【多传感器信息融合结构概述1300字】

多传感器信息融合结构概述目录TOC\o"1-3"\h\u15379多传感器信息融合结构概述 130548第一节引言 131518第二节集中式融合结构 19806第三节分布式融合结构 215241第四节序列式融合结构 3第一节引言从结构上分，多传感器信息融合可分为集中式、分布式和序列式，并在这三种结构的基础上衍生出了其他新的融合结构。本章将分别介绍这三种最基本的多传感器信息融合结构的组成与优缺点，为后续章节对本文工作的介绍作铺垫。第二节集中式融合结构集中式融合结构（CentralizedFusionStructure，CFS）包含多个传感器和一个融合中心，传感器用于测量数据。若假设参与融合的传感器共有L个，则可绘制出如图2.1所示的结构图。图2.1集中式融合结构由图2.1可知，每个传感器会将每时刻的测量值一并传送到融合中心进行集中式的融合，融合中心将按预先设计好的融合算法进行融合，得到融合结果。因为利用了所有传感器的原始测量数据进行融合，所以采用集中式融合结构的信息融合方法将会有更高的精度。在传感器正常工作没有发生故障时，集中式融合结构的信息融合方法可以得到全局最优估计。但采用集中式融合结构的信息融合方法具有较弱的鲁棒性和灵活性。若有某个传感器出现故障，错误的数据将会直接传送给融合中心，此时其融合结果将会受到较大影响[9]。此外，受其融合算法设计的影响，集中式融合结构需要消耗较大的计算资源[6]。因此集中式多传感器信息融合方法可能难以应用在某些资源受限的系统中。第三节分布式融合结构分布式融合结构（DistributedFusionStructure，DFS）包含多个传感器、估计器和一个融合中心，若假设参与融合的传感器和估计器各有L个，则可绘制出如图2.2所示的结构图。图2.2分布式融合结构由图2.2可知，在分布式融合结构中，每个传感器首先将其当前时刻的测量值分别传送给对应的估计器，得到状态的估计值及估计误差的协方差，也就是对状态的局部估计。然后，由融合中心对估计器传送的，当前时刻的状态估计进行融合，得到融合值。一般情况下，计算分配给各个状态估计的权值需要计算任意两个传感器之间的互协方差。图中“协方差1,2”表示第1与第2个传感器之间的互协方差。区别于采用集中式融合结构的信息融合方法，采用分布式融合结构的方法将基于各个传感器得到的各个局部的状态估计进行融合，而不是原始的测量结果。由于局部状态估计本身与真实值可能存在一定的偏差，且局部状态估计在进行估计时利用的信息也较为有限，因此采用分布式结构的信息融合方法相较采用集中式结构的方法来说精度要更低。但因其并行式的架构，采用分布式融合结构的方法具有更强鲁棒性和灵活性，传感器的故障检测与分离等可能的需求也更加容易实现[6,9]。第四节序列式融合结构序列式融合结构（SequentialFusionStructure，SFS）包含多个传感器、估计器和一个融合中心。若假设共有L个传感器和估计器。若假设共有L个传感器与估计器，则其结构图如图2.3所示。图2.3序列式融合结构由图2.3可知，在序列式融合结构中，每个估计器将局部状态估计发送到融合中心，由融合中心按一定的次序对各个局部状态估计进行融合，得到融合结果。考虑其结构特点，若对L个局部状态估计进行融合，则第L-1个融合结果即为序列式融合结果的最终结果。基于集中式与分布式融合结构的融合算法大多在一步内对所有测量或局部状态估计进行融