[发明专利]一种异构传感器信息融合方法

权利要求书

1.一种异构传感器信息融合方法；其特征在于，包括以下步骤：

(1)根据每个局部传感器的局部测量历史数据，计算局部航迹的局部估计；

(2)基于Copula理论和贝叶斯概率推理，估计任意两个传感器之间的相关性，并使用Copula函数得到局部航迹的原始融合估计；

(3)通过比较原始融合估计与局部估计之间的Kullback-Leibler散度，根据最小分辨信息准则选择最优的Copula函数相关系数，得到两个传感器之间的局部航迹融合估计结果；

(4)获得局部估计的广义协方差交集GCI的融合结果并作为重要性密度，并且执行相关重要性采样，构建原始采样集合，对原始采样集合进行系统重采样，得到均匀加权样本，并利用核密度估计构造局部航迹融合估计结果的高斯逼近，得到局部融合估计结果；

(5)融合节点依次融合局部融合估计结果，并将得到的融合航迹发送回每个局部传感器；

所述步骤(2)包括：

(21)基于Copula理论和贝叶斯概率推理，构建任意两个传感器间的局部观测数据的条件独立性：

其中，X为系统状态；

(22)基于Sklar定理，用一个表示模态间依赖关系的Copula函数来估计不同传感器的随机变量之间的相关关系，得到局部航迹的原始融合估计：

其中，c(·,·)代表Copula函数，代表变量X的多维分布函数；

所述步骤(3)包括：

(31)选取Copula函数：

其中，表示Copula函数相关系数，为标准高斯分布的累积分布函数；

(32)定义Kullback-Leibler散度：

其中，p₁、p₂分别为两个概率密度函数；

(33)定义Copula函数相关系数优化指标为：

(34)根据如下最小分辨信息准则选择最优的Copula函数相关系数ρ^*：

(35)根据ρ^*计算最优的Copula函数，得到两个传感器之间的局部航迹融合估计结果；

所述步骤(4)包括：

(41)采用蒙特卡洛重要性采样，用局部估计的广义协方差交集作为重要性密度，并且执行相关重要性采样；从所需融合的局部估计中提出小数目的原始加权样本集表示从重要性密度g(x)中采样的个样本，其中表示重要性密度，表示融合系数；

(42)使用核密度估计得到融合密度的高斯逼近，得到局部融合估计结果：

其中，d为向量X的维数，K(·,h)为核函数，h为核函数带宽，为从原始加权样本中进行系统重采样获得的均匀加权样本，采用正态密度作为核函数。

2.根据权利要求1所述的异构传感器信息融合方法，其特征在于，所述步骤(1)包括：

获取每个传感器的历史数据，计算第i个传感器的伪测量组成局部测量谱系，得到局部航迹的局部估计；其中，i为传感器编号，k为时间序列序号，表示第i个传感器在第k步时获得的测量值。

3.根据权利要求1所述的异构传感器信息融合方法，其特征在于，所述步骤(5)还包括：根据步骤(1)-(4)，以序贯方式依次融合传感器的局部融合估计结果，合成融合航迹，并发送回每个局部传感器。