,且渐渐趋于稳定,FAFSS融合算法确实起到了对航迹优化的目的。Р结论Р本文对多传感器系统的数据融合方法进行了深入研究,运用一种基于分步式滤波的多传感器系统数据融合算法,并给出了算法的理论推导过程和计算机仿真结果。Р在融合过程中,不同的融合算法所需的初值条件及对初值的依赖不同,尤其是分层融合算法,如果初值选择不当,滤波效果会很不理想甚至会发散,而在FAFSS算法中,一般是把精度高的传感器作为传感器2做二次的纠正,这样可以得到比较理想的滤波效果。而在实际应用中在系统处理器的允许下,主要从精度考虑,选择不同的融合算法。Р参考文献Р[1] Y. Bar-Shalom. T. E. Fortman. Tracking and Data Association. Academic press, 1988.Р[2]M.F. Hassan, et al.,A putational Algorithm for the Global Kalman Filter. IEEE Trans. On Automat. Contr. ,Vol. AC-23,1978:262-268.Р[3] 文成林,吕冰. 一种基于分布式滤波的数据融合算法. 电子学报. 2004 . Vol32Р[4] 何友. 多传感器信息融合及应用. 电子工业出版社. 2007.12.Р[5] 韩崇昭,朱洪艳等. 多源信息融合. 清华大学出版社. 2006Р[6] 何子述,夏威. 现代数字信号处理及其应用. 清华大学出版社. 2009Р[7] 王欣,朱奇丹,孙书利. DDE的网络式多传感器信息融合Kalman滤波器.科学技术与工程.Vol.8 2008.12. Р[8] 程铮,王兴. 分布式多传感器航迹融合算法与仿真分析. 中国自控网.Р[9] 贾海涛,张伟. 数据融合综述. 综合电子系统技术教育部重点实验室2009年会会议论文集
全文预览
