[发明专利]基于特征函数的并行式多传感器融合滤波方法

权利要求书

1.基于特征函数的并行式多传感器融合滤波方法，应用于空间目标跟踪系统，包括步骤如下：

(1)设计状态空间目标跟踪模型，目标在空间中做匀速直线运动的模型如下：

其中，x(k)为系统状态向量，y_i(k)为第i组传感器的输出向量；w(k)和v_i(k+1)分别是特征函数已知的过程噪声和测量噪声向量，其分布为F_w(x)、F_v(x)；A(k+1,k)是已知的状态转移矩阵，G(k+1,k)为已知的过程驱动矩阵，h_i(·)是连续光滑的非线性函数,i＝1,2,…,N；

(2)在CFF框架下，计算出k+1时刻，每一个传感器的增益矩阵K_i(k+1)

该步骤的具体实施过程如下：

(2a)根据目标跟踪模型，计算k到k+1时刻目标状态的预测值

(2b)根据(2a)，计算k到k+1时刻，每一个传感器的测量预测值

(2c)根据测量方程和(2b)计算残差信息

(2d)根据运动学公式，计算状态转移矩阵A(k+1,k)；

(2e)计算初始状态估计误差

(2f)根据(2a)计算状态误差方程e(k)；

(2g)根据(2f)计算状态误差递推方程e(k+1)；

(2h)对(2g)状态误差递推方程两边同时求取特征函数；

(2i)建立已知的目标特征函数

(2j)建立滤波器的权重函数矩阵U(t)；

(2k)根据(2h)、(2i)、(2j)建立滤波器参数指标J₀(k+1)；

(2l)根据(2k)建立滤波器性能指标函数J_i(k+1)；

(2m)简化滤波器性能指标函数J_i(k+1)中的参数；

(2n)根据(2l)、(2m)得到简化后的滤波器性能指标J'_i(k+1)；

(2o)建立待估计的滤波增益矩阵K_i(k+1)；

(2p)根据(2n)对K_i(k+1)求一阶偏导；

(2q)根据(2n)对K_i(k+1)求二阶偏导；

(2r)根据(2o)、(2q)求出增益矩阵K_i(k+1)；

(3)在CFF框架下，将所有传感器的增益矩阵和残差信息并行起来，对目标的位置和速度不断更新，得到最优状态估计值

(3a)根据(2r)将所有传感器的增益矩阵并行起来；

(3b)根据(2c)将所有传感器的残差信息并行起来；

(3c)根据(2a)、(3a)、(3b)计算状态估计值