信息融合技術(shù)在移動機器人定位中的應用研究.pdf

1、多傳感器信息融合技術(shù)是對多源數(shù)據(jù)進行檢測、相關(guān)、組合和估計，是一種多層次、多方面的處理過程，為了完成信息的不確定性，以便更準確、更全面的了解和描述被測對象，從而做出正確的判斷，提高系統(tǒng)的魯棒性。
　　本文主要的研究工作是多傳感器信息融合理論。主要工作如下：
　　首先介紹了多傳感器信息融合技術(shù)的基本模型和結(jié)構(gòu)，闡述了信息融合在移動機器人領(lǐng)域中的應用研究，重點介紹了其在機器人定位跟蹤中應用。
　　其次，建立移動機器人運動模

2、型、傳感器觀測模型和噪聲模型，簡單分析了多傳感器信息融合常用算法。對多傳感器信息融合領(lǐng)域中基于狀態(tài)估計技術(shù)的信息融合方法擴展卡爾曼濾波、粒子濾波進行深入分析。
　　接著，分析設計了擴展卡爾曼濾波融合的方法和步驟，建立了擴展卡爾曼濾波的數(shù)據(jù)融合模型，給出擴展卡爾曼定位流程圖，設計基于EKF信息融合的定位仿真實驗，并用Matlab軟件設計實現(xiàn)。通過仿真實驗驗證EKF融合傳感器信息在移動機器人定位的有效性。
　　再次，本文針對在系

3、統(tǒng)定位的應用粒子濾波融合時，沒有統(tǒng)一的數(shù)據(jù)融合的通用形式，提出一種基于信息融合的多傳感器分布式粒子濾波算法。該算法首先利用分區(qū)粒子濾波計算局部傳感器的狀態(tài)估計值，然后利用標量加權(quán)融合對系統(tǒng)局部狀態(tài)估計值進行信息融合，得到系統(tǒng)狀態(tài)的最優(yōu)估計。仿真結(jié)果表明基于分區(qū)的PF與基本PF和EKF濾波相比，提高了濾波的性能和精度。同時，將本文提出將分區(qū)重采樣應用于EKPF算法重采樣階段，提出PEKPF算法，仿真結(jié)果表明與基本EKPF相比濾波性能得到一