導(dǎo)語(yǔ)：觀測(cè)支持度動(dòng)態(tài)加權(quán)融合算法分析一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢(xún)客服老師，歡迎參考。

摘要：為對(duì)無(wú)人機(jī)通過(guò)各種同類(lèi)傳感器獲取的數(shù)據(jù)進(jìn)行融合處理，得到更精確的導(dǎo)航數(shù)據(jù)，提出一種動(dòng)態(tài)加權(quán)融合算法。引入觀測(cè)支持度的概念對(duì)傳統(tǒng)的平均加權(quán)算法進(jìn)行改進(jìn)，通過(guò)計(jì)算各傳感器測(cè)量數(shù)據(jù)間的相互支持度信息，并依據(jù)觀測(cè)支持度的變化特征，實(shí)時(shí)動(dòng)態(tài)更新融合權(quán)重進(jìn)行多傳感器數(shù)據(jù)的融合。將算法應(yīng)用到實(shí)際飛參數(shù)據(jù)的分析處理，結(jié)果表明：該算法能夠根據(jù)傳感器數(shù)據(jù)特征實(shí)時(shí)調(diào)整權(quán)重分配，融合結(jié)果較傳統(tǒng)的平均加權(quán)算法更加準(zhǔn)確、可靠。

關(guān)鍵詞：飛參數(shù)據(jù)；觀測(cè)支持度；動(dòng)態(tài)加權(quán)；數(shù)據(jù)融合

隨著無(wú)人機(jī)技術(shù)和自動(dòng)控制技術(shù)的不斷發(fā)展，無(wú)人機(jī)在各領(lǐng)域的應(yīng)用也不斷擴(kuò)展。自主導(dǎo)航技術(shù)是無(wú)人機(jī)自主控制的重要組成部分，為增強(qiáng)系統(tǒng)可靠性，提高導(dǎo)航數(shù)據(jù)精度，無(wú)人機(jī)上的各類(lèi)硬件設(shè)備通常會(huì)采用冗余設(shè)計(jì)[1-2]。以高度測(cè)量為例，無(wú)人機(jī)可通過(guò)GPS、無(wú)線電高度計(jì)以及氣壓高度計(jì)來(lái)獲取當(dāng)前飛行高度。對(duì)于各傳感器傳回的數(shù)據(jù)，飛控算法中有一套仲裁程序。算法根據(jù)傳感器類(lèi)型和用戶(hù)定義，給每個(gè)傳感器確定一個(gè)優(yōu)先級(jí)，然后根據(jù)優(yōu)先級(jí)，采用優(yōu)先級(jí)高的傳感器數(shù)據(jù)。如Pixhawk開(kāi)源飛控對(duì)于高度傳感器的優(yōu)先級(jí)定義為：無(wú)線電高度計(jì)＞氣壓高度計(jì)＞GPS，當(dāng)無(wú)線電高度計(jì)正常工作時(shí)，氣壓高度和GPS高度是不會(huì)被飛控采用的，這就造成了數(shù)據(jù)信息的浪費(fèi)[3]。通過(guò)適當(dāng)?shù)財(cái)?shù)據(jù)融合算法對(duì)不同傳感器獲取的數(shù)據(jù)信息進(jìn)行互補(bǔ)、優(yōu)化處理，可以得到精度更高、更可靠的結(jié)果。目前常見(jiàn)的數(shù)據(jù)融合方法有加權(quán)平均法、卡爾曼濾波法、貝葉斯估計(jì)法以及Dempster-Shafer(D-S)證據(jù)理論等。傳統(tǒng)的加權(quán)平均法實(shí)現(xiàn)簡(jiǎn)單、計(jì)算復(fù)雜度低，但權(quán)值固定，對(duì)于隨時(shí)間波動(dòng)大的數(shù)據(jù)融合效果不佳。為改善數(shù)據(jù)融合效果，筆者提出了許多改進(jìn)的加權(quán)算法。文獻(xiàn)[4]提出了一種改進(jìn)的自適應(yīng)隨機(jī)加權(quán)算法，利用測(cè)量數(shù)據(jù)的相對(duì)波動(dòng)變化，自適應(yīng)調(diào)整融合權(quán)重，能得到較好的融合效果。文獻(xiàn)[5]提出一種基于對(duì)異常數(shù)據(jù)檢測(cè)的自適應(yīng)加權(quán)算法，篩除了瞬時(shí)性、偶發(fā)的異常數(shù)據(jù)對(duì)融合結(jié)果的影響，提高了融合結(jié)果的準(zhǔn)確度。文獻(xiàn)[6]針對(duì)多傳感器非線性隨機(jī)系統(tǒng)的數(shù)據(jù)融合問(wèn)題提出了一種基于無(wú)跡卡爾曼濾波的自適應(yīng)衰落融合算法，通過(guò)局部估計(jì)來(lái)計(jì)算全局最優(yōu)估計(jì)，提高了非線性隨機(jī)系統(tǒng)數(shù)據(jù)融合的適應(yīng)性和魯棒性。文獻(xiàn)[7]結(jié)合神經(jīng)網(wǎng)絡(luò)和擴(kuò)展卡爾曼濾波，對(duì)無(wú)人機(jī)多傳感器數(shù)據(jù)進(jìn)行融合，估算無(wú)人機(jī)位置信息，能夠得到較準(zhǔn)確的結(jié)果。D-S證據(jù)理論對(duì)于先驗(yàn)概論未知且存在不確定性的問(wèn)題，具有較好的融合效果，但在證據(jù)間存在較大沖突時(shí)，會(huì)產(chǎn)生相悖的融合結(jié)果[8-10]。筆者結(jié)合觀測(cè)值信息和自適應(yīng)加權(quán)理論，提出一種基于觀測(cè)支持度的動(dòng)態(tài)加權(quán)融合算法。通過(guò)計(jì)算傳感器測(cè)量值間的相互支持度信息，得出各傳感器與其他所有傳感器的支持度信息，再根據(jù)當(dāng)前時(shí)刻前的一個(gè)時(shí)間段內(nèi)的觀測(cè)支持度變化特征進(jìn)行權(quán)重的動(dòng)態(tài)調(diào)整，對(duì)觀測(cè)支持度高、波動(dòng)小的傳感器賦予更高權(quán)重，反之則降低權(quán)重。最后根據(jù)更新后的權(quán)重對(duì)各傳感器的數(shù)據(jù)進(jìn)行融合處理，得到最終融合結(jié)果。通過(guò)實(shí)際飛參數(shù)據(jù)的分析處理表明，該算法能夠得到較好的數(shù)據(jù)融合結(jié)果。

