摘要：针对目标跟踪时传感器系统资源有限问题,提出一种传感器组合自适应选择算法。从接收回波信号模型出发,建立基于扩展卡尔曼滤波的信息融合模型;通过设置期望协方差得到对应的期望信息增益,将各传感器的信息增益与期望信息增益进行比较;依次选择最优(即最接近期望信息增益)传感器组合对目标进行跟踪,直至满足跟踪精度要求。仿真结果表明,与现有的多传感器融合算法相比,所提算法能够自适应选择最优跟踪传感器,提高跟踪精度,节省系统资源。

摘要：针对多传感器非线性系统数据融合问题,提出一种基于逆协方差交叉的多传感器扩展卡尔曼滤波算法。首先,利用扩展卡尔曼滤波算法将非线性系统线性化,获得局部稳态扩展卡尔曼滤波器,并描述其扩展信息形式;其次,为了解决互协方差对非线性系统下滤波融合结果的影响,并引入协方差交叉算法和逆协方差交叉算法;最后通过分析两种算法误差协方差阵的大小范围,给出了逆协方差融合算法的精度分析。对纯方位目标跟踪系统进行仿真实验,验证了算法的可行性。