（精密仪器及机械专业论文）基于多尺度估计理论的组合导航系统研究.pdf

基于多尺度估计理论的组合导航系统研究 摘要 本文从高精度的惯性组合导航系统的实际需求出发，提h - 5 了基于多尺 度估计理论的组合导航系统的研究课题，并对其进行了系统深入的研究。 论文的主要工作有： 分析了单传感器单模型动态系统的多尺度估计理论，结合模型的动态 系统分析和多尺度信号变换，研究了随机信号多尺度分解与估计联合算法。 将该算法用于组合导航系统中，获得了比仅在单一尺度上估计要好的效果。 基于多传感器单模型动态系统的多尺度估计理论，研究了不同尺度上 拥有不同统计特性的多尺度融合算法及多尺度分布式融合估计算法。多尺 度融合算法是在尺度i 上获得基于尺度，n 一1 ，i 上观测传感器的融合估 计，算法是由细尺度到粗尺度运行的。分布式融合估计是在最细尺度上 获得基于所有尺度上传感器的融合估计结果，算法是先分解后重构的双向 过程。为适应实际组合导航系统的需要，本文还提出了将多传感器观测系 统的类型从单一类型扩展到多类型，使得多传感器多尺度估计理论具有更 为广泛的应用。结合多尺度动态模型与多传感器观测系统，给出了一种多 尺度递归状态融合估计算法，获得了基于全局观测信息的状态的融合估计。 该算法由粗尺度向细尺度递推进行，估计结果是无偏的，并在方差最小意 义下是最优的。组合导航系统仿真证明该算法能有效地提高系统估计精度。 在离散小波变换、动态系统理论及随机过程理论的基础上，建立了以 尺度为变量的多尺度随机动态模型，并给出状态基于多尺度随机动态模型 的数据融合算法，该算法能实现对状态基于全局观测信息的最优估计，可 以在无状态模型情况下进行数据融合，适用于难以获得或获得的状态模型 不精确的情况。将此方法用于陀螺信号处理中，通过对不同尺度下的陀螺 观测值进行数据融合，陀螺输出信号的质量有明显的提高。 结合滑动中值滤波与小波去噪的方法提出滑动小波去噪的方法，该方 法不但具有小波去噪的作用，同时还能保持系统的动态性能，适合实时动 态系统的使用。将此方法用于组合系统中传感器的测量信号预处理，可进 一步提高系统精度。 哈尔滨工程人学博士学位沧文 结合多尺度估计理论的单传感器融合估计和多传感器融合估计，将这 两种估计方法应用于捷联系统的初始对准中，使得失准角估计的收敛速度 提高，误差减小，有效地提高了初始对准的性能。 奉课题在研究多尺度估计理论的基础上，将多种多尺度估计方法用于 组合导航系统的解算及初始对准的过程中，使整个系统的工作建直在刁i 同 “尺度”上，突破了单一尺度系统估计的限制。且仿真结果验证了多尺度 估计理论用于组合导航系统可有效提高系统的精度，为实际系统应用提供 了理论依据。 关键词：导航；多尺度估计；数据融合；多传感器：初始对准 基于多尺度估计理论的组合导航系统研究 a b s t r a c t c o n s i d e r i n gp r a c t i c a lr e q u e s t o f h i g hp r e c i s i o n i n e r t i a l i n t e g r a t e d n a v i g a t i o ns y s t e m ，t h i sd i s s e r t a t i o np u tf o r w a r dt h ei n t e g r a t e dn a v i g a t i o ns y s t e m b a s e do nm u l t i s c a l ee s t i m a t i o nt h e o r y ，w h i c hw a ss t u d i e ds y s t e m i c a l l ya n d d e e p l y t h em a i ns e c t i o n sw e r e a sf o l l o w s ： t h ed i s s e r t a t i o na n a l y z e dm u l f i s c a l ee s t i m a t i o nt h e o r yo fs i n g l e - s e n s o ra n d s i n g l e m o d e lo fd y n a m i cs y s t e m c o m b i n i n gd y n a m i cs y s t e ma n a l y s i sm e t h o d w i t hm u l t i c a t es i g n a lt r a n s f o r m ，am e t h o do fr a n d o ms i g n a lm u l t i s c a l e d e c o m p o s ea n de s t i m a t i o na l g o r i t h mw a sr e s e a r c h e d t h ea l g o r i t h mt h a tw a s u s e di ni n t e g r a t e