论文部分内容阅读
随着测控技术的发展,航天测量系统拥有众多的跟踪设备,通过各种类型的传感器采集数据,已经构成了一个多传感器跟踪系统。信息融合方法是解决多传感器信息综合处理问题强有力的手段。多传感器信息融合是对多源信息进行处理的理论、技术和方法的一门综合性学科,通过对多个或多种传感器提供信息进行融合,减少了观测信息的不确定性和模糊性,提高了对目标的检测、跟踪定位和识别能力,增强系统的可靠性和生存能力。本论文旨在研究信息融合在航天测控系统火箭飞行数据中的应用。本文在深入分析国内外信息融合理论和我国外测数据处理的相关理论与技术文献的基础上,归纳总结了该领域的主要内容与关键技术,详尽论述了外测数据融合的研究现状,存在问题与发展方向。系统地研究了数据融合中的动态多尺度理论及模糊Kalman滤波估计在多分辨率传感器数据融合中的应用。对此,主要内容如下:①分析了火箭飞行数据的特征,根据广义回归神经网络(generalized regression neural network,GRNN)解决函数逼近问题的特点,针对动态多尺度建模的需要,对原始数据进行拟合实现时间对准,并采用Matlab进行仿真。结果表明:该拟合曲线精度较高,网络学习速度快,曲线较为光滑。②研究了基于Haar小波的动态多尺度算法原理,根据算法较低的计算复杂度和较高的实时性,将其应用到多传感器火箭飞行数据的融合问题中,解决了从不同观测源获得的不同分辨率、不同精度甚至不同类型的数据进行有效实时融合处理问题,实现对系统状态的最优估计。为解决实际应用问题,设计尺度间的投影算子,并进行仿真。结果表明通过多尺度融合的系统误差较小,并且容易达到较高的精度。③研究了模糊Kalman滤波估计的基本原理,针对传统的动态多尺度基于标准Kalman估计容易出现的发散的问题,引入了优化策略,采用模糊控制规则,设计了动态多尺度系统Kalman滤波估计的模糊控制器,根据信息的方差和均值变化自适应调整观测噪声权值矩阵,并进行仿真。结果表明通过基于动态多尺度的模糊Kalman融合的系统误差较小,并且容易达到较高的精度,并实现了参数的在线调整,有效地防止了滤波发散。