多传感器卡尔曼滤波

技术

Special TechnologyDIGITCW专题

62DIGITCW2019.09随着多传感器技术的不断发展，可利用的与导航定位相关的

位置传感器越来越多，标识着同一个物理信息的数据源也呈多样

化。在导航与定位技术领域，位置标识数据源可以包括全球导航

卫星数据、视觉传感数据、惯性传感器数据等，仅仅凭借独立传

感器检测到的信息已不能实现定位的要求。为不断提升导航定位

精度，为用户提供多维度的导航定位结果，是决定着导航与定位

性能的关键环节，具有较大的研究价值和应用潜力。

本论文基于导航定位仿真平台，通过采集用户的GNSS接收

机、视觉、惯性导航等传感器的位置数据，将这些信息输入卡尔

曼滤波器进行信息的预处理，剔除掉错误和粗差信息，再根据最

优加权融合估计算法对这些数据进行有效融合，为用户提供多维

度的导航定位结果。

1 导航定位仿真平台的结构

本仿真系统框图如图1所示，包含以下模块：传感器用户位

置数据采集模块、卡尔曼滤波与数据预处理模块、数据融合算法

模块，结果图形化显示及性能分析模块。其中传感器用户位置数

据仿真模块包含GNSS接收机、视觉传感器以及惯性导航三类位

置传感器，首先通过设置样本数量、数据范围及精度，随机传感

器仿真数据，然后采用卡尔曼滤波模型对仿真数据进行预处理，

然后进行三路传感器仿真数据滤波后的融合，最后输出数据融合结果、仿真结果图形化显示以及对各传感器定位性能进行评估。

图1 导航定位系统仿真平台结构

2 数据预处理流程

传感器数据与预处理流程如图2所示，首先通过GNSS接收

机、视觉传感器以及惯性导航对用户位置信息进行仿真，通过设

定数据误差范围及精度，给定高斯白噪声，随机生成三组仿真数

据，然后通过卡尔曼滤波模型进行数据预处理，引入相对误差和

均方根误差对预处理数据置信度和精确度进行检验，剔除错误和

粗差数据，生成更为精确可信的传感器仿真数据。

3 卡尔曼滤波数学模型

采用卡尔曼滤波器进行估计可以实现线性系统下的方案最

２０１４年第３３卷第ｌ期　传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ　ａｎｄ　Ｍｉｅｒｏｓｙｓｔｅｍ　Ｔｅｃｈｎｏｌｏｇｉｅｓ）　１１　

、　。　。　研究与探讨　、　ｃ　

交互多模型扩展卡尔曼滤波算法的ＦＰＧＡ实现　

徐经纬，刘士君　

（清华大学自动化系，北京１０００８４）　

摘要：对用于纯方位角度跟踪问题的交互多模型扩展卡尔曼滤波（ＩＭＭＥＫＦ）算法进行了研究，将其转　换为适于硬件实现的形式。在此基础上，给出了基于现场可编程门阵列（ＦＰＧＡ）的实现方案，并讨论了硬　件实现的资源优化和时间优化问题。软硬件仿真结果表明：ＩＭＭＥＫＦ硬件算法能够实现对单目标的纯方　位角度跟踪，并且在保证与软件仿真具有相当精度的前提下能大幅减少运算时间。　关键词：目标跟踪；交互多模型扩展卡尔曼滤波；现场可编程门阵列；硬件实现　中图分类号：ＴＮ９５３　文献标识码：Ａ　文章编号：１０００－－９７８７（２０１４）０１－００１１－０４　

Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆ　ＩＭＭＥＫＦ　ａｌｇｏｒｉｔｈｍ　ｏｎ　ＦＰＧＡ　

ＸＵ　Ｊｉｎｇ—ｗｅｉ，ＬＩＵ　Ｓｈｉ－ｊｕｎ　（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ａｕｔｏｍａｔｉｏｎ，Ｔｓｉｎｇｈｕａ　Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ　１０００８４，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｉｎｔｅｒａｃｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｍｏｄｅｌ　ｅｘｔｅｎｄｅｄ　Ｋａｌｍａｎ　ｆｉｌｔｅｒｉｎｇ（ＩＭＭＥＫＦ）ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｂｅａｒｉｎｇｓ—ｏｎｌｙ　ｔｒａｃｋｉｎｇ　ｉｓ　ｓｔｕｄｉｅｄ　ａｎｄ　ｔｒａｎｓｆｅｒ　ｔｏ　ｔｈｅ　ｆｏｒｍ　ｓｕｉｔａｂｌｅ　ｆｏｒ　ｈａｒｄｗａｒｅ　ｉｍｐｌｅｍｅｎｔａｔｉｏｎ．Ｏｎ　ｔｈｉｓ　ｂａｓｉｓ，ａｎ　ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｓｃｈｅｍｅ　ｂａｓｅｄ　ｏｎ　ＦＰＧＡ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｒｅｓｏｕｒｃｅ　ｏｐｔｉｍｉｚａｔｉｏｎ　ａｎｄ　ｔｉｍｅ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｉｓｓｕｅｓ　ａｒｅ　ｄｉｓｃｕｓｓｅｄ．Ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｈａｒｄｗａｒｅ・ｂａｓｅｄ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ＩＭＭＥＫＦ　ｃａｎ　ｒｅａｌｉｚｅ　ｂｅａｒｉｎｇｓ－ｏｎｌｙ　ｔｒａｃｋｉｎｇ　ｏｎ　ｓｉｎｇｌｅ　ｔａｒｇｅｔ，ａｎｄ　ｏｐｅｒａｔｉｎｇ　ｔｉｍｅ　ｉｓ　ｓｈａｒｐｌｙ　ｒｅｄｕｃｅｄ　ｗｈｉｌｅ　ｇｕａｒａｎｔｅｅ　ｔｈｅ　ｐｒｅｃｉｓｉｏｎ　ｉｓ　ｃｏｍｐａｒａｔｉｖｅ　ｔｏ　ｓｏｆｔｗａｒｅ　ｓｉｍｕｌａｔｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｔａｒｇｅｔ　ｔｒａｃｋｉｎｇ；ｉｎｔｅｒａｃｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｍｏｄｅｌ　ｅｘｔｅｎｄｅｄ　Ｋａｌｍａｎ　ｆｉｌｔｅｒ（ＩＭＭＥＫＦ）；ＦＰＧＡ；ｈａｒｄｗａｒｅ　ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　

笫３４卷笫１期　西南民族大学学报・自然　学版　ＦｅＪｏｕｒｎａｌ　ｏｆＳｏｕｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙｆｏｒＮａｔｉｏｎａｌｉｔｉｅｓＮａｔｕｒａｌ　ＳｃｉｅｎｃｅＥｄｉｔｉｏｎ　ｂ．２ｏｏ８　・　Ｖ…Ｖｕ　文章编号：１００３－２８４３（２００８）０１４）１　８４－０５　

基于区间卡尔曼滤波的多传感器信息融合　

丁维福　，－，秦超英　，杨莉　（１．西北工业大学理学院应用数学系，陕西西安７１００７２；２．北方民族大学信息与计算科学学院，宁夏银川７５００２１）　摘要：目标运行建模过程中，存在系统参数不确定的情形．将基于标准卡尔曼滤波的多传感器信息融合算法由系统参　数确定的情形推广至参数不确定的情形，给出了基于区间卡尔曼滤波的多传感器信息融合算法，解决了系统参数不确　定情形下系统状态估计的融合问题．给出的状态估计不再是目标的状态点估计，而是目标状态的区间估计．　关键词：区间卡尔曼滤波算法：多传感器信息融合；区间运算　中图分类号：ＴＩＶ２１２　文献标识码：Ａ　