dn a v i g a t i o ns y s t e mc o u l dg e tb e t t e re s t i m a t i o ne f f e c tt h a na t s i n g l es c a l e b a s i n gm u l t i s c a l ee s t i m a t i o nt h e o r yo fm u l t i - s e n s o r sa n ds i n g l e m o d e lo f d y n a m i cs y s t e m ，t i l em u l t i s e a l ef u s ea l g o r i t h ma n dm u l t i s c a l ed i s t r i b u t ef u s e , a l g o r i t h mw e r es t u d i e dr e s p e c t i v e l y t h ef o r m e rw a st h ee s t i m a t i o na ts c a l e i b a s e do no b s e r v a t i o na ts c a l e s n ，n 一1 ，i t h el a t t e rw a st h ee s t i n a a t i o na tt h e l e a s ts c a l eb a s e do no b s e r v a t i o na ta l ls c a l e s i no r d e rt os a t i s f yr e q u e s to f p r a c t i c a li n t e g r a t e dn a v i g a t i o ns y s t e m ，t h i sd i s s e r t a t i o np u tf o r w a r de x t e n d s i n g l e t y p e t o m u l t i t y p eo ft h e o b s e r v a t i o n s y s t e m t h ea l g o r i t h mm a d e m u l t i s e a l ee s t i m a t i o nt h e o r ym o r ee x t e n s i v ei na p p l i c a t i o n m a k i n gu s eo fm u l t i s c a l em o d e lf o rm u l t i s e n s o ro b s e r v a t i o ns y s t e m ， m u l t i s c a l er e c u r s i v es t a t ef u s i o ne s t i m a t i o na l g o r i t h mw a sg i v e nm a dt h e e s t i m a t i o nw a sg o t t e nb a s e do na l lo b s e r v a t i o nf i n a l l y t h e o r e t i c a l l yt h e e s t i m a t i n nw a su n b i a s e da n dt h ee s t i m a t i o ne r r o rv a r i a n c ew a so p t i m a l i n t e g r a t e dn a v i g a t i o ns y s t e m s i m u l a t i o np r o v e dt h a tt h ea l g o r i t h mc o u l d i m p r o v ee s t i m a t i o np r e c i s i o ne f f e c t n e l y c o m b i n i n gd i s c r e t e w a v e l e tt r a n s f o r m ，d y n a m i c s y s t e mt h e o r y a n d s t o c h a s t i cp r o c e s s ，m u l t i s c a l es t o c h a s t i cm o d e lw a ss e tu pr e g a r d i n gs c a l ea s v a r i a b l ea n dr e c u r s i v ed a t af u s ea l g o r i t h mw a sg i v e n t h ea l g o r i t h mc o u l d 1 1 1 哈尔滨t 程大学博士学位论文 r e a l i z et h eo p t i m a le s t i m a t i o nb a s e do na 1 1o b s e