基于异类传感器观测信息融合的UKF算法  

UKF algorithm based on heterogeneous sensor observation information fusion

作　　者：杨菁华 熊智[1] 刘建业[1] YANG Jing-hua;XIONG Zhi;LIU Jian-ye(Navigation Research Center,School of Automation,Nanjing University of Aeronautics and Astronautics,Nanjing 211100,China)

机构地区：[1]南京航空航天大学自动化学院导航研究中心,江苏南京211100

出　　处：《传感器与微系统》2019年第3期131-133,共3页Transducer and Microsystem Technologies

基　　金：国家自然科学基金资助项目(61673208;61533008;61533009;61374115;61703208);装备预研项目(30102080101);江苏省"333工程"科研资助立项项目(BRA2016405);留学人员择优资助项目(2016年);江苏省六大人才高峰资助项目(2013-JY-013);江苏省自然科学基金资助项目(BK20170815;BK20170767);航空科学基金资助项目(20165552043;20165852052);中央高校基本科研业务费专项资金资助项目(NZ2016104;NS2017016;NP2017209;NZ2017001;NJ20170005);江苏高校优势学科建设工程资助项目;江苏省"物联网与控制技术"重点实验室基金资助项目;航空电子系统综合技术重点实验室资助项目

摘　　要：针对传统的目标跟踪无迹卡尔曼滤波(UKF)滤波算法中,多传感器信息融合的前提是所有的传感器观测信息及维数相同,不适用于由多异类传感器组成的观测系统,提出一种改进的UKF滤波算法,以多异类传感器观测量扩展融合后的融合信息为新观测量建立混合坐标系下的非线性测量方程。通过仿真验证,提出的算法可以有效降低目标定位误差。Aiming at problem that in traditional target tracking unscented Kalman filtering(UKF)algorithm,premise of multi-sensor information fusion is that all sensor observations and dimensions are the same,but it is not suitable for observation systems composed of multiple heterogeneous sensors,an improved UKF filtering algorithm is proposed.In this algorithm,a nonlinear measurement equation in a mixed coordinate system is established by observing fusion information of multiple heterogeneous sensor observations for observation.The simulation results show that this algorithm can effectively reduce target localization error.

关 键 词：异类传感器 信息融合 无迹卡尔曼滤波 目标定位 

分 类 号：V11[航空宇航科学与技术—人机与环境工程]