1觀測(cè)支持度

對(duì)于某個(gè)待測(cè)參數(shù)X，在一段時(shí)間內(nèi)通過(guò)n個(gè)傳感器直接測(cè)量得到測(cè)量值{Z1,Z2,…,Zn}，其中列向量Zi的長(zhǎng)度由采樣頻率和時(shí)間長(zhǎng)度決定，第i個(gè)傳感器在t時(shí)刻的測(cè)量值可表示為:(1)式中：X為待測(cè)參數(shù)的真實(shí)值；vi(t)為第i個(gè)傳感器在t時(shí)刻的測(cè)量誤差，誤差的先驗(yàn)知識(shí)未知。顯然當(dāng)2個(gè)傳感器在t時(shí)刻的測(cè)量值z(mì)i(t)和zj(t)相差越大，則兩者之間的相互支持度越低；反之，相差越小，則相互支持度越高。(2)通過(guò)計(jì)算傳感器兩兩之間的支持度，可以得到t時(shí)刻各個(gè)傳感器間的支持度矩陣：

2動(dòng)態(tài)加權(quán)融合算法

傳統(tǒng)的加權(quán)平均算法中，賦予某個(gè)傳感器測(cè)量值的權(quán)值是固定的，當(dāng)傳感器狀態(tài)發(fā)生改變時(shí)，原來(lái)的權(quán)值可能就不適用于當(dāng)前狀態(tài)。因此，通過(guò)引入觀測(cè)支持度來(lái)實(shí)時(shí)監(jiān)測(cè)各個(gè)傳感器測(cè)量值的狀態(tài)，以此來(lái)分配權(quán)重，從而實(shí)現(xiàn)融合權(quán)重的實(shí)時(shí)調(diào)整，避免了因傳感器本身狀態(tài)改變帶來(lái)的影響。式(4)反映了傳感器i在t時(shí)刻測(cè)量值與其他傳感器測(cè)量值的一致性。由于測(cè)量誤差和野值的存在，使得某一時(shí)刻的觀測(cè)支持度不能完全反映出傳感器的狀態(tài)。取當(dāng)前時(shí)刻及其前面一段區(qū)間上的觀測(cè)支持度，當(dāng)觀測(cè)支持度大且波動(dòng)小時(shí)，則反映在該段區(qū)間上傳感器的狀態(tài)較好，應(yīng)該賦予更大的權(quán)值，反之權(quán)值應(yīng)該減小。

