原创 基于卡尔曼滤波的数据融合算法

多传感器数据融合是一种信息处理方法，旨在解决在系统中使用多个传感器的问题。

国内外研究结果表明，信息融合的概念是利用计算机技术按一定标准自动分析并按时间顺序综合多个传感器的观测信息，完成所需的决策和估计任务的信息处理过程。

信息融合处理的硬件基础是传感器系统，处理对象是多源信息，融合的核心是协调优化和综合处理。融合后，融合的信息效果要比单个传感器好得多。信息融合的功能特点包括：提高多源信息的可信度和目标的可检测性，降低歧义度，提高检测性能，增强系统的自适应容错调整能力，减少信息获取时间，从而提高了整个系统的信息处理性能。信息融合中使用了许多数学工具和方法，包括概率论，模糊理论，小波方法，神经网络等。

信息融合作为一种超智能的数据处理技术，汇集并应用了许多学科和新技术。数据融合的广泛范围包括检测技术，信号处理和通信技术，模式识别，决策理论，估计理论，优化理论，计算机科学，人工智能和神经网络等许多学科。

随着近年来信息融合技术的飞速发展，许多应用研究领域的研究人员根据其特定的应用背景提出了许多成熟的融合算法。

分散式卡尔曼滤波器和集中式卡尔曼滤波器通常用于自主避障中集成导航系统的数据融合。在组合导航系统中使用的参数，单个过滤器被带到全局集中数据处理不能保证实时过滤，如果组合式惯性导航系统或GPS系统出现故障后，整个系统的输出会受到影响，可以看到精矿的容错过滤性能差，不利于故障诊断系统。相对而言，分散滤波可以提高系统的容错性能，减少计算量。它通常由几个局部滤波器和一个由两级滤波器结构组成的主滤波器使用，每个状态估计的相关性消除了信息原理的使用，结构设计灵活，每个数据子系统，均采用局部滤波器处理，然后整个系统通过主过滤器进行全局数据融合处理。

针对其他文章对特定的自主避障系统进行了多传感器数据融合的动态仿真，基于卡尔曼滤波的信息融合算法进行自主避障系统的数据融合解决方案取得比较好的效果。