Asynchronous Data Fusion With Parallel Filtering Frame

ABSTRACT

This paper studies the design of data fusion algorithm for asynchronous system with integer times sampling. Firstly, the multisensor asynchronous samplings is mapped to the basic axis, accordingly a sampling sequence of single sensor can be taken. Secondly, aiming at the sensor with the densest sampling points, the modified parallel filtering is given. Afterwards, the sequential filtering fusion method is introduced to deal with the case that there are multiple mapped measurements at some sampling point. Finally, a novel parallel  filtering fusion algorithm for asynchronous system with integer times sampling is proposed. Besides, a  judgment scheme to distinguish measurement number at every sampling point in the fusion period is also designed. One simple computer numerical value simulation is demonstrated to validate the effectiveness of the judgment scheme and the proposed  asynchronous fusion algorithm .

INTRODUCTION

In recent years, multisensor data fusion technology is paid great attention in many military and civil fields, and is extensively applied. At present, a lot of data fusion algorithms to different application backgrounds and constraints are presented . For the research of classical data fusion, the synchronous multisensor system, in which every sensor has common sampling rate and sampling time is uniform, is none of main objects. But, in the practical system, these sensors in the multisensor system have often different sampling rates and sampling points because of different task requirement and different kinds of sensors. As a result, it is interesting to study asynchronous data fusion with different sampling rates, and has important theoretical sense and extensive application scene. Up to now, some useful data fusion algorithms for asynchronous  system under the centralized frame have been presented . The work in  is to firstly discretize the continuous system, secondly establish the relative measurement to current state by use of the relation between the  states of local points and the fusion center, and afterwards use the centralized fusion to estimate the state of the target. But, this algorithm only adapts the case that every sensor only has one measurement in the  fusion period, and the more complex case cannot be dealt with. An interesting work is also done in  by  combing wavelet with Kalman filter.

چکیده

در این مقاله، طراحی الگوریتم فیوژن داده برای سیستم ناهمزمان با زمان نمونه برداری عدد صحیح مورد بررسی قرار گرفته است. در مرحله اول، نمونه برداري چند مرحلهاي ناهمگن به محور اصلي محاسبه مي شود و براساس آن يك دنباله نمونه برداري از يك حسگر واحد مي تواند گرفته شود. ثانيا، با توجه به حسگر با چگالي ترين نقاط نمونه گيري، به صورت تصادفي تصحيح داده مي شود. پس از آن، روش همجوشی فیلترینگ متوالی برای مقابله با این مورد معرفی شده است که در چند نقطه نمونه برداری چندین نقشه برداری وجود دارد. در نهایت، یک الگوریتم تلفیقی برای فیلتر کردن همگانی برای سیستم ناهمزمان با نمونه برداری زمان عدد صحیح پیشنهاد شده است. علاوه بر این، یک طرح قضائی برای تشخیص تعداد اندازه گیری در هر نقطه نمونه گیری در دوره فیوژن نیز طراحی شده است. یک شبیه سازی ارزش عددی کامپیوتری ساده برای اثبات اثربخشی طرح قضائی و الگوریتم تلفیقی پیشنهاد شده غیرمستقیم نشان داده شده است.

مقدمه

در سال های اخیر، تکنولوژی فیوژن داده های چندرسانه ای در بسیاری از زمینه های نظامی و مدنی بسیار مورد توجه قرار گرفته و به طور گسترده ای مورد استفاده قرار می گیرد. در حال حاضر، بسیاری از الگوریتم های همگام سازی داده ها به زمینه های کاربردی و محدودیت های مختلف ارائه شده است. برای تحقیق از همجوشی داده های کلاسیک، سیستم چندرسانه ای همزمان، که در آن هر سنسور دارای نرخ نمونه گیری معمولی است و زمان نمونه گیری یکنواخت است، هیچ یک از اشیاء اصلی نیست. اما در سیستم عملی، این سنسورها در سیستم چندرسانه ای اغلب نرخ نمونه گیری و نقاط نمونه برداری را به دلیل نیازهای مختلف کاری و انواع مختلف سنسورها متفاوت می کنند. در نتیجه، جالب است که مطالعه همگام سازی داده های ناهمزمان با نرخ نمونه گیری متفاوت، و حس گرایی مهم و صحنه کاربرد گسترده ای داشته باشد. تا کنون، برخی از الگوریتم های تلفیقی داده های مفید برای سیستم ناهمزمان تحت فریم متمرکز ارائه شده است. کار در ابتدا باید سیستم پیوسته را مخدوش کند، در مرحله دوم، اندازه گیری نسبی را به حالت فعلی با استفاده از رابطه بین دولتهای نقاط محلی و مرکز همجوشی تعیین می کند، و سپس از همجوشی متمرکز برای تخمین وضعیت هدف استفاده می کند. اما این الگوریتم تنها مواردی را که هر سنسور تنها در یک دوره همجوشی اندازه گیری می کند، سازگار می کند و موارد پیچیده تر را نمی توان حل کرد. یک کار جالب نیز با شبیه سازی موجک با فیلتر کالمن انجام می شود.

Year: 2011

Publisher : MECS

By :  Na Li , Junhui Liu

File Information: English Language/ 7 Page / size: 297 KB

Download

سال : 1390

ناشر : MECS

کاری از : Na لی، Junhui لیو

اطلاعات فایل : زبان انگلیسی / 7 صفحه / حجم : KB 297

لینک دانلود