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

摘要：為對無人機通過各種同類傳感器獲取的數(shù)據(jù)進行融合處理，得到更精確的導(dǎo)航數(shù)據(jù)，提出一種動態(tài)加權(quán)融合算法。引入觀測支持度的概念對傳統(tǒng)的平均加權(quán)算法進行改進，通過計算各傳感器測量數(shù)據(jù)間的相互支持度信息，并依據(jù)觀測支持度的變化特征，實時動態(tài)更新融合權(quán)重進行多傳感器數(shù)據(jù)的融合。將算法應(yīng)用到實際飛參數(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)特征實時調(diào)整權(quán)重分配，融合結(jié)果較傳統(tǒng)的平均加權(quán)算法更加準確、可靠。

關(guān)鍵詞：飛參數(shù)據(jù)；觀測支持度；動態(tài)加權(quán)；數(shù)據(jù)融合

隨著無人機技術(shù)和自動控制技術(shù)的不斷發(fā)展，無人機在各領(lǐng)域的應(yīng)用也不斷擴展。自主導(dǎo)航技術(shù)是無人機自主控制的重要組成部分，為增強系統(tǒng)可靠性，提高導(dǎo)航數(shù)據(jù)精度，無人機上的各類硬件設(shè)備通常會采用冗余設(shè)計[1-2]。以高度測量為例，無人機可通過GPS、無線電高度計以及氣壓高度計來獲取當(dāng)前飛行高度。對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)傳感器類型和用戶定義，給每個傳感器確定一個優(yōu)先級，然后根據(jù)優(yōu)先級，采用優(yōu)先級高的傳感器數(shù)據(jù)。如Pixhawk開源飛控對于高度傳感器的優(yōu)先級定義為：無線電高度計＞氣壓高度計＞GPS，當(dāng)無線電高度計正常工作時，氣壓高度和GPS高度是不會被飛控采用的，這就造成了數(shù)據(jù)信息的浪費[3]。通過適當(dāng)?shù)財?shù)據(jù)融合算法對不同傳感器獲取的數(shù)據(jù)信息進行互補、優(yōu)化處理，可以得到精度更高、更可靠的結(jié)果。目前常見的數(shù)據(jù)融合方法有加權(quán)平均法、卡爾曼濾波法、貝葉斯估計法以及Dempster-Shafer(D-S)證據(jù)理論等。傳統(tǒng)的加權(quán)平均法實現(xiàn)簡單、計算復(fù)雜度低，但權(quán)值固定，對于隨時間波動大的數(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的加權(quán)算法。文獻[4]提出了一種改進的自適應(yīng)隨機加權(quán)算法，利用測量數(shù)據(jù)的相對波動變化，自適應(yīng)調(diào)整融合權(quán)重，能得到較好的融合效果。文獻[5]提出一種基于對異常數(shù)據(jù)檢測的自適應(yīng)加權(quán)算法，篩除了瞬時性、偶發(fā)的異常數(shù)據(jù)對融合結(jié)果的影響，提高了融合結(jié)果的準確度。文獻[6]針對多傳感器非線性隨機系統(tǒng)的數(shù)據(jù)融合問題提出了一種基于無跡卡爾曼濾波的自適應(yīng)衰落融合算法，通過局部估計來計算全局最優(yōu)估計，提高了非線性隨機系統(tǒng)數(shù)據(jù)融合的適應(yīng)性和魯棒性。文獻[7]結(jié)合神經(jīng)網(wǎng)絡(luò)和擴展卡爾曼濾波，對無人機多傳感器數(shù)據(jù)進行融合，估算無人機位置信息，能夠得到較準確的結(jié)果。D-S證據(jù)理論對于先驗概論未知且存在不確定性的問題，具有較好的融合效果，但在證據(jù)間存在較大沖突時，會產(chǎn)生相悖的融合結(jié)果[8-10]。筆者結(jié)合觀測值信息和自適應(yīng)加權(quán)理論，提出一種基于觀測支持度的動態(tài)加權(quán)融合算法。通過計算傳感器測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)前時刻前的一個時間段內(nèi)的觀測支持度變化特征進行權(quán)重的動態(tài)調(diào)整，對觀測支持度高、波動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)重對各傳感器的數(shù)據(jù)進行融合處理，得到最終融合結(jié)果。通過實際飛參數(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觀測支持度

