基于聯(lián)合卡爾曼濾波的汽車防碰撞多傳感器信息融合方法

1、多傳感器信息融合方法孔金生,張西雅,崔盈慧(鄭州大學(xué)電氣工程學(xué)院河南鄭州450001摘要:車輛行駛信息感知是汽車防碰撞系統(tǒng)的關(guān)鍵技術(shù)之一,只用單一傳感器對(duì)目標(biāo)車輛進(jìn)行測(cè)量容易產(chǎn)生虛警在對(duì)聯(lián)合卡爾曼濾波分析的基礎(chǔ)上,給出了基于聯(lián)合卡爾曼濾波的汽車防碰撞多傳感器信息融合方法計(jì)算機(jī)仿真結(jié)果表明,該算法可以得到較精確的融合數(shù)據(jù),對(duì)于增強(qiáng)汽車防碰撞系統(tǒng)的安全性具有重要意義關(guān)鍵詞:聯(lián)合卡爾曼濾波;汽車防碰撞;信息融合中圖分類號(hào):TP2742文獻(xiàn)標(biāo)志碼:A文章編號(hào):16716841(2011030099040引言國際上對(duì)汽車防碰撞系統(tǒng)的研究始于20世紀(jì)60年代,主要以德國、美國和日本為代表,我國起步較晚12

2、目前的汽車防碰撞系統(tǒng)主要根據(jù)測(cè)距設(shè)備的不同來區(qū)分,但由于汽車防碰撞系統(tǒng)工作的環(huán)境惡劣,由單一傳感器做出的判斷容易產(chǎn)生虛警,為了提高對(duì)目標(biāo)的識(shí)別和估計(jì)能力,需要將多傳感器信息融合用在汽車防碰撞系統(tǒng)中卡爾曼濾波器是Kalman在1960年提出的,由于其結(jié)構(gòu)簡(jiǎn)單,易于實(shí)現(xiàn)等特點(diǎn),使卡爾曼濾波成為多傳感器信息融合系統(tǒng)的最基本要素由文獻(xiàn)34知常規(guī)卡爾曼濾波在處理多傳感器信息融合時(shí)存在計(jì)算量大和故障數(shù)據(jù)相互污染等問題文獻(xiàn)5將卡爾曼和粒子結(jié)合形成卡爾曼/粒子組合濾波,降低了計(jì)算復(fù)雜度,但濾波器的估計(jì)性能一般文獻(xiàn)6應(yīng)用3D雷達(dá)來獲得目標(biāo)的位置和速度信息,但容易產(chǎn)生虛警為了減少計(jì)算復(fù)雜度,提高濾波精度,本文基于

3、Carlson提出的聯(lián)合卡爾曼濾波算法7,實(shí)現(xiàn)多傳感器信息最優(yōu)融合的濾波器設(shè)計(jì),并將其應(yīng)用于汽車防碰撞系統(tǒng)最后給出的仿真結(jié)果表明該算法可提高系統(tǒng)的計(jì)算精度,減少計(jì)算復(fù)雜度,增強(qiáng)了汽車防碰撞的安全性1聯(lián)合卡爾曼濾波方法11聯(lián)合卡爾曼濾波原理聯(lián)合卡爾曼濾波器是一種分塊估計(jì)、兩步級(jí)聯(lián)數(shù)據(jù)處理技術(shù)聯(lián)合濾波的基本思想是先分散處理,再全局融合在聯(lián)合濾波中,子系統(tǒng)包括外部傳感器1,2,N,標(biāo)準(zhǔn)的卡爾曼濾波器分別對(duì)應(yīng)于不同的傳感器,形成多個(gè)局部濾波器,每個(gè)局部濾波器并行工作,通過全局濾波器進(jìn)行信息綜合、順序處理,并對(duì)所有局部輸出產(chǎn)生的濾波結(jié)果進(jìn)行信息融合,給出全局最佳狀態(tài)估計(jì)8在通常情況下,聯(lián)合卡爾曼濾波可以

4、大大降低計(jì)算量,應(yīng)用靈活方便,具有高水平的故障檢測(cè)、隔離、重構(gòu)能力12聯(lián)合卡爾曼濾波算法對(duì)于線性定常多傳感器組合系統(tǒng),可用離散形式X(k+1=(kX(k+G(kV(k來描述,X(k是k 時(shí)刻目標(biāo)的狀態(tài)向量,(k是狀態(tài)轉(zhuǎn)移矩陣,G(k是過程噪聲分布矩陣,過程噪聲V(k是具有零均值和正收稿日期:20100301基金項(xiàng)目:河南省創(chuàng)新人才杰出青年計(jì)劃項(xiàng)目,編號(hào)084100410009作者簡(jiǎn)介:孔金生(1963,男,教授,博士后,主要從事復(fù)雜系統(tǒng)的智能控制與系統(tǒng)優(yōu)化研究,E-mail:jskongzzueducn;通訊作者:張西雅(1986,女,碩士研究生,主要從事多傳感器信息融合研究,E-mail:z

