一种基于多传感器的复合量测IMM-EKF数据融合算法

叶瑾; 许枫; 杨娟; 王佳维

doi:10.3969/j.issn.0372-2112.2020.12.006

您当前的位置：

首页 >

文章列表页 >

一种基于多传感器的复合量测IMM-EKF数据融合算法

学术论文 | 更新时间：2025-12-08

- 一种基于多传感器的复合量测IMM-EKF数据融合算法
- A Composite Measurement IMM-EKF Data Fusion Algorithm Based on Multi-sensor
- 电子学报 2020年48卷第12期页码：2326-2330
- 作者机构：
  
  1. 中国科学院声学研究所,北京,100190
  2. 中国科学院大学,北京,100049
  3. 中国科学院声学研究所,北京,100190
  4. 中国科学院大学,北京,100049
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.41527901）;国家重点研发计划项目 (No.2017YFC0821202）;中国科学院战略性先导科技专项 (No.XDA13030604）
- DOI：10.3969/j.issn.0372-2112.2020.12.006
  中图分类号： TN953
- 网络出版：2020-12-25，
  
  纸质出版：2020
- 稿件说明：
移动端阅览
叶瑾, 许枫, 杨娟, 等. 一种基于多传感器的复合量测IMM-EKF数据融合算法[J]. 电子学报, 2020,48(12):2326-2330.

YE Jin, XU Feng, YANG Juan, et al. A Composite Measurement IMM-EKF Data Fusion Algorithm Based on Multi-sensor[J]. Acta Electronica Sinica, 2020, 48(12): 2326-2330.
叶瑾, 许枫, 杨娟, 等. 一种基于多传感器的复合量测IMM-EKF数据融合算法[J]. 电子学报, 2020,48(12):2326-2330. DOI： 10.3969/j.issn.0372-2112.2020.12.006.

YE Jin, XU Feng, YANG Juan, et al. A Composite Measurement IMM-EKF Data Fusion Algorithm Based on Multi-sensor[J]. Acta Electronica Sinica, 2020, 48(12): 2326-2330. DOI： 10.3969/j.issn.0372-2112.2020.12.006.

摘要

为了提高多传感器系统的目标跟踪精度，且解决传感器数量多导致的耗时长的问题，提出了一种复合量测IMM-EKF（Interacting Multiple Model-Extended Kalman Filter）融合算法.该算法根据各传感器的测量精度，对各传感器关于同一目标的量测点迹进行加权融合，再将融合后的点迹进行IMM-EKF滤波处理.通过仿真及实验数据处理，将复合量测IMM-EKF融合算法与加权IMM-EKF融合算法、扩维IMM-EKF融合算法进行了对比分析，比较了三种算法的跟踪精度及耗时长度.结果表明，扩维IMM-EKF融合算法具有最优的跟踪精度，复合量测IMM-EKF融合算实时性最好.最后分别给出了三种算法的适用场合.

Abstract

In order to improve the target tracking accuracy of multi-sensor system as well as solve the problem of long processing time due to the multiple sensors

a composite measurement IMM-EKF (Interacting Multiple Model-Extended Kalman Filter) data fusion algorithm is proposed. According to the measurement accuracy of each sensor

the algorithm weights and fuses the measurement of all sensors with respect to the same target

and performs the IMM-EKF filtering process on the merged measurement. The composite measurement IMM-EKF algorithm is compared with the weighted IMM-EKF algorithm and the extended dimension IMM-EKF algorithm in tracking accuracy and processing time through simulation and experiment data processing. The result shows that the extended dimension IMM-EKF algorithm has the best tracking accuracy while the composite measurement IMM-EKF algorithm needs the shortest processing time. The adapted occasions of the three fusion algorithms are given in the end.

关键词

Keywords

references

浏览量

108

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

引入输入估计的交互式多模跟踪算法

基于STF的"当前"统计模型及自适应跟踪算法

利用数值微分构造机动目标跟踪的估计模型:原理和应用

毫米波辅助机载激光通信

基于多维动态拓扑学习图卷积的骨架动作识别