A Robust Interacting Multisensor State Fusion Based on Adaptive Outlier Controlling Multirate Model

An adaptive outlier controlling multirate model based on Hong’s multirate kinetic model was represented in order to resist the outliers and utilize their useful information. Wavelet transform was introduced to detect and control the outliers. The multirate information extraction and the controlling of outliers were properly integrated to establish an adaptive outlier controlling multirate model. The proposed model was applied to multisensor state fusion with interacting multiple model (IMM), and a robust interacting multisensor state fusion algorithm was established based on adaptive outlier controlling multirate model. The Monte-Carlo simulation shows that it could improve the accuracy of fusion estimation by 70% compared to Hong’s algorithm and at least 14% to Xiao’s algorithm.     

一种新的异类多传感器系统误差融合估计算法

为解决由测向测时差无源被动传感器与主动传感器组网探测时异类多传感器系统误差估计问题,提出了一种新的异类多传感器系统误差融合估计算法.首先,通过对主被动传感器进行组合并构建异类传感器系统误差量测模型,实现了各组合传感器系统误差的实时估计;其次,通过建立多传感器融合估计结构,对多传感器系统误差的组合估计信息进行融合并反馈,获得了各传感器系统误差的全局融合估计.蒙特卡罗仿真结果表明:该算法能够对组网探测系统中各主、被动传感器的测向测时差及测距系统误差进行有效的融合估计,具有较高的工程应用价值.     

测量噪声相关情况下的航迹融合和测量融合

研究了测量噪声相关情况下的航迹融合和测量融合问题,根据线性无偏最小方差估计理论,推导了噪声相关情况下的多传感器跟踪系统的航迹融合和测量融合算法.经Monte Carlo仿真表明,文中给出的考虑噪声相关的航迹融合和测量融合算法的跟踪精度均高于相应的不考虑噪声相关的传统算法,且附加的计算量很小.     

基于改进UKF的BDS/IMU组合列车定位方法

为提高列车定位的精确性和连续性,采用北斗卫星接收机和惯性测量单元构建车载组合定位系统.针对多传感器组合定位信息融合估计的非线性和鲁棒性需求,将抗差估计理论的等价权原理应用于标准无迹卡尔曼滤波(unscented Kalman filter,UKF)算法,构造了一种改进的UKF算法,通过对标准UKF算法的噪声协方差进行等价替换,从而起到调节滤波增益的作用,使得滤波算法对传感器观测粗差具有较强的抑制能力.将改进的UKF算法与标准UKF算法应用于列车组合定位进行仿真比较,结果表明:传感器无观测异常时,改进UKF算法的滤波精度总体上略优于标准UKF算法;当传感器观测值含有随机粗差时,改进UKF算法的滤波精度及稳定性明显优于标准UKF算法,北向、东向位置平均估计误差分别降低了48.5%、48.8%,北向、东向速度平均估计误差分别降低了43.7%、48.9%.     

基于自适应加权平均融合的路段行程时间估计

在固定检测器和浮动车数据的路段行程时间估计基础上,利用两种估计方法数据之间的互补性,应用自适应加权平均融合算法对估计结果进行融合处理,从而实现对路段行程时间更为精确的动态估计.以大连市中心城区为主要研究对象,通过交通调查和VISSIM仿真环境实现对固定检测器和浮动车的数据收集和行程时间估计.结果显示自适应加权平均融合能够有效提高路段行程时间估计精度,且适用于不同流量状态下的路段行程时间估计.     

列车轮对状态的融合监测系统

为了提高列车轮对故障诊断准确率和改善现有列车轮对状态在线监测方法的不确定性, 结合多传感器信息融合原理, 设计了列车轮对融合监测系统, 采用特征层融合自适应加权算法进行了轮对状态融合监测, 以自适应的方式寻求最优加权因子, 使状态测量值总均方误差最小, 比较了特征层融合自适应加权算法、模糊数据关联算法、变结构多模的状态估计算法和BP神经网络算法的计算结果。比较结果表明: 当轮对两端轴承均出现故障后, 两传感器输出的测量值分别为22.0470和21.0250, 而此融合算法计算出的估计值为4.2642, 融合值最接近真值, 因此, 列车轮对融合监测系统可靠性高, 抗干扰性强。     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。     

道路坡度识别方法的技术实现

笔者在动态识别道路坡度角的多传感器信息融合方法的数学模型基础上 ,介绍采用数字信号融合和模拟信号融合两种技术方法实现其融合算法 ,以达到识到坡度角的目的 .     

