多传感器融合及其应用
后续会更新部分算法详细内容
多传感器融合及其应用
1.引言
现代雷达信息处理技术
现代雷达信息处理技术分为三个层次:雷达信号处理与目标检测、但不雷达数据处理和多部雷达系统数据融合。有时也分别称为雷达信息一次处理、雷达信息二次处理和雷达信息三次处理。
1.雷达信号处理和目标检测
雷达信息一次处理的作用是在杂波、噪声和各种有源或无源干扰的背景中,提取有用信息,即提升信号,抑制杂波,噪声和干扰,提高信噪比,比较高的概率发现目标。
总会有一部分早搏和干扰信号楼过去,称为杂波剩余。
2.单雷达数据处理
处理单元的输入时前端送来的点迹,点迹是数据处理的对象。
对一次处理给出的点迹与数据库中的航迹进行关联,然后进行外推、滤波等处理。以对给出的点迹进行估计并形成航迹,这一过程我们称之为跟踪。
数据处理时所用到的滤波技术包括:α−β\alpha - \betaα−β 滤波器、自适应α−β\alpha - \betaα−β 滤波器、α−β−γ\alpha-\beta -\gammaα−β−γ 滤波器、卡尔曼滤波器、扩展卡尔曼滤波器、自适应卡尔曼滤波器、多模型滤波器等。
利用的是同一部雷达、不同的扫描周期、不同距离单元的信息。二次处理的功能是在一次处理的基础上,实现对多目标的滤波、跟踪,对目标的运动参数和特征参数估计。
3.多雷达数据融合
信息处理中心接收各部雷达送来的点迹或航迹,对它们继续进行数据处理。称为多雷达数据处理或多传感器融合。
每部雷达送来的数据,称为局部航迹,融合之后形成的航迹称为全局航迹或系统航迹。融合又分为点迹融合和航迹融合。集中式网络采用点迹融合,分布式结构采用航迹融合。点迹融合性能高,但处理量大。
它是二次处理的扩展和延伸。
数据融合的定义
- 对多个层次上的对多源信息进行处理,每个层次代表的信息处理的不同级别;
- 数据融合的过程:检测,关联,跟踪,估计和综合;
- 数据融合过程的结果包括低层次上的状态估计和属性估计,以及高层次上的战场态势和威胁评估;
数据融合的通用模型
分为四个级别处理。
第一级处理包括数据和图像的的配准、关联、跟踪和识别。
第二级处理包括态势提取、态势分析和态势预测,统称为态势评估。
第三级处理威胁评估,包括综合环境判断、威胁等级判断及辅助决策。
第四级处理优化融合处理,包括优化利用资源、优化传感器管理和优化武器控制。
传感器的组成
多传感器融合系统的输入包括三个基本分量:
- 传感器的观测数据;
- 操纵员或用户输入的数据或命令;
- 来自数据库的先验数据;
从功能上看,传感器主要分为七个单元:能量发射单元、能量接收单元、传感器引导与控制单元、信号调节单元、信号处理单元、数据处理单元和信息输出单元。
传感器的特征描述
每个传感器都有一组描述它的特征参数:探测性能、空间和时间的分辨率、空间覆盖范围、探测与跟踪模式、目标复现率、测量精度、测量维数、硬/软数据报告、检测与航迹报告等。
传感器管理
空间管理、工作方式管理、时间管理、频谱管理、传感器的选择与优化布站、传感器对目标的指示与交接等。
数据融合的分类
像素级、特征级、决策级融合
数据关联的方法
最邻近数据关联(NNDA)
落在关联门之内并且与被跟踪目标的预测位置“最邻近”的观测点迹作为关联点迹。
最邻近,在统计意义上离被跟踪目标的预测位置最近。
概率数据关联(PDA)
只要是有效回波,就都有可能源于目标,只是每个回波源于目标的概率有所不同。
概率数据关联滤波器(PDAF):概率数据关联和卡尔曼滤波结合
联合概率数据关联(JPDA)
目前公认的在杂波环境中对多目标进行跟踪的最理想的方法之一,但是他的计算开销大。
当且仅当落到某目标关联区内,他才被认为是有效回拨,都则拒绝。在进行观测目标和有效回波形成一个“联合分布的矩阵”。(与PDA不同的地方标红)
联合概率数据关联滤波器(JPDAF):联合概率数据关联和卡尔曼滤波结合
交互多模型法(IMM)
在计算出各模型为正确的后验概率后,通过对各模型正确时的状态估计加权求和来给出最终的目标估计,加权因子为模型正确时的后验概率。
全局最邻近数据关联(JVC)
变量C来表示每个点迹与航迹之间的概率距离,即不相关的概率,反映了系统的状态估计没有落入关联门的概率。求 min{∑i=1n∑j=1mCijxij}\min\{ \sum_{i=1}^n \sum_{j=1}^m C_{ij}x_{ij}\}min{∑i=1n∑j=1mCijxij}。
简易联合概率数据关联(CJPDA)
写出了航迹 i 与点迹 j 之间的关联概率。
模糊数据关联(FDA)
利用隶属度,进行观测点迹分配给航迹。
准最佳联合概率数据关联(SJPDA)
最邻近联合概率数据关联(NNJPDA)
“全邻”最优滤波法
多假设法(MHT)
航迹分裂法
最大似然数据关联(MLDA)
多传感器融合及其应用相关推荐
- 传感器融合带来多重好处
传感器融合带来多重好处 Sensor fusion brings multiple benefits ADAS(特别是与汽车传感器的发展趋势相吻合的汽车自动驾驶系统).这个概念本身并不新鲜:在Goog ...
