基于遗传算法的协方差交叉融合算法研究
作者单位:黑龙江大学
学位级别:硕士
导师姓名:郝钢
授予年度:2022年
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080202[工学-机械电子工程] 08[工学] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:协方差交叉(CI)融合算法 遗传算法 BP网络 容积卡尔曼滤波算法
摘 要:多传感器融合估计是状态估计领域重要的组成部分,在航空航天、导航制导、目标识别和智能制造等领域中有着重要应用价值。对于多传感器系统,当子系统间互协方差阵已知时,在线性最小方差意义下可获得最优矩阵加权、对角线加权和标量加权等融合。然而在实际应用中,通常会存在互协方差未知的情况,如何有效地解决互协方差未知的融合估计问题成为研究的重点和难点。因此针对互协方差未知的多传感器系统,本文的主要研究工作如下:(1)在批处理协方差交叉(Batch Covariance Intersection,BCI)融合算法的框架下,用正定对角阵代替原有的标量权系数,提出了对角阵权系数CI(DCI)融合算法。该算法较经典CI融合算法结构更加灵活,具有更高的融合精度。并在理论上证明了该算法的无偏性,鲁棒性以及精度关系。(2)提出了基于遗传模拟退火算法和BP神经网络的联合优化方案。通过离线训练BP网络,在线融合估计,避免了融合时的加权系数的优化过程,同时“过滤掉了局部最优值,所以提高了系统的实时性和融合精度。(3)提出了快速对角阵权系数CI(FDCI)融合算法,并证明了所提出FDCI算法的无偏性及鲁棒精度。该算法无需进行多权系数的非线性代价函数的优化问题,进而大大降低了计算负担,提高了系统的实时性,更适用于非线性等复杂的互协方差未知的多传感器系统。针对数据不同步传输的情况,提出了序贯快速对角阵权系数CI融合算法,并推导出了该算法的批处理形式和相关定理。其次,结合CKF算法提出了快速对角阵权系数协方差交叉融合容积卡尔曼滤波算法,该算法可有效解决互协方差信息未知的非线性多传感器系统的融合估计问题。