１　引言　由于系统所处环境的复杂性以及现代科技对目标跟踪精度的要求越来越高，单传感器状态估计已经无法满　足系统感知外部环境的需要，采用多传感器信息融合技术对目标的状态进行预测和估计已成为目标跟踪理论发　展的趋势．　所谓多传感器信息融合就是将来自多个传感器的信息进行综合处理，从而得到比单传感器状态估计更为准　确和可靠的结论．对于参数确定的线性离散系统，研究成果很多且逐渐趋于成熟．在众多研究成果中，卡尔曼滤　波理论因在均方误差意义下的最优性和算法的递推性等优点，已经在工程应用等很多领域得到了广泛应用，成　为状态估计的一种基本方法．在量测数据给定的情况下，标准卡尔曼滤波最优估计由未知随机序列的条件期望　给出ｌｌＪ．但是，卡尔曼滤波器的结果只有在满足—定的假设条件下才是最优的：即系统模型精确已知，外部干扰　噪声均值为零，方差已知的白噪声．当系统参数不确切已知或随时间变化时，对系统状态进行估计无法直接应　用卡尔曼滤波器．关于不确定线性系统的鲁棒控制或鲁棒滤波，人们进行了广泛的研究，尤其是关于不确定线　性系统的鲁棒卡尔曼滤波至今仍然是研究的热点．目前，主要有以下几种方法：利用无穷维希尔伯特度量空间和　区间系统分析．两种方法可以解决系统参数不确定情形下目标状态估计问题，不过是以牺牲标准卡尔曼滤波的　最优性和线性无偏性质或估计误差方差阵最小等特征为代价的．为了降低问题的研究难度，对系统提出了更高　的要求，或是做了进一步的假设或重新设定了性能函数，但是缩小了算法的适用范围【２】．ＧＵＡＮＲＯＮＧ　ＣＨＥＮ在　区间概念的基础上，通过将不确定系统建成区间模型，在其他假设与标准卡尔曼滤波相同的前提下，给出了一　种不确定线性系统的目标状态估计算法，称之为区间卡尔曼滤波．在区间卡尔曼滤波的基础上，本文提出了一种　不确定线性系统目标状态估计的多传感器信息融合算法．　２区间卡尔曼滤波　２．１　区间的概念及运算　区间是指在（—∞，斗∞）内封闭的有限集合［　，ｂ］．如果将区间作为一种算子，可以定义与代数运算类似的算　法规贝『Ｊ．对于区间　，ｂ】、　，　】、　，　】，可以定义以下区间运算：　收稿日期：２００％０６・１２　作者简介：丁维福０９７９－）

第２７卷第９期　２０１７年９月　计算机技术与发展　

ＣＯＭＰＵＴＥＲ　ＴＥＣＨＮＯＬＯＧＹ　ＡＮＤ　ＤＥＶＥＬＯＰＭＥＮＴ　Ｖ０１．２７　Ｓｅｐ．　Ｎｏ．９　２０１７　

基于迭代卡尔曼滤波的传感器数据融合仿真　

韦　黔　，陈　迪　，林树靖　，仇三铭　，张同兴　

（１．上海交通大学电子信息与电气工程学院仪器科学与工程系，上海２００２４０；　

２．上海智能诊疗仪器工程技术研究中心，上海２００２４０；　

３．上海直川电子科技有限公司，上海２０１１０９）　

摘要：在对运动系统进行实时动态姿态信息检测过程中，常常需要加速度计、陀螺仪等多个惯性传感器的协同工作，因　此需要对多传感器的输出数据进行融合处理。卡尔曼滤波法是其中常用的一种数据融合算法。该算法的滤波融合精度，　

直接影响了运动系统姿态信息的精度与实时性。在研究传统的卡尔曼滤波算法的基础上，仿真分析了过程噪声协方差矩　

阵、测量噪声协方差矩阵对于卡尔曼滤波算法的滤波精度、响应时间的影响，提出了一种基于数据迭代法的卡尔曼滤波融　

合算法。该算法将多传感器数据融合后的输出再次进行迭代运算，实现了较好的融合效果。仿真实验结果表明，相较于　

传统的卡尔曼滤波算法，所提出算法的复杂度低，实时性好，同时滤波精度大幅提升。　关键词：卡尔曼滤波器；传感器数据融合；滤波精度；迭代法；仿真　

中图分类号：ＴＰ３０１．６　文献标识码：Ａ　文章编号：１６７３—６２９Ｘ（２０１７）０９—０１３７—０４　

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３—６２９Ｘ．２０１７．０９．０３０　

Ｓｉｍｕｌａｔｉｏｎ　ｏｆ　Ｍｕｌｔｉｓｅｎｓｏｒ　Ｄａｔａ　Ｆｕｓｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｉｔｅｒａｔｉｖｅ　Ｋａｌｍａｎ　Ｆｉｌｔｅｒ　

ＷＥＩ　Ｑｉａｎ　，ＣＨＥＮ　Ｄｉ　，ＬＩＮ　Ｓｈｕ－ｊｉｎｇ　，ＱＩＵ　Ｓａｎ—ｍｉｎｇ　，ＺＨＡＮＧ　Ｔｏｎｇ—ｘｉｎｇ　

（１．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｉｎｓｔｒｕｍｅｎｔ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｅｌｅｃｔｒｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，