一种有效的异质多传感器异步量测融合算法

　　在条件1下，根据伪系统模型(1)，(10)，通过求解给定伪测量条件下关于目标状态的概率密度函数推导出相应的并行滤波异步数据融合算法：

　　则式(12)～(16)构成了异质多传感器扩维滤波融合算法，从中可知，该异步数据融合算法，计算较为简便，但其是在条件1下的滤波融合，故该算法在性能上为次优。

　　5仿真分析

　　假设采用雷达(测量值为斜距，方位角和俯仰角)和红外(方位角和俯仰角)2个传感器同时跟踪1个目标，设匀速直线运动目标的初始状态向量为x(0)=[30 000，-200，20 000，150，1 000，10]T，测量周期为T1=T2=2 s，传感器2比传感器1晚1 s开始采样，雷达和红外传感器的测距、测方位和测俯仰的精度为：σr=100 m，σa1=7 mrad，σa2=6 mrad，σe1=2 mrad，σe2=1 mrad，进行100次Monter Carlo仿真实验，采用滤波RMSE的均值Ps来度量各融合算法的估计精度，且：

　　仿真结果如图3所示。

　　6结语

　　本文提出一种不同传感器数据的融合算法，即首先是通过建立伪量测方程得到同步化的伪量测数据，之后利用一种扩维滤波的思想得到目标状态的最优估计，由于该算法适用与不同类型传感器异步数据的融合，所以该算法是一种实际算法。从本文提出算法的仿真结果可以看出，目标3个方向位置和速度融合均方误差均能得到较好的效果，且本文提出的算法是一种并行处理的思想，所以数据处理的速度高，特别适用于异步数据的融合处理。