丁力全,吴 楠,孟凡坤,王 静

(1.战略支援部队信息工程大学,河南 郑州 450000;2.战略支援部队兴城特勤疗养中心,辽宁 兴城 125100)

信息融合是指将来自多个传感器或多源信息通过协调优化以及综合处理,产生新的有效信息,从而获得更为准确、更可信的结果[1]。目标跟踪领域,融合系统的结构主要包括集中式融合、分布式融合方式[2]。其中,集中式融合可以获得最优融合的估计,但它存在运算量较大，容错性能不强等缺点,如果个别传感器传送错误信息,将导致估计总体性能变差或造成跟踪目标丢失等情况[3]。而分布式融合能够减小融合中心中主滤波器的运算量,并对来自传感器的信息进行有效融合。对于分布式融合系统,早期Singer等提出凸组合融合算法,当每条航迹之间不存在过程噪声且传感器初始时刻估计误差不相关时,凸组合可看作是最优算法[4]。但在实际情况下,这一假设难以得到满足,由于过程噪声的存在和局部传感器之间的误差相关性,Bar-Shalom Y和Campo L提出Bar-Shalom-Campo算法[5],将其应用在工程实际中。随后Carlson 提出联邦滤波器概念,基于信息分配原则,实现了全局最优估计[6]。该算法在计算效率和容错性方面相对上述其他算法有明显的提升。

由于空间飞行器跟踪系统的非线性极强,因此跟踪滤波器的选定应该满足非线性的运动规律。由于UKF滤波相对于EKF无论从运算量还是精度方面,在非线性系统滤波中是较好的滤波方法[7],因此,本文选用UKF滤波算法作为滤波融合的主要算法。……