基于CKF的GNSS/INS列车组合定位鲁棒滤波算法

针对列车组合定位融合估计的非线性以及鲁棒性问题, 分析了GNSS/INS列车组合定位的基本原理和系统结构, 给出了非线性滤波算法CKF的基本过程, 通过将H_∞鲁棒滤波思想应用于标准CKF, 提出了一种基于CKF的新型鲁棒滤波算法, 从滤波器收敛判别及误差H∞范数界鲁棒性判别两方面探讨了滤波器的自主状态监测, 并采用青藏铁路实测数据对算法进行了验证。分析结果表明: 在该实测数据条件下, 所提算法平均估计误差与标准UKF、CKF相比, 分别降低了7.13%、4.85%;约束水平从31.5到1315.0时, 估计误差均方根增大了8.56%, 估计精度变化趋势较平缓, 该算法有效。     

基于EKF的自动泊车系统位姿估计算法设计

利用车辆2个后轮轮速信号和方向盘转角信号,基于扩展卡尔曼滤波技术设计一种车辆位姿估计算法,并在veDYNA中仿真试验。仿真结果表明,算法的估计精度比较理想,可满足泊车系统对自身车辆定位的需求。以定位精度2 cm（1σ）的GPS信号为参考,实车试验结果表明,位置估计误差控制在3%以内,此精度的估计结果可以为泊车系统提供车辆定位信息,为增强泊车安全性奠定基础。     

基于传递闭包聚类的多传感器航迹关联算法

在分布式多传感器数据融合系统中.航迹关联是关键技术之一,也是实现航迹融合的前提,航迹关联判定的准确性将直接影响到整个融合系统的性能.文中针对多传感器多目标航迹关联同题,提出了基于传递包模糊聚类的多传感器航迹关联算法.该算法利用基于模糊统计量的传递团包聚类法,选择航迹的位置、速度等信息为聚类指标,对来自多传感器的航迹数据进行聚类.计算航迹相似矩阵,利用平方法求出航迹相似矩阵的传递闭包,并根据该传递闭包确定航迹关联对.仿真试验结果表明,该方法能有效地实现多传感器、多目标航迹关联.     

一种杂波环境下的多传感器多目标数据关联算法

研究了多传感器多目标的数据关联问题，提出了杂波环境下多传感器多目标跟踪的极大似然关联算法．算法中考虑了传感器对目标的漏检情况，在各个观测站传感器的观测数据不完备的情况下，建立了传感器测量与目标的可行关联分配模型，并综合采用了假点的后验概率比模型，提高了多传感器对同一目标测量的互补性和对弱信号目标的跟踪精度．理论分析和仿真实验结果表明，所提出的算法可实现杂波环境下对弱目标的持续跟踪，并且在确保航迹关联性能和较好跟踪效果的基础上，降低了算法的运算量．     

Outlier Rejecting Multirate Model for State Estimation

IntroductionMeasured data is often contaminated by noisein state estimation.Kalman filter is a powerfultool for signal extracting.It is especially efficientin estimating spatially inhomogeneous signal whenthe noise is Gaussian.Due to process noise or non-stationary environment,the measured data is usu-ally corrupted by outliers.The performance is de-graded seriously.Generally,there are two kinds ofapproaches to handle this problem.Outlier can bedetected based on renovation[1],then be replace…     

Outlier Rejecting Muitirate Model for State Estimation

Wavelet transform was introduced to detect and eliminate outliers in time-frequency domain. The outlier rejection and multirate information extraction were initially incorporated by wavelet transform, a new outlier rejecting multirate model for state estimation was proposed. The model is applied to state estimation with interacting multiple model, as the outlier is eliminated and more reasonable multirate information is extracted, the estimation accuracy is greatly enhanced. The simulation results prove that the new model is robust to outliers and the estimation performance is significantly improved.     