對于某個待測參數(shù)X，在一段時間內(nèi)通過n個傳感器直接測量得到測量值{Z1,Z2,…,Zn}，其中列向量Zi的長度由采樣頻率和時間長度決定，第i個傳感器在t時刻的測量值可表示為:(1)式中：X為待測參數(shù)的真實值；vi(t)為第i個傳感器在t時刻的測量誤差，誤差的先驗知識未知。顯然當(dāng)2個傳感器在t時刻的測量值zi(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)通過計算傳感器兩兩之間的支持度，可以得到t時刻各個傳感器間的支持度矩陣：

2動態(tài)加權(quán)融合算法

傳統(tǒng)的加權(quán)平均算法中，賦予某個傳感器測量值的權(quán)值是固定的，當(dāng)傳感器狀態(tài)發(fā)生改變時，原來的權(quán)值可能就不適用于當(dāng)前狀態(tài)。因此，通過引入觀測支持度來實時監(jiān)測各個傳感器測量值的狀態(tài)，以此來分配權(quán)重，從而實現(xiàn)融合權(quán)重的實時調(diào)整，避免了因傳感器本身狀態(tài)改變帶來的影響。式(4)反映了傳感器i在t時刻測量值與其他傳感器測量值的一致性。由于測量誤差和野值的存在，使得某一時刻的觀測支持度不能完全反映出傳感器的狀態(tài)。取當(dāng)前時刻及其前面一段區(qū)間上的觀測支持度，當(dāng)觀測支持度大且波動小時，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)實例分析

3.1時間對齊

筆者使用的飛參數(shù)據(jù)來自Pixhawk開源飛控，該飛控以順序采樣的方式對各輸入數(shù)據(jù)源的數(shù)據(jù)進行采樣，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)的采樣時間以及數(shù)據(jù)長度是不一致的[11]。為便于后續(xù)數(shù)據(jù)處理和研究分析，需使用統(tǒng)一的時間軸，通過插值或擬合等方法，對“短”的數(shù)據(jù)進行補充，對“長”的數(shù)據(jù)進行刪減，這一過程稱為時間對齊。下面采用3次樣條插值對飛參數(shù)據(jù)進行時間對齊操作?！皹訔l”概念最早產(chǎn)生于制圖過程，為在各個離散的已知點之間繪制出平滑的曲線，工程師會將一條有彈性的木條(即“樣條”)固定在各個點上，固定點之間木條無約束，這樣即可得到一條過所有已知點，任意2個固定點間由3次曲線連接，固定點處曲線連續(xù)且三階可導(dǎo)的樣條曲線。1946年，Schoenberg對這一過程進行總結(jié)，提出“樣條”的概念，并引入數(shù)學(xué)領(lǐng)域。

3.2融合算法的實現(xiàn)

動態(tài)加權(quán)融合算法流程如圖2所示。如表1所示，提取一段時長為40s的平飛數(shù)據(jù)，對GPS、氣壓高度計以及無線電高度計測量的高度數(shù)據(jù)進行時間對齊處理。采用傳統(tǒng)的加權(quán)平均算法和基于觀測支持度的改進算法對數(shù)據(jù)進行融合處理，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個傳感器測量值權(quán)重相等，均為1/3。在筆者提出的算法中，各傳感器測量值的權(quán)重根據(jù)測量值波動動態(tài)分配如圖5所示。對比以上各圖曲線發(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，這是因為在這個區(qū)間內(nèi)3個高度傳感器的測量值波動較小，測量值接近，觀測一致性高；因此3個測量值分配權(quán)重也相近，融合結(jié)果與3個傳感器測量值權(quán)重相等時的結(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，氣壓高度計測量值(BAROAlt)明顯偏離GPS高度測量值(GPSAlt)和無線電高度計的測量值(SONARAlt)，傳統(tǒng)算法中仍是賦予相同權(quán)值；因此測量結(jié)果受氣壓高度計測量值影響。如圖5所示，在改進算法中，根據(jù)該區(qū)間內(nèi)各傳感器的測量值計算權(quán)重，并重新分配，降低了氣壓高度計測量值的權(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個傳感器測量值相互分散，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，無線電高度計的測量值處于中間，且波動最小。如圖5所示，根據(jù)觀測支持度及權(quán)重分配規(guī)則計算權(quán)重，對無線電高度計的測量值賦予更高權(quán)重，最終融合結(jié)果也更接近于無線電高度計的測量值。

4結(jié)束語

筆者提出的基于觀測支持度的數(shù)據(jù)加權(quán)融合算法，能夠根據(jù)傳感器測量值計算相互間的支持度，實時對各傳感器的權(quán)重進行動態(tài)調(diào)整，有效避免了個別傳感器發(fā)生明顯偏離時對融合結(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