導語：觀測支持度動態加權融合算法分析一文來源于網友上傳，不代表本站觀點，若需要原創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據進行融合處理，得到更精確的導航數據，提出一種動態加權融合算法。引入觀測支持度的概念對傳統的平均加權算法進行改進，通過計算各傳感器測量數據間的相互支持度信息，并依據觀測支持度的變化特征，實時動態更新融合權重進行多傳感器數據的融合。將算法應用到實際飛參數據的分析處理，結果表明：該算法能夠根據傳感器數據特征實時調整權重分配，融合結果較傳統的平均加權算法更加準確、可靠。

關鍵詞：飛參數據；觀測支持度；動態加權；數據融合

隨著無人機技術和自動控制技術的不斷發展，無人機在各領域的應用也不斷擴展。自主導航技術是無人機自主控制的重要組成部分，為增強系統可靠性，提高導航數據精度，無人機上的各類硬件設備通常會采用冗余設計[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前飛行高度。對于各傳感器傳回的數據，飛控算法中有一套仲裁程序。算法根據傳感器類型和用戶定義，給每個傳感器確定一個優先級，然后根據優先級，采用優先級高的傳感器數據。如Pixhawk開源飛控對于高度傳感器的優先級定義為：無線電高度計＞氣壓高度計＞GPS，當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，這就造成了數據信息的浪費[3]。通過適當地數據融合算法對不同傳感器獲取的數據信息進行互補、優化處理，可以得到精度更高、更可靠的結果。目前常見的數據融合方法有加權平均法、卡爾曼濾波法、貝葉斯估計法以及Dempster-Shafer(D-S)證據理論等。傳統的加權平均法實現簡單、計算復雜度低，但權值固定，對于隨時間波動大的數據融合效果不佳。為改善數據融合效果，筆者提出了許多改進的加權算法。文獻[4]提出了一種改進的自適應隨機加權算法，利用測量數據的相對波動變化，自適應調整融合權重，能得到較好的融合效果。文獻[5]提出一種基于對異常數據檢測的自適應加權算法，篩除了瞬時性、偶發的異常數據對融合結果的影響，提高了融合結果的準確度。文獻[6]針對多傳感器非線性隨機系統的數據融合問題提出了一種基于無跡卡爾曼濾波的自適應衰落融合算法，通過局部估計來計算全局最優估計，提高了非線性隨機系統數據融合的適應性和魯棒性。文獻[7]結合神經網絡和擴展卡爾曼濾波，對無人機多傳感器數據進行融合，估算無人機位置信息，能夠得到較準確的結果。D-S證據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，但在證據間存在較大沖突時，會產生相悖的融合結果[8-10]。筆者結合觀測值信息和自適應加權理論，提出一種基于觀測支持度的動態加權融合算法。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，再根據當前時刻前的一個時間段內的觀測支持度變化特征進行權重的動態調整，對觀測支持度高、波動小的傳感器賦予更高權重，反之則降低權重。最后根據更新后的權重對各傳感器的數據進行融合處理，得到最終融合結果。通過實際飛參數據的分析處理表明，該算法能夠得到較好的數據融合結果。

1觀測支持度

對于某個待測參數X，在一段時間內通過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動態加權融合算法

傳統的加權平均算法中，賦予某個傳感器測量值的權值是固定的，當傳感器狀態發生改變時，原來的權值可能就不適用于當前狀態。因此，通過引入觀測支持度來實時監測各個傳感器測量值的狀態，以此來分配權重，從而實現融合權重的實時調整，避免了因傳感器本身狀態改變帶來的影響。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。取當前時刻及其前面一段區間上的觀測支持度，當觀測支持度大且波動小時，則反映在該段區間上傳感器的狀態較好，應該賦予更大的權值，反之權值應該減小。

3飛參數據實例分析

3.1時間對齊

筆者使用的飛參數據來自Pixhawk開源飛控，該飛控以順序采樣的方式對各輸入數據源的數據進行采樣，參數的重要程度不同，采樣頻率也不同。重要數據采樣頻率高，次要數據采樣頻率則較低，如IMU的采樣頻率為20Hz，遙控通道采樣頻率為10Hz，GPS數據采樣頻率則只有5Hz，因此在同一段飛參數據中，各參數的采樣時間以及數據長度是不一致的[11]。為便于后續數據處理和研究分析，需使用統一的時間軸，通過插值或擬合等方法，對“短”的數據進行補充，對“長”的數據進行刪減，這一過程稱為時間對齊。下面采用3次樣條插值對飛參數據進行時間對齊操作。“樣條”概念最早產生于制圖過程，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，固定點處曲線連續且三階可導的樣條曲線。1946年，Schoenberg對這一過程進行總結，提出“樣條”的概念，并引入數學領域。

3.2融合算法的實現

動態加權融合算法流程如圖2所示。如表1所示，提取一段時長為40s的平飛數據，對GPS、氣壓高度計以及無線電高度計測量的高度數據進行時間對齊處理。采用傳統的加權平均算法和基于觀測支持度的改進算法對數據進行融合處理，數據融合結果如圖4所示。在傳統加權平均算法中，3個傳感器測量值權重相等，均為1/3。在筆者提出的算法中，各傳感器測量值的權重根據測量值波動動態分配如圖5所示。對比以上各圖曲線發現，在(1,136)數據區間，2種算法的融合結果區別不大，這是因為在這個區間內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個測量值分配權重也相近，融合結果與3個傳感器測量值權重相等時的結果相近，具體如圖5所示。在(137,255)數據區間上，傳統加權算法融合得到的結果略大于本文中算法融合結果，且偏離真值。在該區間上，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)，傳統算法中仍是賦予相同權值；因此測量結果受氣壓高度計測量值影響。如圖5所示，在改進算法中，根據該區間內各傳感器的測量值計算權重，并重新分配，降低了氣壓高度計測量值的權重，從而減小其影響，使得融合結果可靠性更高。如圖4所示，在(256,400)數據區間上，3個傳感器測量值相互分散，導致2種算法結果差異較大。如圖3所示，在該區間上，無線電高度計的測量值處于中間，且波動最小。如圖5所示，根據觀測支持度及權重分配規則計算權重，對無線電高度計的測量值賦予更高權重，最終融合結果也更接近于無線電高度計的測量值。

4結束語

筆者提出的基于觀測支持度的數據加權融合算法，能夠根據傳感器測量值計算相互間的支持度，實時對各傳感器的權重進行動態調整，有效避免了個別傳感器發生明顯偏離時對融合結果的影響，在一定程度上提高了融合結果的可靠性和準確度。

作者：程賢斌 高永 李冰 孟浩 單位：海軍航空大學航空基礎學院