第 34卷 第 3期 控 制 与 决 策 Vol.34 No.3
2019年 3月 Control and Decision Mar. 2019
文章编号: 1001-0920(2019)03-0495-08 DOI: 10.13195/j.kzyjc.2017.1204
基于递推近似最小一乘的多传感器系统
偏差稳健估计算法
郭蕴华
1†
, 汪敬东
1
, 任文峰
1
, 胡 义
1
, 牟军敏
2
(1. 武汉理工大学 船舶动力工程技术交通行业重点实验室，
武汉 430063；2. 武汉理工大学 航运学院，武汉 430063)
摘 要: 对于多传感器多目标跟踪问题, 系统偏差对航迹融合精度有较大影响, 因此在信息融合系统中, 首先要对
各传感器的系统偏差进行估计, 而在含错误关联和观测野值的复杂环境下, 传统系统偏差估计方法的性能会严重
退化. 对此,提出一种具有递推形式的近似最小一乘稳健估计算法, 以减少异常噪声对偏差估计的不利影响. 使用
平方根平滑逼近函数替代最小一乘法的目标函数, 基于牛顿方向及其秩 1 修正推导出该方法的递推求解框架. 基
于条件数分析, 证明所提出算法的数值稳定性好于 Huber 方法. 通过两个仿真算例, 将所提出算法与已有其他算法
进行对比验证. 仿真结果表明, 在含错误关联和观测野值的条件下, 所提出算法可以改善偏差估计精度, 并且明显
好于已有的其他算法.
关键词: 偏差估计；传感器配准；最小一乘法；稳健估计；牛顿方向；秩1修正
中图分类号: TP212.9 文献标志码: A
Multi-sensor bias robust estimation based on recursive approximate least
absolute deviation
GUO Yun-hua
1†
, WANG Jing-dong
1
, REN Wen-feng
1
, HU Yi
1
, MOU Jun-min
2
(1. Key Lab of Marine Power Engineering & Technology of Ministry of Communications，Wuhan University of
Technology，Wuhan 430063，China；2. School of Navigation，Wuhan University of Technology，Wuhan 430063，
China)
Abstract: For the problem of multisensor-multitarget tracking, the sensor bias has g reat influence on the accuracy
of track fusion. Thus, the sensor bias should be estimated at first in the system of information fusion. However the
performance of the traditional methods of bias estimation will degrade dramatically in the complex environment that
exists the misassociations and observed outliers. Therefore, an algorithm of robust estimation based on the recursive
approximate least absolute deviation (RALAD) is proposed, aiming to decrease the adverse impacts of the misassociations
and observed outliers. A smooth approximate function in the square-root form is used to replace the least absolute cost
function, and the recursive framework is derived based on the Newton method and its rank-one modification. It is verified
by the condition number analysis that the proposed algorithm has better numerical stability than the Huber-based method.
Performance comparisons between the proposed and existing algor ithms are carried out through two simulation examples.
The results show that the proposed algorithm is obviously superior to the existing algorithms, and it can improve the
estimation accuracy significantly in the case of the misassociations and observed outliers.
Keywords: bias estimation；sensor registration；least absolute deviation；robust estimation；Newton direction；rank
one update
0
在目标跟踪领域, 多传感器信息融合被认为是
一种可以提高精度和可靠性的方法
[1]
. 但在实际工程
中, 由于传感器量测存在系统偏差, 可能导致融合性
能不升反降. 因此, 在信息融合过程中, 首先需要对系
统偏差进行估计, 常用的方法包括: EX 方法
[2]
、极大
收稿日期: 2017-09-13；修回日期: 2017-12-05.
基金项目: 国家自然科学基金项目 (51579201).
责任编委: 俞立.
作者简介: 郭蕴华 (1975−), 男, 教授, 博士, 从事信息融合及工程优化等研究；汪敬东 (1993−), 男, 硕士生, 从事信
息融合的研究.
†
通讯作者. E-mail: wtugyh@163.com.
剩余7页未读，继续阅读
资源评论