r v a t i o na n dc o u l db eu s e di nt h e s i t u a t i o nt h a th a dr i os t a t em o d e la n dm o d e li l l e g i b l e u s i n gt h ea l g o r i t h mi n d e a l i n gw i t ht h eg y r os i g n a l ，t h eo u t p u ts i g n mq u a l i t yw a si m p r o v e do b v i o u s l y b yt h ed a t af u s i o na td i f f e r e n ts c a l e u n i t i n gs l i d em e d i a n f i l t e ra n dw a v e l e td e n o i s e ，t h em e t h o do fs l i d e w a v e l e td c n o i s ew a sb r o u g h tf o r w a r d t h ea l g o r i t h mn o to n l yh a dt h ew a v e l e t d e n o i s ee f f e c tb u ta l s ok e p tt h es y s t e ma td y n a m i cp e r f o m l a n c ea n dc o u l db e u s e di nr e a lt i m es y s t e m u t i l i z i n gt h ea l g o r i t h mi ni n t e g r a t e ds y s t e ms e n s o r p r e t r e a t m e n t ，t h ep r e c i s i o nw o u l db ei m p r o v e do b v i o u s l y s i n g l e s e n s o ra n dm u l t i - s e n s o rm u l t i s c a l ee s t i m a t i o nw e r eu s e di ns i n s a l i g n m e n t ，t i m e s w e r es h o r t e n e d ，e r r o r sw e r er e d u c e da n d a l i g n m e n t p e r f o r m a n c ew e r ei m p r o v e de f f e c t i v e l y 。l h ed i s s e r t a t i o nr e s e a r c h e dt h em u l t i s c a l ee s t i m a t i o nt h c o r ya n du s e dm a n y m u l t i s c a l ee s t i m a t i o na l g o r i f l l m si ns i n s t h es y s t e me s t a b l i s h e da td i f f e r e n t s c a l em a tc o u l db r o k er e s t r i c t i o no fs i n g l es c a l e s i m u l a t i o nr e s u l tv e r i f i e dt h a t m u l t i s c a l et h e o r yu s e di n i n t e g r a t e dn a v i g a t i o nc o u l di m p r o v ep r e c i s i o na n d p r o v i d et h e o r yf o u n d a t i o nf o rp r a c t i c a ls y s t e m k e yw o r d s ：n a v i g a t i o ns y s t e m ；m i l t i s c a l ee s t i m a t i o n ；d a t af u s i o n ；m u l t i s e n s o r a l i g n m e n t v 基于多尺度估计理论的组合导航系统研究 插图和附表清单 图2 1m a l l a t 算法的分解与重构框架图， 图2 2 滤波器组 图2 3 同态二叉树 图3 1 单传感器多尺度融合算法结构图 图3 2 第种情况下原始信号和各尺度上= 的估计信号 图3 3 第二种情况下原始信号和各尺度上的估计信号 冈34 组合系统原理 图35 导航系统多尺度融合估计程序框图 图3 6 k a l m a n 滤波和2 4 ，l = 1 的多尺度滤波误差 图4 1 