Kalman立滤波方程组SINS/GPS组合导航系统仿真(3)
信息融合系统的模型一般由4个元素组成[9]:一是传感器元素，它向系统提供原始的观测信息:二是原始信息的提取、分类、跟踪和评估的元素;三是识别、分析和综合的元素;四是信息融合报告元素，即系统的输出。从功能上看，信息融合主要包括多传感器的检测判决融合、多传感器位置级融合、多传感器目标识别融合、态势描述与威胁估计、多传感器网络管理以及传感器管理和数据库等。检测级融合是直接在多源信息系统中的检测信号上进行融合，目标识别也称身份估计，融合的目的是对目标进行表征和识别。态势估计与威胁估计主要是应用与军事领域，是对战场上战斗力量分配情况的估计。功能模型还可以分为3个大的部分，第一部分的处理包括数据对准、关联、跟踪和识别。位置融合模块首先进行数据对准(即各个传感器的观测值变换为公共坐标系，包括坐标变换、时间变换、单位变换等)，然后进行数据关联和跟踪，数据关联将各传感器的数据分为一系列组，而每一组代表某一目标的数据，跟踪模块则主要是融合各传感器信息，获得最佳的融合航迹。第二部分为态势处理，包括态势的提取和评估。态势提取是构造态势表示的结构，态势评估是说明和表示外部环境的全面过程，以得到指示或警报、行动计划以及局势力量的分配等。第三部分威胁度估计包括敌、我军的杀伤力，危险度估计等。实际上第二、三部分是一个很复杂的专家系统，而多传感器组合导航系统主要属于位置的融合，在第一部分。这一部分的结构模型主要有4种，分别是:集中式结构、分布式结构、混合式结构以及多级式结构。
集中式结构:将传感器测量的原始信息直接传递到融合中心进行数对准、点迹相关、数据关联等。这种结构的优点是信息损失小，融合的精度高，融合算法类似于单站处理;缺点就是中心站处理的工作量大，对传输能力和计算处理能力要求较高，因而实际应用受到限制。
分布式结构:原始数据在送到融合中心之前，先经过局部处理器处理，再把处理过的信息送到融合中心进行全局融合，这种结构的系统应用比较广。其特点是:降低了中心站的工作量，具有较高的可靠性和很强的生存能力;缺点就是丢失了部分的原始信息，精度比集中式系统稍低。
混合式结构:同时传输原始观测信息和经过局部处理过的航迹信息，具有以上两种结构的优点，但是在通讯和计算上要求更高。
多级式结构:该结构中，各局部节点可以同时或分别是集中式、分布式或混合式的融合中心，它们接受并处理来自各个传感器的数据或航迹，且系统的融合节点需再次对各局部节点传送来的航迹数据进行关联和合成，也就是要经过两级以上的位置融合处理，故称多级式系统[10]。
对于多传感器系统来说，信息具有多样性和复杂性，因此对信息融合方法的基本要求是具有鲁棒性和并行处理能力，以及融合方法的运算速度和所能达到的精度。一般情况下，基于非线性的数学方法，如果它具有容错性、自适应性、联想—记忆和并行处理能力，则都可以用来作为融合方法。目前信息融合方法可概括为随机类和人工智能类两大类。随机类有加权平均法、卡尔曼滤波法、贝叶斯估计、统计决策法、聚类分析法、小波变换法、D-S证据推理等;而人工智能类则有模糊聚类理论、专家系统、神经网络等。目前已有不少研究工作将人工智能方法引入随机类方法，如神经网络与卡尔曼滤波的结合、与D-S证据推理理论的结合、与小波变换的结合等。
1.3 导航系统
1.3.1 导航的概念
下一篇：GPS信号跟踪算法研究