬。按照信息抽象的功能層次，信息融合可分為五級：檢測級融合、位置級融合(狀態估計)、屬性級融合(目標識別)、態勢評估與威脅估計，信息融合各功能模塊的系統流程示意圖如圖1.1所示[9-11]。
圖1.1信息融合系統功能框圖
1.檢測級融合
檢測級融合是直接在多傳感器分佈檢測系統中檢測判決和信號層上進行的融合。它最初僅應用在軍事指揮、控制和通信中，現在它的應用已拓廣到氣象預報、醫療診斷和組織管理決策等諸多領域。檢測級融合的結構模型主要有四種，即並行結構、分散式結構、串行結構和樹狀結構，如圖1.2所示[1，10]。
2.位置級融合
位置級融合是直接在傳感器的觀測數據或傳感器的狀態估計上進行的融合，包括時間和空間上的融合，是跟踪級的融合，屬於中間層次，也是最重要的融合之一[1]。近年來，國內外對這一級的融合研究得最多，以美國MIT的Willsky教授及其研究小組為代表的多尺度系統估計理論研究為其中一個很重要的分支[12-16]。本書關於狀態融合估計算法的研究也是以此為基礎進行的，下文將會給出更詳細的闡述。
圖1.2檢測級融合結構示意圖
對單傳感器跟踪系統而言，主要是按時間先後對目標在不同時間的觀測值即檢測報告進行融合，如邊掃描邊跟踪雷達系統，紅外和聲納等傳感器的多目標跟踪與估計技術都屬於這類性質的融合。在多傳感器跟踪系統中，主要有集中式、分佈式、混合式和多級式等幾種融合結構[1，9]。
在集中式多傳感器跟踪系統中，首先按照對目標觀測的時間先後對測量點跡進行時間融合，然後對各個傳感器在同一時刻對同一目標的觀測進行空間融合，它包括多傳感器融合跟踪與狀態估計的全過程。這類系統常見的有多雷達綜合跟踪和多傳感器海上監視與跟踪系統。集中式融合結構示意圖如圖1.3所示[9]。
圖1.3集中式融合結構
在分佈式多傳感器跟踪系統中，各傳感器利用自身的測量數據單獨跟踪目標，將估計結果送至融合中心(總站)，融合中心再將各個子站的估計合成為目標的聯合估計。一般來說，分佈式估計精度沒有集中式高，但是由於它對通信帶寬需求低，計算速度快，可靠性和延續性好，因此，成為近年來的研究熱點，分佈式融合結構示意圖如圖1.4所示[1，9]。
圖1.4分佈式融合結構
分佈式系統一般還可以分為無反饋分佈式系統、有反饋分佈式系統和完全分
布式系統等三種融合結構[2]：
(1)無反饋層次結構：各傳感器節點把各自的局部估計結果全部傳送到中心節點以形成全局估計，這是最常見的分佈式估計系統結構。
(2)有反饋層次結構：它與(1)的主要區別在於通信結構不同，即中心節點的全局估計可以反饋到各局部節點，這種結構具有容錯的優點。當檢測出某個局部節點的估計結果很差時，不必把它排斥於系統之外，而是利用較好的全局結果來修改局部節點的狀態，這樣既改善了局部節點的信息，又可繼續利用該節點的信息。
(3)完全分佈式結構：在這種一般化系統結構中，各節點間由網狀或鏈狀等形式的通信方式相連接。一個節點可以享有與之相連的節點信息。這也意味著各局部節點可以不同程度地享有全局的一部分信息，從而可能在許多節點上獲得較好的估計。在極端的情況下，每個節點都可以作為中心節點獲得全局最優估計。
混合式位置級融合是集中式和分佈式多傳感器系統相結合的混合結構[1]。傳感器的檢測報告和目標狀態估計的航跡信息都被送入融合中心，在那裡既進行時間融合也進行空間融合。由於這種結構要同時給出檢測報告和航跡估計，並進行優化組合，因此需要復雜的處理邏輯。混合式結構也可以根據問題的需要，在集中式和分佈式結構中進行選擇變換。這種結構的通信和計算量都比其他結構要大，因為需要控制傳感器同時發送探測報告和航跡估計信息，通信鏈路必須是雙向的。另外，在融合中心除加工來自局部節點的航跡信息外，還要給出傳感器送來的探測報告，使計算量成倍增加。然而，它能滿足許多應用的需要。巡航導彈的控制和主、被動雷達複合制導系統都是典型的混合式結構[1，9]。混合式融合結構示意圖如圖1.5所示[9]。
3.屬性級融合(目標識別級融合)
目標識別亦稱屬性分類或身份估計(身份識別)[9]。按信息抽象程度，目標識別(身份識別)又可分為決策層、特徵層和數據層融合三個層次。身份識別三個層次的融合結構圖及其流程圖分別如圖1.6和圖1.7所示[9]。
……