调频高斯小波变换在INS/GPS系统中的应用研究

在INS/GPS系统中,对组合导航系统中各传感器进行有效的在线故障检测是保证信息融合算法可靠运行的关键.小波分析在突变检测上有其独特优势.据此,文中以某型INS和MS860 GPS组合系统试验数据进行分析处理,利用调频高斯小波变换方法后,系统航向误差方差由原来的0.1°减小到0.03°,速度的发散也极大地得到抑制.因此,调频高斯小波变换方法有效解决了INS/GPS中在线软故障检测的难题, 提高了INS/GPS系统组合EKF滤波的稳定性和精度.     

基于多时间尺度的城市轨道交通短时OD估计

基于状态空间模型构建了城市轨道交通短时OD估计的多模型组合方法,估计早晚高峰期间15 min内进站客流的去向目的站.组合模型以不同时间尺度下的进站客流分流率为状态变量,并利用历史数据预估其中通勤客流的分流率,然后通过交互多模型算法加权融合不同时间尺度下的分流率估计结果.以北京地铁为案例,研究表明:早高峰期间的15 min分流率估计误差的平均值和最大值分别为16.4%和21.8%,晚高峰期间分别为22.7%和24.6%,比既有文献的估计误差减小了约一半.本文的研究成果可为实时的线网客流分布预测提供更准确的输入数据,以辅助运营管理部门实现客流预警和应急响应.     

基于RSSI的无线传感器网络加权质心定位算法

节点定位是无线传感器网络中的关键技术之一．文中通过对无线电传播路径损耗模型的分析，提出了加权质心定位算法，用信标节点对未知节点的不同影响力来确定加权因子，以提高定位精度．并且在理论分析的基础上，提出了优选信标节点进行节点定位计算的规则，以此进一步提高节点定位精度．加权质心定位算法计算简单，定位过程中节点问无通信开销．节点定位精度较常用的极大似然估计算法高，具有较普遍的应用意义．     

交通信号控制参数的仿真优化方法研究

为优化区域交通网络中各信号控制器的配时方案,利用递推最小二乘算法(RLS)和同时扰动随机近似(SPSA)算法,由检测器流量估计DynaCHINA动态网络交通仿真与分析系统的动态OD矩阵,输入并标定各路段的速度-密度模型参数和饱和流量,获得网络状态的准确估计,包括各路段的速度、密度、流量、队列长度等;在此基础上,利用SPSA算法优化各信号控制器配时参数,包括各信号控制器的周期、相位差和绿信比,使得网络中车辆的平均旅行延误、队列长度、或交叉口通过量等指标最优. 针对实际路网的测试表明,本文的参数标定方法可以获得准确的检测器流量估计,结果明显优于Ashok K的动态OD矩阵与检测器流量估计方法;与现有的基于Synchro信号配时优化软件获得的结果相比较,该方法可较大幅度缩短车辆在路网中的平均旅行延误,并可推广应用于更复杂的区域路网的信号控制参数优化等场合.     

Mean shift registration algorithm for dissimilar sensors

The mean shift registration (MSR) algorithm is proposed to accurately estimate the biases for multiple dissimilar sensors. The new algorithm is a batch optimization procedure. The maximum likelihood estimator is used to estimate the target states, and then the mean shift algorithm is implemented to estimate the sensor biases. Monte Carlo simulations show that the MSR algorithm has significant improvement in performance with reducing the standard deviation and mean of sensor biased estimation error compared with the maximum likelihood registration algorithm. The quantitative analysis and the qualitative analysis show that the MSR algorithm has less computation than the maximum likelihood registration method.     

基于Capton最小功率估计的方位角估计算法

在麦克风阵列信号处理中,通常假定信号源发出的信号经过传播到达不同麦克风阵元时,信号满足平面波传播模型.在此模型基础上,为解决基于麦克风阵列语音增强系统中方位角的估计问题,提出了一种基于Capton最小功率估计的方位角估计算法.仿真结果表明与传统的波束形成算法比较,该算法具有较高的方位角分辨率.