一种改进的多传感器加权融合算法
多传感器二次加权融合
多传感器数据融合目的是使对目标的估计精度达到更高，但由于传感器的方差固定不变，所以，在进行融合时要考虑传感器的方差对融合权重的影响。设多传感器融合权重为：
以给出一个带有约束条件的多变量的目标函数：
改进的加权融合算法的运算流程及计算机仿真实验
算法的运算流程
1.先对多传感器中的单个传感进行处理，单传感器对一个目标不同时刻的状态估计值多采用Kalman递归滤波算法，根据初始的误差方阵P0，根据递归公式，可以计算出t个时刻的误差方阵PK(k=1, 2, ..., t)，计算出mintracePK的时刻k。
2.开始根据初始值进行递归计算，根据计算t个时刻的vt，然后根据第一步的计算，可以确定k时刻的PK最小，然后计算出最优比例权重。
3.对发散数据或是估计精度差的数据，我们根据最优比例权重，对其进行加权，根据公式(4)，计算出加权后的状态估计值(j=1, 2, ..., t)。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码