多尺度融合估计算法框图 图4 2 最优多尺度融合估计算法框图 图4 3 尺度z 上传感器数据更新的分解与重构算法 图4 4m r e 算法结构图 图4 5 尺度4 上的仿真图 图4 6 尺度3i ：的仿真图 图4 7 尺度2 上的仿真图 图4 8 尺度1 上的仿真图 图4 9 原始信号及各尺度上的测量信号 图4 1 0 各尺度卜的估计信号及估计误差 n 4 1l 尺度3 上的k a l m a n 估计信号和多尺度递归估计信号 图4 1 2 导航系统多尺度融合估计程序框图 图4 1 3k a l m a n 滤波及多尺度融合估计的组合导航系统的估计误差 图4 1 4 组合导航系统多尺度分布式融合估计程序框图 图4 15 组合系统同类型多传感器多尺度估计误差 图41 6 组合系统不同类型多传感器多尺度估计误差 图4 17 组合导航系统递归融合估计程序框图 x 昌凹然郇们们鲋船眈勰乃珀弛为叭辨盯宝耄 哈尔滨工程大学博士学位论文 图4 1 8 组合系统多尺度递归融合估计误差一 图5 1 尺度与时间的关系 图5 2 原始信号和尺度4 的测量信号 图5 3 尺度4 上的测量信号和融合估计信号 图5 4z 陀螺静态各尺度上采样信号及估计信号一 图5 s7 陀螺反转2 0 。s 各尺度上采样信号及估计信号 罔5 6 三尺度下的小波分解 罔5 7 滑动小波变换数据分块 陶5 8 各种滤波比较 图5 9 陀螺信号滤波比较 图5 1 0 北向运动状态下滑动中值去噪与滑动小波去噪 图6 1 静止状态失准角估计误差 图6 2 匀速运动状态失准角估计误差一 图63 加速度运动状态失准角估计误差 图6 4 摇摆运动状态失准角估计误差一 图6 ，5 静止状态失准角估计误差 图6 6 匀速运动状态失准角估计误差 图6 7 加速度运动状态失准角估计误差， 图6 8 摇摆运动状态失准角估计误差 表3 1 第一种情况下各尺度上估计信号的标准差 表3 2 第二种情况下各尺度上信号的标准筹 表3 3 仿真参数及初值 表34 第一种情况f 滤波误差的标准差 表35 第一种情况中各尺度估计精度e g k a l m a n 滤波精度提高比率 表3 6 第二种情况下滤波误差的标准差 表3 7 第种情况中各尺度估计与k a l m m l 滤波的比较一 表4i 各种情况下信号的标准差及比较 表4 2k a h n a n 滤波信号与多尺度估计信号的标准差及比较 表4 3 测量信号与估计信号的标准差 表4 4 多尺度递归融合估计 ：e k a l m a n 滤波精度提高比率 x 鲫 叭叩如引龙弱舛斟牾拍弱舛巧弘玎强 基于多尺度估计理论的组台导航系统研究 表4 5 在1 i 同情况下估计误差的标准差 表4 6 在不同情况下估计误差的标准差 表4 7 多尺度融合估计滤波精度提高比率 表4 8 在不同状态下估计误差的标准差 表4 9m r e l l k f 估计精度提高比率 表5 1 测量信号与估计信号的标准差 表5 2 估计信号比尺度4 上测量信号的精度提高比率 表5 - 3 测量信号与估计信号的标准差 表5 4 噪声及滤波信号的标准差 表5 5 噪声及滤波信号的标准差 表5 6 噪声及滤波信号的标准差 表5 7 噪声及滤波信号的标准差 表5 8 导航参数误差标准差 表5 9 导航精度提高比率 表6 1 各种状态中失准角误差 表6 2 各种状态中失准角误差精度提高比率 表63 各种状态中失准角误羞 表6 4 各种状态中失准角误差精度提高比率 x &踮黔鹕帅卯蛆烈引巧筋 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导 下，由作者本人独立完成的。有关观点、方法、数据和文 献的引用已在文中指出，并与参考文献相对应。除文中已 注明引用的内容外，本论文不包含任何其他个人或集体已 经公开发表的作品成果。对本文的研究做出重要贡献的个 人和集体，均已在文中以明确方式标明。本人完全意识到 本声明的法律结果由本人承担。 作者( 签字) ： 阂孛拘 日期：如6 年毕月伽日 第1 章绪论 第1 章绪论 1 1 课题研究的背景和意义 信息融合也称为数据融合，它是利用计算机技术对来自多传感器的探测 信息，按时序或一定准则加以自动分析和综合的信息处理过程，并完成所需 要的决策和判断。多传感器系统是其硬件基础，多传感器所给出的多源信息 是其加工对象，对多源信息的协调优化是其核心功能。多传感器数据融合是 列源自多传感器的不同时刻的目标信息和同一时刻的多目标信息的处理技 术。在军事领域中，数据融合定义为一种根据多种信息资源进行检测、互联、 相关、1 7 d , i 、信息与数据联合的多层次、多界丽的信息处理，以便获得关于 状态和属性的精确估计，以及完整的实时的态势和威胁的评估。 在现代战争中，要充分发挥武器的战斗能力，在各武器上均装备有众多 的完成各科t 功能的雷达、声纳、红外、激光和电视等多种传感器。如何将从 多传感器来的数据进行融合，使威力空域扩展，预警时间提前，反应时间缩 短，提高可靠性和可信度，增强抗硬软摧毁能力，提高反隐身和抗低空突防 能力，改善系统精度，增强c 3 t 系统的有效性，研制高速、大容量、高精度 的数据融合系统，就成为当务之急。 