1 / 106
文档名称:

[优秀论文]状态信息融合算法研究.pdf-硕士论文.pdf

格式:pdf   页数:106页
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

[优秀论文]状态信息融合算法研究.pdf-硕士论文.pdf

上传人:化工机械 2013/4/17 文件大小:0 KB

下载得到文件列表

[优秀论文]状态信息融合算法研究.pdf-硕士论文.pdf

文档介绍

文档介绍:上海交通大学
硕士学位论文
状态信息融合算法研究
姓名:姜兴彤
申请学位级别:硕士
专业:控制理论与控制工程
指导教师:李建勋
20080101
上海交通大学硕士学位论文
状态信息融合算法研究

摘要

信息融合(Information Fusion)亦称为多传感器信息融合,是通过对
来自多种类传感器的数据进行多级别、多方面、多层次的处理与综合,以
期获得比单传感器更丰富、更精确、更可靠的有用的信息。近 20 年来,随
着传感器技术的迅速发展和多传感器系统的大量涌现,多传感器信息融合
技术获得了广泛的研究和发展。目前,信息融合特别是状态信息融合已经
广泛应用在空中交通管制、国防、海港监控、机器人视觉、遥感、气象预
报和智能交通等领域。
在状态信息融合的研究中,人们发现许多过程都具有多尺度特征或多
尺度效应,传统的单一尺度上进行分析无法表现这些信号中丰富的时频信
息。随着对信息精度要求的日益提高,这个问题也相应的日益突出。所以,
对子波域信息融合算法的相关研究已经迫在眉睫。近年来,小波变换的引
入为了这一问题的解决提供了有力的工具。
本文主要内容是完成课题中状态信息融合算法的研究与应用。本文的
研究主要涉及小波变换理论,多尺度信号滤波和基于多尺度的多源信息融
合等。
本文的主要工作成果主要包括以下三个方面:
(1)在按线性最小方差最优信息融合准则下,提出了一种多传感器修
正加权最优信息融合算法。该加权融合算法修正了按矩阵加权信息融合算
法的误差,在提高融合精度的同时降低了计算复杂度。机动和非机动目标
的融合仿真证明了该算法的实用性。
上海交通大学硕士学位论文
(2)对子波域多尺度滤波及信息融合进行了研究。首先分析了基于小
波变换的多尺度分解滤波,提出了子波域多传感器并行统一线性加权最优
融合准则和子波域多传感器按修正加权最优融合估计算法。新的滤波算法
充分体现了多尺度分析的思想,突破了单一尺度融合的局限,将时域内滤
波融合推广到了子波域滤波融合,具有较强实际应用价值。
(3)开发信息融合软件包。信息融合软件包 RadSys 是上海交通大
学智能信息处理与控制实验室自行开发的专门用于雷达红外数据融合演示
系统的软件。该软件提供了对本文算法的演示功能,能够对单目标、编队
多目标进行多种跟踪滤波算法的性能评估。随着研究的深入进行,本系统
的功能还将进一步扩展。


关键词:信息融合,小波变换,修正加权,统一线性融合,多尺度滤波
上海交通大学硕士学位论文
INVESTIGATION ON STATE INFORMATION FUSION

ABSTRACT

Information fusion, also called multi-sensor information fusion, is a
multi-level, multi-layer process of information from different sensors, in order to
get more abundant, accurate, reliable information. During the recent 20 years,
we have obtained many achievements from the development of sensor
technology and improvement of multi-sensor systems development. The
information fusion, especially state information fusion, applied widely in air
traffic control, national defense, seaport supervision, rebot vision, remote
sensing, airport forecast and artificial traffic.
In the research of information fusion, people discovered many processes
have the multiscale characteristic or multiscale effects, traditional single scale's
analysis can't express the abundant time information in these signals,