一種改進(jìn)的多傳感器加權融合算法

　　引言

　　多傳感器數據融合是近幾年迅速發(fā)展的一門(mén)信息綜合處理技術(shù)，它將來(lái)自多傳感器或是多源的信息和數據進(jìn)行綜合處理，從而得出更為準確可信的結論。此項技術(shù)的應用不僅可以提高系統的精度和可靠度，還可以提高系統的量測范圍、增加系統的可信度、縮短系統響應時(shí)間。在數據融合中，加權融合算法是較為成熟的一種融合算法，該算法的最優(yōu)性、無(wú)偏性、均方誤差最小等特性在許多研究結果中都已經(jīng)被證明。加權融合算法的核心問(wèn)題是如何確定權重，權重的選取直接影響融合結果。

　　常用的方法有加權平均法，加權平均是一種最簡(jiǎn)單和直觀(guān)的方法,即將多個(gè)傳感器提供的冗余信息進(jìn)行加權平均后作為融合值。該方法能實(shí)時(shí)處理動(dòng)態(tài)的原始數據,但是權重的確定具有一定的主觀(guān)性，在實(shí)際應用中，效果并未達到最優(yōu)。本文采用二次加權的方法，并引入最優(yōu)比例權重的概念，先對單個(gè)傳感器進(jìn)行加權，再對整體進(jìn)行加權并導出基于改進(jìn)算法的加權融合公式。通過(guò)仿真，并與加權平均融合算法中采用的等權重融合算法進(jìn)行比較，驗證該算法的有效性。

　　多傳感器數據加權融合

　　加權數據融合是多個(gè)傳感器對某一個(gè)環(huán)境中的同一特征參數的數據進(jìn)行量測，兼顧每個(gè)傳感器的局部估計，按某一原則給每個(gè)傳感器制定權重，最后通過(guò)加權綜合所有的局部估計得到一個(gè)全局的最佳估計值。

　　加權平均融合算法

　　假設在n個(gè)傳感器的融合系統中，傳感器s1，s2，…，sn對同一個(gè)目標進(jìn)行狀態(tài)估計，第i個(gè)傳感器在第k時(shí)刻的局部狀態(tài)估計值為，(i=1, 2, …, n)。假定是無(wú)偏估計，且任意兩個(gè)傳感器局部估計誤差之間互不相關(guān)。

　　設各個(gè)傳感器的權重分別是w1, w2, …wn，則融合后的狀態(tài)估計值為和權重滿(mǎn)足的條件為：

　　改進(jìn)的加權融合算法

　　提出改進(jìn)的加權融合算法采用二次加權的方法，并引入了最優(yōu)比例權重的概念，先對單個(gè)傳感器進(jìn)行加權，再對整體進(jìn)行加權，目的是使算法性能達到最優(yōu)。

　　單個(gè)傳感器一次加權

　　獲得觀(guān)測數據的方法一般是采用單個(gè)傳感器，由于傳感器的系統方差是固定不變的，所以減小估計均方誤差的唯一方法就是增加觀(guān)測數據，而增加觀(guān)測數據就會(huì )使運算量增大并且收斂速度降低，多傳感器數據融合可以解決此問(wèn)題。但是在多個(gè)傳感器中，一個(gè)或者更多的傳感器在觀(guān)測噪聲很大或是估計值發(fā)散的情況下，進(jìn)行數據融合，同樣會(huì )使融合系統性能不穩定并導致嚴重的估計偏差。所以，在進(jìn)行多傳感器數據融合之前，要對單個(gè)傳感器的狀態(tài)估計值進(jìn)行加權，使估計值快速收斂目的是為了給融合系統輸入穩定的融合數據，使融合后的估計值達到最優(yōu)狀態(tài)。

　　單傳感器加權思想：在某時(shí)刻方差最小情況下，利用此時(shí)刻的狀態(tài)估計值與此時(shí)刻觀(guān)測值與此時(shí)刻的狀態(tài)估計值的和的比值作為權重，定義它為最優(yōu)比例權重。用此權重去加權，目的是校正那些發(fā)散或是估計偏差較大的估計值，使其收斂，為多傳感器數據融合系統提供良好穩定的數據源。

　　Wk為在第k時(shí)刻方差最小情況下的最優(yōu)比例權重;vj為t個(gè)時(shí)刻的觀(guān)測值與狀態(tài)估計值之和;為加權后的t個(gè)時(shí)刻的狀態(tài)估計值。