随着导航技术和控制理论的发展，组合导航系统拥有众多的导航传感器 模块，己构成了个多传感器导航信息系统。通过信息融合方法对多源信息 进行最优融合估计，能够有效地提高组合导航系统的精度和可靠性。 信息融合的多尺度估计理论为研究传统意义下的信号处理理论和方法提 供了全新的思想。它吸收了小波理论和卡尔曼滤波器的优点，将传统的基于 模型的动态系统分析方法与基于统计特性的信号多尺度变换和分析方法融为 一体，对信号在不同尺度上进行描述和分析，得到多尺度下的估计和辨识结 果。它可以对信号进行任意尺度上的重构或分解，提高了融合的效率和性能。 研究成果的应用将极大地提高导航系统的精度，为武器系统提供精确打击目 标的参数，有力地加强我军的作战能力。 哈尔滨工程大学博士学位沧文 1 2 信息融合概述 121 信息融合的发展史 信息融合是近十年发展起来的信息处理技术，它是将各种途径、任意时 间和任意空问上获得的信息作为一个整体进行综合分析处理，为决策及控制 奠定基础。最初信息融合技术是为满足战争的需求而发展起来的，目前军事 领域仍然是信息融合的最大应用领域，也是发展最快的领域之一。酋先提出 信息融合概念的是美国。早在1 9 7 3 年，美国研究机构就在国防部的 导下开 始了声纳信号理解系统的研究，信息融合技术在这一系统中得到了最早的体 现。1 9 8 4 年，美困国防部成立了信息融合专家组，指导、组织并侨调有关这 一关键技术的系统性研究。1 9 8 8 年以来，美国国防部把信息融合列为重点研 究的2 0 项关键技术之一。此后，发达国家纷纷开展信息融合系统的研究，相 继出现了几十个实战型军用信息融合系统。1 9 9 2 年，美国提出建设全球指挥 控制系统( o c c s ) ，1 9 9 6 年已具有初始作战能力并参与了“沙漠之狐”和科 索沃战争。2 0 0 2 年提出全球信息栅格( g l g ) 计划。它是根据美国国防部在刚 络、计算、操作和信息保障领域提出的创新设想而实施的一项信息基础结构 政策倡议，是美闷国防部实现信息优势的主要目标之一。g i g 的建设，将实 现全军信息共享，为网络中心战、信息优势、决策优势和最终全面主宰战场 提供实现的基础，从而提高战斗力。早期，信息融合技术着重于研究增强计 算能力，有效的联合数据和改进传感器群的性能，并且主要是钊对军事应用； 随着计算机技术、通讯技术的发展，它得到了惊人的发展，并开发出了一些 实用的系统，如预警系统、多目标跟踪和导航系统、武器指挥和控制系统、 情报保障系统、军事力量的评估和指挥系统等，这些成果在伊拉克、科索沃 及阿富汗战争中得到了很好的验证。正如美国国防与卫星号家劳伦汤姆逊所 说：“信息不仅是一件武器，还是一种能够改变战争文化和态势的高新技术， 它能改变一切。”在伊拉克战争中，各类卫星不仅对陆、海、空、天武器系统 起支援作用，而且通过数据链路将卫星系统和空中预警机、指挥控制机等不 同信息系统连通起来，形成了网络中心战所需的信息系统，比以往任何一场 战争都更加体现信息化战争的特点。在这场战争中，美军更加有效地应用卫 第1 覃绪论 星，通过有效的数据链路，将卫星功能有机地整合起来，在太空中形成对伊 军的绝对优势。美军能够在数分钟内进行侦察、识别并击毁伊军陆地机动装 备，这。切应归功于网络中心战的网络化信息系统。美军在计算处理能力与 高速数据传输能力上取得了长足的进步，这使得美军能够获取持续的战场态 势图，并做出快速灵活的战场决策。可以说这是场在多维空间进行的信息 化战争。目前，除了军事系统外，它也成功的应用于机器人、自动化生产、 遥测遥感等非军事领域。我国在这一方面的研究起步较晚，很多还处于研究 阶段，但在智能移动机器人、防灾信息综合系统以及各种军用信息融合系统 研究方面也有了很快的发展。例如，2 0 0 3 年，中科院自动化所成功研制了集 多种传感器、视觉、语音识别与会话功能于一体的移动机器人“c a s i a i ”。 2 0 0 2 年，水利部水利信息中心、中国科学院遥感应用研究所等部门领导研发 的防汛抗旱水文气象综合业务系统获得成功。同年具有国际先进水平的 多目标综合数据管理和决策支持系统“澜沧江( 湄公河) 区域综合开发和协调 信息管理与决策支持系统”，由清华大学、云南省地理研究所合作开发成功。 1 2 2 信息融合的概念 就多传感器系统来说，信息融合简单地说就是利用计算机技术对按时序 获得的若干传感器的观测信息在一定准则下自动的加以分析、综合，完成相 关决策和统计任务而进行的信号处理过程。多传感器信息融合的基本原理和 出发点就是充分利用多个传感器的资源，通过对这些传感器及其观测信息的 合理支配和使用，把多个传感器在空间和时间上的冗余或互补信息依据某种 准则进杼组合，以获得被测对象的一致性解释或描述，使该系统具有比它的 各单个组成部分更好的性能和更高的可靠性，为决策服务。 