[发明专利]基于最大期望近似的切尔诺夫融合方法

摘要

本发明公开了一种基于最大期望近似的切尔诺夫融合方法。其包括在每部传感器进行粒子滤波获得本地的估计结果，同时采用最大期望方法将本地估计结果近似为高斯混合分布，并在多传感器之间交互高斯混合参数，然后利用一阶近似模型下的切尔诺夫融合方法进行初步的数据融合，将融合结果作为重要性采样函数，恢复各个传感器的本地粒子样本，同时计算对应的指数权值，获得每个粒子样本的指数加权结果，并作为新的粒子样本，并再次利用最大期望方法将其近似为高斯混合分布，最后依据切尔诺夫融合准则进行分布式数据融合，利用融合结果计算得到目标的估计状态。该方法可以实现最优的切尔诺夫融合，获得精度高且保守的分布式数据融合结果。

主权项

一种基于最大期望近似的切尔诺夫融合方法，其特征在于，包括以下步骤：A、初始化多传感器系统的系统参数，并且设置初始n＝0；B、获取本地传感器量测，并利用粒子滤波方法进行本地滤波，得到粒子样本近似的本地后验概率密度函数，同时接收并存储其它传感器发送来的高斯混合参数；C、采用最大期望方法将粒子样本近似的本地后验概率密度函数近似为高斯混合分布，并将高斯混合参数发送至其他传感器；D、利用步骤B中存储的其它传感器的高斯混合参数和步骤C中的高斯混合参数进行一阶近似模型下基于切尔诺夫融合准则的分布式数据融合，并以切尔诺夫信息最小为准则，求取对应的指数权值；E、将步骤D中分布式数据融合的融合结果作为重要性采样函数，对重要性采样函数进行重要性采样，恢复各个传感器本地的粒子样本，并根据步骤D获得的指数权值求取每个粒子样本的指数加权结果，将作为新的粒子样本；F、利用最大期望方法将步骤E获得的新的粒子样本近似为高斯混合分布；G、根据步骤F中的高斯混合参数进行基于切尔诺夫融合准则的分布式数据融合，获得解析的切尔诺夫融合结果；H、根据步骤G中解析的切尔诺夫融合结果计算目标估计状态；I、将n递增1，判断n是否大于观测总帧数L；若是，则操作结束；若否，则返回步骤B。