[发明专利]一种基于随机集理论的多传感器分布式高效融合方法

摘要

本发明公开了一种基于随机集理论的多传感器分布式高效融合方法，包括以下步骤：S1、初始化系统参数；S2、初始化传感器的多目标基数化概率假设密度分布；S3、接收第一帧扫描数据，计算本地后验基数化概率假设密度分布；S4、将本地后验基数化概率假设密度分布与临近节点交换；S5、并行地在每一联合分组内将传感器a与传感器b的基数化概率假设密度分布进行融合；S6、通过最大后验估计准则计算目标个数，估计目标状态；S7、接收下一帧扫描数据，得到传感器新的基数化概率假设密度分布，然后采用步骤S4～步骤S6相同的方法处理；S8、采用步骤S4～S7相同的方法处理余下的k帧扫描数据。本发明具有计算复杂度低，近似误差小等优点。

主权项

1.一种基于随机集理论的多传感器分布式高效融合方法，其特征在于，包括以下步骤：S1、初始化系统参数，并选定传感器融合准则；S2、初始化传感器的多目标基数化概率假设密度分布；S3、各传感器接收到第一帧扫描数据后，以初始化的基数化概率假设密度分布作为先验分布，将该帧数据通过基数化概率假设密度滤波器进行滤波，计算出本地后验基数化概率假设密度分布；S4、将本地后验基数化概率假设密度分布与临近节点交换，并对后验分布进行联合分组；S5、根据联合分组结果，并行地在每一联合分组内将传感器a与传感器b的基数化概率假设密度分布地进行融合，得到近似的融合状态概率密度函数和目标个数概率密度函数；S6、通过最大后验估计准则计算目标个数，然后估计目标状态；S7、接收下一帧扫描数据，以当前的后验基数化概率假设密度分布为先验，通过基数化概率假设密度滤波器进行滤波，得到各个传感器新的基数化概率假设密度分布，然后采用步骤S4～步骤S6相同的方法处理；S8、采用步骤S4～S7相同的方法处理余下的k帧扫描数据。