1 2 3 信息融合的算法 对于多传感器系统来说，信息具有多样性和复杂性，因此对信息融合方 法的基本要求是具有鲁棒性和并行处理能力，以及融合方法的运算速度和所 能达到的精度。目前信息融合方法可概括为随机类和人工智能类两大类型。 随机类有加权平均法、卡尔曼滤波法、贝叶斯估计、统计决策法、聚类分析 哈尔滨工程大学博十学位论文 法、小波变换法、d s 证据推理等；而人工智能类则有模糊聚类理论、专家 系统、神经网络等。嗣前已有不少研究工作将人工智能方法引入随机类方法 中，如神经网络与卡尔曼滤波的结合、与d s 证据推理理论的结合、e _ j t j - , 波 变换的结合等。 一、随机类方法： 夺贝叶斯推理：把每个传感器看作一个贝叶斯估计器，用于将每一个 目标各自的关联概率分布综合成一个联合后验分布函数，随着观测 值不断更新假设的联合分布似然函数，并通过该似然函数的极大或 极小值进行信息的最后融合。 夺d s 证据理论：d s 证据理论拓宽了贝叶斯理沦，解决了一般水平的 不确定性问题。根据人的推理模式，采用概率区问和不确定区间来 确定多证据f 假设的似然函数，还能计算任意假设为真条件下的似 然函数值，因而具有较大的应用前景。d s 证据理论能融合不同层 次上的属性信息，能区分不确定性信息与未知性信息，能较好地解 决报告冲突，容错能力强，在信息融合技术中得到，、泛的应用。 夺估计理论：估计理论包含比较广，主要有经典的 f l i i 汁理论，如：最 大似然估计、贝叶斯估计等，以及最优估计理论，如卡尔曼滤波、 鲁棒估计等，其中特别是卡尔曼滤波器在组合导航系统中应用非常 广泛，技术也相当成熟。 夺熵法：就是用熵的概念计算与假设有关的信息内容度量值，在对采 用经验或主观概率进行备选假设估计的系统中有广泛的应用。 夺基于小波变换的多传感器信息融合：小波变换的多尺度和多分辨率 特性可在信息融合中起到数据融合、特征提取的作用。近年来，小 波变换在图像边缘检测、图像融合和图像分类中得到广泛的应用。 利用小波进行边缘提取，并在此基础上进行图像匹配，其效果均优 于其它边缘检测算法。另外，小波变换亦成为图像融合算法研究的 焦点，在对可见光图像和红外图像融合研究中己有不少工作。 二、人工智能方法 夺基于神经网络的多传感器信息融合：神经网络模型与信息融合模型 有很人的相似，利用神经网络进行信息融合具有明显的优势。神经 4 第1 章绪论 网络具有良好的容错性、层次性、可塑性、自适应性、联想记忆和 并行处理能力，近年来神经网络技术已被广泛地应用于信息融合、 故障诊断及其它各个领域，将神经网络与其它方法相结合进行信息 融合技术的研究效果显著，已形成一种研究趋势。 夺基于模糊聚类的信息融合：模糊聚类多用于图像融合与图像边缘检 测。聚类是按照1 定的标准对用一组参数表示的样本群进行分类的 过程。模糊聚类的过程也就是样本中的特征参数被融合，样本按标 准被分类的过程。当选定一种相似性度量、差别检验以及停止规则 后就可得到一种特定的聚类分析算法。一般来讲，相似性度量的定 义、聚类算法的选择、数据的排列方法，甚至输入数据的次序都可 能影响聚类的结果。因此，在使用聚类分析法时应对其有效性和可 重复性进行分析，以形成有意义的属性聚类结果。 夺专家系统【2 ：专家系统作为人工智能的一个应用分支，在信息融合系 统中得到了广泛的应用，它是智能控制发展中个很有应用前途的 方向，是基于控制专家的专业知识和实践经验的总结和利用。它采 用知识表达技术建立知识模型和知识库，利用知识推理制定决策， 将知识信息处理技术与控制技术相结合，模仿人的智能行为。它的 最大的优点是可以模拟专家的经验知识、决策及推理过程，并用知 识库技术构造模型，产生一系列规则，从而可以完成态势估计、指 挥决策等复杂任务，一般用于较高层次模型中。这种方法改变了过 去传统的控制系统设计中单纯依靠数学模型的局面，对于难以用精 确数学模型表达的时变的、非线性的、干扰因素多的大型复杂系统 有良好的效果。 1 2 4 多传感器系统信息融合估计 在假设各个状态的估计是相互独立的前提下，s i n g e rr t 3 】首次研究了多传 感器信息估计问题，尽管存在定的缺憾，s i n g e rr 的研究标志着多传感器 信息融合估计研究的开始。接下来的几年中，不同的信息融合估计算法相继 出现。比较成功的多传感器信息融合估计方法早期主要有w i n n e r ，4 ，等人提出 哈尔滨工程大学博士学位论文 的集中式多传感器k a l m a n 滤波算法和h a s s a n s 等人提出的最优k a l m a n 滤波 分散化计算方法及c h o n gr s 提山的分层估计。 b a r s h a l o me - 提出了一种“分布式状态融合”算法，并且讨论了过程噪声 对融合方差的影响。该算法的原理是先使用一组k a l m a n 滤波器对每个传 感器的测量进行滤波，得到各个传感器对状态的估计值，然后用线性估计原 理得到最终的令局融合估计。分布式估计具有非常有效的数据处理方法，是 多传感器系统数据处理的重要方式。它可以将大系统分割成小系统，从而改 变全局最佳估计的数掘处理结构，有利于计算机实时并行处理。