3飛參數(shù)據(jù)實(shí)例分析

3.1時(shí)間對(duì)齊

筆者使用的飛參數(shù)據(jù)來(lái)自Pixhawk開(kāi)源飛控，該飛控以順序采樣的方式對(duì)各輸入數(shù)據(jù)源的數(shù)據(jù)進(jìn)行采樣，參數(shù)的重要程度不同，采樣頻率也不同。重要數(shù)據(jù)采樣頻率高，次要數(shù)據(jù)采樣頻率則較低，如IMU的采樣頻率為20Hz，遙控通道采樣頻率為10Hz，GPS數(shù)據(jù)采樣頻率則只有5Hz，因此在同一段飛參數(shù)據(jù)中，各參數(shù)的采樣時(shí)間以及數(shù)據(jù)長(zhǎng)度是不一致的[11]。為便于后續(xù)數(shù)據(jù)處理和研究分析，需使用統(tǒng)一的時(shí)間軸，通過(guò)插值或擬合等方法，對(duì)“短”的數(shù)據(jù)進(jìn)行補(bǔ)充，對(duì)“長(zhǎng)”的數(shù)據(jù)進(jìn)行刪減，這一過(guò)程稱(chēng)為時(shí)間對(duì)齊。下面采用3次樣條插值對(duì)飛參數(shù)據(jù)進(jìn)行時(shí)間對(duì)齊操作?！皹訔l”概念最早產(chǎn)生于制圖過(guò)程，為在各個(gè)離散的已知點(diǎn)之間繪制出平滑的曲線，工程師會(huì)將一條有彈性的木條(即“樣條”)固定在各個(gè)點(diǎn)上，固定點(diǎn)之間木條無(wú)約束，這樣即可得到一條過(guò)所有已知點(diǎn)，任意2個(gè)固定點(diǎn)間由3次曲線連接，固定點(diǎn)處曲線連續(xù)且三階可導(dǎo)的樣條曲線。1946年，Schoenberg對(duì)這一過(guò)程進(jìn)行總結(jié)，提出“樣條”的概念，并引入數(shù)學(xué)領(lǐng)域。

3.2融合算法的實(shí)現(xiàn)

動(dòng)態(tài)加權(quán)融合算法流程如圖2所示。如表1所示，提取一段時(shí)長(zhǎng)為40s的平飛數(shù)據(jù)，對(duì)GPS、氣壓高度計(jì)以及無(wú)線電高度計(jì)測(cè)量的高度數(shù)據(jù)進(jìn)行時(shí)間對(duì)齊處理。采用傳統(tǒng)的加權(quán)平均算法和基于觀測(cè)支持度的改進(jìn)算法對(duì)數(shù)據(jù)進(jìn)行融合處理，數(shù)據(jù)融合結(jié)果如圖4所示。在傳統(tǒng)加權(quán)平均算法中，3個(gè)傳感器測(cè)量值權(quán)重相等，均為1/3。在筆者提出的算法中，各傳感器測(cè)量值的權(quán)重根據(jù)測(cè)量值波動(dòng)動(dòng)態(tài)分配如圖5所示。對(duì)比以上各圖曲線發(fā)現(xiàn)，在(1,136)數(shù)據(jù)區(qū)間，2種算法的融合結(jié)果區(qū)別不大，這是因?yàn)樵谶@個(gè)區(qū)間內(nèi)3個(gè)高度傳感器的測(cè)量值波動(dòng)較小，測(cè)量值接近，觀測(cè)一致性高；因此3個(gè)測(cè)量值分配權(quán)重也相近，融合結(jié)果與3個(gè)傳感器測(cè)量值權(quán)重相等時(shí)的結(jié)果相近，具體如圖5所示。在(137,255)數(shù)據(jù)區(qū)間上，傳統(tǒng)加權(quán)算法融合得到的結(jié)果略大于本文中算法融合結(jié)果，且偏離真值。在該區(qū)間上，氣壓高度計(jì)測(cè)量值(BAROAlt)明顯偏離GPS高度測(cè)量值(GPSAlt)和無(wú)線電高度計(jì)的測(cè)量值(SONARAlt)，傳統(tǒng)算法中仍是賦予相同權(quán)值；因此測(cè)量結(jié)果受氣壓高度計(jì)測(cè)量值影響。如圖5所示，在改進(jìn)算法中，根據(jù)該區(qū)間內(nèi)各傳感器的測(cè)量值計(jì)算權(quán)重，并重新分配，降低了氣壓高度計(jì)測(cè)量值的權(quán)重，從而減小其影響，使得融合結(jié)果可靠性更高。如圖4所示，在(256,400)數(shù)據(jù)區(qū)間上，3個(gè)傳感器測(cè)量值相互分散，導(dǎo)致2種算法結(jié)果差異較大。如圖3所示，在該區(qū)間上，無(wú)線電高度計(jì)的測(cè)量值處于中間，且波動(dòng)最小。如圖5所示，根據(jù)觀測(cè)支持度及權(quán)重分配規(guī)則計(jì)算權(quán)重，對(duì)無(wú)線電高度計(jì)的測(cè)量值賦予更高權(quán)重，最終融合結(jié)果也更接近于無(wú)線電高度計(jì)的測(cè)量值。

4結(jié)束語(yǔ)

筆者提出的基于觀測(cè)支持度的數(shù)據(jù)加權(quán)融合算法，能夠根據(jù)傳感器測(cè)量值計(jì)算相互間的支持度，實(shí)時(shí)對(duì)各傳感器的權(quán)重進(jìn)行動(dòng)態(tài)調(diào)整，有效避免了個(gè)別傳感器發(fā)生明顯偏離時(shí)對(duì)融合結(jié)果的影響，在一定程度上提高了融合結(jié)果的可靠性和準(zhǔn)確度。

作者：程賢斌 高永 李冰 孟浩 單位：海軍航空大學(xué)航空基礎(chǔ)學(xué)院