- 多传感器融合:自动驾驶(下)
多传感器融合:自动驾驶(下)
- 多传感器融合:自动驾驶(上)
多传感器融合:自动驾驶(上)
- 无人驾驶传感器融合技术
无人驾驶传感器融合技术 多传感器融合 多传感器融合要求: 1 )硬件层面:数量要足够,也就是不同种类的传感器都要配备,才能够保证信息获取充分且有冗余: 2 )软件层面:算法要足够优化,数据处理速度要够 ...
- 多传感器融合(算法)综述
多传感器融合(Multi-sensor Fusion, MSF)是利用计算机技术,将来自多传感器或多源的信息和数据以一定的准则进行自动分析和综合,以完成所需的决策和估计而进行的信息处理过程. 1. 基 ...
- 自动驾驶软件工程之目标检测以及传感器融合
1. 目标检测 2. 传感器融合部分
- 多传感器融合技术简介
单一传感器获得的信息非常有限,而且,还要受到自身品质和性能的影响,因此,智能机器人通常配有数量众多的不同类型的传感器,以满足探测和数据采集的需要.人们提出了多传感器融合技术多传感器融合又称多传感器信息 ...
- 解读基于多传感器融合的卡尔曼滤波算法
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自|3D视觉工坊 卡尔曼滤波器是传感器融合工程师用于自动驾驶 ...
- 自动驾驶多模态传感器融合的综述
作者丨黄浴@知乎 来源丨https://zhuanlan.zhihu.com/p/470588787 编辑丨3D视觉工坊 arXiv在2022年2月6日上传的综述论文"Multi-modal ...
- 自动驾驶中的9种传感器融合算法
来源丨AI 修炼之路 在自动驾驶汽车中,传感器融合是融合来自多个传感器数据的过程.该步骤在机器人技术中是强制性的,因为它提供了更高的可靠性.冗余性以及最终的安全性. 为了更好地理解,让我们考虑一个简单 ...
最新文章
- 为什么Internet选择分组交换而不是电路交换_交换机和路由器的区别有哪些?
- 别用symbolicatecrash来解析crash Log了
- 漫步数学分析四——集合内部
- centos 程序 mysql_Centos 源码安装 MySQL
- Mitchell Baker:担任 Mozilla CEO 是我最艰难的职业
- Linux发展历史图
- Cobbler详解(四)——CentOS7系统导入
- Java正则表达式判断一个字符串是否是ipv4地址
- python 反弹shell,加了UDP
- ATFX:中国8月CPI同比2.5%,货币政策仍有宽松空间
- 资料:《大学英语》精读修订版(全六册)原文及全文翻译
- The Porter Stemming Algorithm
- WEB-漏洞总结(sql注入详解)
- 十分感谢--致谢好友的
- 28 篇论文、6 大主题带你一览 CVPR 2020 研究趋势
- 软件测试自动化分类,自动化测试的主要分类
- 快速实现抖音的分享登录(android)
- 两台计算机组装在一起,好看又实用 手把手教你把两台电脑装在一起
- 手写简易版链表及原理分析
- javascript设计模式-门面模式(facade pattern)
热门文章
- 51单片机c语言学习感想,学习51单片机心得体会
- 深度优先搜索DFS详解2(非常详细,容易理解)
- 安卓直播间websocket协议破解还原
- JavaSE学习笔记(十)IO流_part2
- redis中以层级关系、目录形式存储数据
- mysql 创建 unique key_MySQL-创建表时一起使用时,“ PRIMARY KEY”,“ UNIQUE KEY”和“ KEY”的含义...
- 如何用Python快速优雅的批量修改Word文档样式?
- BIP语言介绍(一)
- word批量插入某目录下的所有图片及图片名称
- 计算机6种文件格式,中国象棋电脑PGN文件格式