由多个局部 融合节点分担融合中心的很多讨5 算负荷以及数据传输量的大大降低，使大系 统的实现成为可能，同时也增强了系统的可靠性。分布式估计研究的内容主 要是如何把融合估计分解成若干个局部估计，以及由局部估计怎样组合成最 佳全局融合估计的问题。目前，“分布式状态融合”算法的融合中心有两种融 合规则，一种是前面提到的用线性估计原理对估计状态进行融合；另平十是 以最小二乘估计为原理对估计状态进行融合【h 】。c h a n g i ，蛆过研究二者原理上 的区别，指出前者是次优的，而后者在最小均方差意义e 是最优的。 除了分布式状态融合，目前存在的另种融合估计算法是首先将各个传 感器的测量数据融合，再在唯一的一个融合中心进行状态估计，一般称这种 估计方法为“集中式融合估计”。现在，k a l m a n 滤波器是各个传感器测量数 据融合中使用比较广泛的估计方法。通常融合中心也有两种，一种是用线性 加权的方法，另一种是直接将各个测量数据合并组成一个扩展的测量数组。 如果测量矩阵相同，则基于两种测量数据融合的不同融合估计方法性能相同， 否则，后者的估计性能优于前者。 1 3 多尺度估计理论 1 3 1 多尺度估计理论的提出及发展 多尺度系统理论是在信号的多尺度表示理论基础上建立起来的，而多尺 度或多分辨率现象在控制系统、信号处理等很多领域中广泛存在。在过去t 年间，小波分析理论已在数据压缩、语音处理、子带编码等领域中得到了成 第1 章绪论 功的应用。小波分析的核心内容之一多尺度理论形成于2 0 世纪8 0 年代 后期。在信号的多尺度表示方而，以m i t 的as ，w i l l s k y 教授为首的研究小 组作了一系列探索性工作，其方法对信号的时间尺度分解呈现出一种自然分 解方式，另外一些应用实例也表明，摹于这种表示有可能建立起有效的、最 优的信息处理算法。 1 9 9 0 年2 月m i t 的a s w i l l s k y 教授、法国数学家a b e n v e n i s t e 和 r n i k o u h a h 在第2 9 届i e e e 控制与决策会议上首次提出了多尺度估计理沦 ( m u l f i s c a l es y s t e mt h e o r y , m s t ) 】，建立了多尺度系统理论的基本框架，开创 了多尺度系统理论的先河。 k e n n e t hc c h o u ，a l a ns w i l l s k y 和a l b e r tb e n v e n i s t e 等人基于二叉树定 义的尺度到尺度的动态结构，发展了随机过程多尺度建模的新方法1 1 1 - 12 ，。在此 基础上，经过进一步的研究，他们用小波变换把多尺度动态模型转换成一组 简单、解耦的动态模型，得到了一种有效的、尺度递归的、基于不同尺度噪 声数据融合的最优估计算法m 。 1 9 9 4 年到1 9 9 5 年间，w i l l s k y 等人又提出了基于多尺度信息线性逆问题 求解的概念。5 1 。1 9 9 6 年，m b a s s e v i l l e ，a b e n v e n i s t e 和a s w i l l s k y 给出 了由小波变换对信号进行分解产生的相应统讨框架，从而促进了最优多尺度 统计信号处理算法的研究”。1 9 9 9 年w i l l s k y 对随机过程提出了多尺度随机 现实问题的新思想，发展了基于小波逼近的内部m r a 模型m 】。 进入2 l 世纪，多尺度系统理论更得到了广泛的应用，其中w r i g h ts t a t e u n i v e r s i t y 的l a n gh o n g 教授等人以目标跟踪、目标状态估计等为背景，在多 尺度理论及应用方面做出了卓有成效的工作。分别研究了单一采样速率下的 多尺度传感器系统和不同尺度上拥有不同采样率传感器对同一目标的运动参 数进行观测的系统，得到了多传感器信息融合算法，这些研究工作进一步发 展和完善了多尺度系统理论，同时也丰富了多传感器信息融合理论。 近年来，国内学者也十分关注多尺度估计理论的发展。西北工业大学的 文成林教授近年来一直致力于多尺度估计理论的研究，将多尺度算法与具有 先验信息的动态系统估计理论、辨识理论相结合，建立起了多尺度估计理论 ( m s e t ) 框架，完成动态系统多尺度估计理论预测、滤波和平滑算法。并且开 展了动态系统多尺度变换的有效性分析、动态系统状态的多尺度估计、多尺 哈尔滨工程大学博士学位论文 度随机建模与多尺度自回归过程的参数化估计、多尺度线性逆问题求解，以 及多尺度强跟踪滤波理论等系列的研究i ：作，并已取得了一些研究成果 6 26 s 。 在多尺度估计方面，国内很多学者也在进行这方【 | f 的研究并取得了喜人 的成果。以毛士艺为首的研究小组重点研究了用于目标识别的数据融合技术， 在算法方面主要采用了分层融合算法并讨论了其性质m 6 7 1 。以邓自立为首的 研究小组在k a l m a n 滤波的基础上研究状态估计中的多传感器信息融合的算 法，给出了许多次优k a l m a n 滤波器，并比较了其优缺点，以及避免算法发 散的方法，证明了部分算法的收敛性 6 87 0 l 。西北工业大学潘泉所在的研究小 组在多传感器信息融合用于状态估计、目标跟踪方面也做了大量的研究工作 m 7 2 1 。 13 2 多尺度融合估计理论 多尺度系统町分为两大类： 静态( s t a t i c ) 多尺度系统，简称s m s 。 动态( d y n a m i c ) 多尺度系统，简称d m s 。 s m s 己有十多年的发展历史，其研究内容为多尺度统计信号的处理，最 为有效且较为普遍应用的为由b a s s e v i l l e ，w i l l s k y ，c h o u 等人发展而来的多 尺度自回归( m u l t i s c a l ea u t o r g r e s s i v e ，m a r ) 框架和多尺度平滑估计算法，其 后的众多研究大多基于以上的工作。d m s 的研究内容为动态多尺度系统状态 的实时估计，其研究成果远不如s m s 丰富，虽已初步形成理沦框架和相应的 最优估计算法m ：m ，但其具体实现方法还很不完备，这正是后续工作要做的 事情。 多传感器信息融合系统是通过有效地利用多传感器资源，来最大限度地 获取被探测目标和环境的信息量。为了给融合提供更加确切的依据，假定这 些传感器分布于不同的尺度七，尺度的定义方法使得传感器之间满足一定的 关系，这样便产生了多尺度融合。所以，多尺度融合也是一种多传感器融合， 它是在多传感器融合的基础之上增加了更多的先验假设条件。融合过程需要 借助尺度关系来完成。 m i c h e l eb a s s e v i l l e ，a l b e r tb e n v e n i s t e ，k e n n e t hc c h o u ，s t u a r ta ( o l d e n ， r 第1 章绪论 r a m i n en i k o u h a h 和a l a ns w i l l s k y 等人利用多尺度分析中的分解和重建公 式，对随机信号进行了深入细致的分析和研究，给出了随机信号多尺度建模 的数学框架以及统汁意义下移位不变性和尺度不变性等概念m ，。 多尺度系统理论为我们研究传统意义下的信号处理理论和方法提供了全 新的思想。把多尺度系统理论同传统的估计理论相结合，提出了多尺度理论 新的研究方向一多尺度估计理论( m u l t i s c a l ee s t i m a t i o nt h e o r m e s t ) 。多尺度 估计理论( m e s 。1 1 ) 与基于传统贝叶斯等方法的单源或多源信息估计和融合方 法相比，具有以下特点： 1 ，将传统动态系统的估计理论、辨识方法、小波分析理沦、随机过程和 数理统计理论结合为一体，从一定意义上讲，m e s t 把基于模型的动态系统 分析方法同基于统计特性的信号多尺度变换和分析方法相结合，把小波变换 作为连接在不同尺度上模型和信号的桥梁，将动态系统的模型信息引入多尺 度系统理论，开辟了多尺度系统理论新的研究方向。 2 通过对已获取信号的细尺度重构和粗尺度分解，建立相应尺度的组 模型，对已获取信号在不同尺度上进行有效的描述和分析，得到多尺度f 的 估计和辨识结果，进一一步将这些结果进行综合处理。在传统的估计和辨识系 统中，对具有确定尺度传感器获取的信号，估计器或辨识算法往往只在已确 定的尺度上进行处理。当估计器或辨识算法是基于动态系统模型而建立时， 动态系统模型是单一的。 3 可以对已获取信号进行任意尺度。上的重构或分解，从而获得对信号在 不同尺度的描述，这使得我们有希望探讨比传统融合方法更精细和灵活的结 构，以提高融合效率，改善性能。 1 4 组合导航系统的研究 14 1 导航系统简介 在舰船、飞机、导弹、宇宙飞船等载体上，导航系统是必不可少的重要 设备。导航所需要的最基本的导航参数就是载体的即时位置、速度和姿态信 息。可用于导航的设备、技术、方法有很多，但主要可分为：天文导航系统、 哈尔滨工程大学博上学位论文 惯性导航系统、无线电导航系统和卫星导航系统等。 ( 1 ) 惯性导航 惯性导航系统( i n e r t i a ln a v i g a t i o ns y s t e m ，i n s ) 是二十世纪初才发展起来 的干十导航方法。基本原理是根据牛顿提出的相对惯性空间的力学定律，利 用陀螺、加速度计等惯性敏感元件感受运行体在运动过程中的角加速度和线 加速度，通过计算机进行积分运算，得到运动体的位置、速度和姿态等导航 参数。随着1 9 4 2 年，德国科学家裴纳豪德在v 2 火箭上第一次装e 了初级型 的惯性导航系统，这创举把惯性导航系统的研究推进到个迅速发展的阶 段。 惯性导航系统是一种不依赖任何外部信息，也刁i 具有向外辐射能力的自 主式导航系统。这就使它不但具有良好的隐蔽性，而且其工作环境不仅包括 空中、地球表面，还可以在水下，这对于军事应用来说有很重要的意义。系 统所