5、hangxiya2007163com鄭州大學(xué)學(xué)報(bào)(理學(xué)版第43卷定協(xié)方差矩陣Q (k 的高斯噪聲向量,且有E V (k V T (l =Q (k kl 設(shè)有N 個(gè)傳感器對(duì)系統(tǒng)進(jìn)行獨(dú)立觀測(cè),相應(yīng)有N 個(gè)局部濾波器,每個(gè)局部濾波器均可獨(dú)自完成濾波計(jì)算設(shè)第i 個(gè)局部濾波器的模型為:X i (k +1=A (k X i (k +G (k V (k ;Z i (k =H i (k X i (k +W i (k ,其中,Z i (k 為第i 個(gè)傳感器的觀測(cè)量;H (k 為第i 個(gè)傳感器的觀測(cè)矩陣,觀測(cè)噪聲W i (k 為具有零均值和正定協(xié)方差矩陣R (k 的高斯分布測(cè)量噪聲向量,且有E W i (k W

6、T i (l =R (k kl ,R (k 02基于聯(lián)合卡爾曼濾波的多傳感器信息融合算法21汽車防碰撞系統(tǒng)結(jié)構(gòu)汽車防碰撞系統(tǒng)是利用現(xiàn)代信息技術(shù)、傳感器技術(shù)來探測(cè)車輛周圍的情況,為駕駛員提供信息,防止或減小車輛與車輛,或者車輛與障礙物之間的碰撞汽車防碰撞系統(tǒng)的結(jié)構(gòu)如圖1所示本文采用雷達(dá)和紅外傳感器來獲得車輛的信息,將獲得的信息分別進(jìn)行預(yù)處理,再將處理后的信息送到融合中心,然后用聯(lián)合卡爾曼濾波器實(shí)現(xiàn)信息融合融合得到的值將與控制中心設(shè)定的安全距離進(jìn)行比較22基于聯(lián)合卡爾曼濾波的多傳感器信息融合算法對(duì)于本文的汽車防撞系統(tǒng),局部濾波器(i =1,2根據(jù)各自觀測(cè)量進(jìn)行局部最優(yōu)估計(jì),這一層是并行處理的分散估

7、計(jì),利用常規(guī)的集中式卡爾曼濾波器進(jìn)行局部狀態(tài)估計(jì)卡爾曼濾波器可分為兩個(gè)部分:時(shí)間更新方程和測(cè)量更新方程其原理如圖2所示 圖1汽車防碰撞系統(tǒng)結(jié)構(gòu)圖Fig1The structure of automotive anti-collisionsystem 圖2Kalman 濾波器原理圖Fig2The schematic diagram of Kalman filter 濾波器的時(shí)間更新方程為:X i (k +1k =(k X i (k |k ,P i (k +1k =(k P i (k k T (k +G (k Q (k G T (k 狀態(tài)更新方程為:K i (k +1=P i (k +1k H i

8、 T (k +1S 1i (k +1,Xi (k +1k +1=X i (k +1k +K i (k +1v i (k +1,P i (k +1k +1=I K i (k +1H i (k +1P i (k +1k ,其中,S i (k +1=H i (k +1P i (k +1k H i T (k +1+R i (k +1稱為新息協(xié)方差陣;v i (k +1=Z i (k +1H i (k +1X i (k +1k 稱為新息;X i (k +1k 為一步預(yù)測(cè)狀態(tài),P i (k +1k 為一步預(yù)測(cè)協(xié)方差,K i (k +1為濾波器增益,X i (k +1k +1為更新狀態(tài),P i (k +1k

9、 +1為更新的誤差協(xié)方差卡爾曼濾波過程是從已知的初始值X i (0和P i (0開始,以遞推方式進(jìn)行經(jīng)過分散化并行處理的卡爾曼濾波器的處理,可以得到兩個(gè)局部最優(yōu)估計(jì)Xi (i =1,2現(xiàn)假設(shè)系統(tǒng)過程噪聲和觀測(cè)噪聲均為零均值白噪聲且局部估計(jì)不相關(guān),全局融合結(jié)果為:X =P (P 111X 1+P 122X 2;P =(P 111+P 1221,其中X為無偏最小方差估計(jì)001第3期孔金生,等:基于聯(lián)合卡爾曼濾波的汽車防碰撞多傳感器信息融合方法在汽車防撞系統(tǒng)中,狀態(tài)向量X 一般包括目標(biāo)車輛的距離、速度、加速度等經(jīng)過融合,即可得到目標(biāo)車輛的最優(yōu)解3仿真研究本文以汽車防碰撞系統(tǒng)為例,對(duì)本文設(shè)計(jì)的聯(lián)合卡爾

10、曼濾波算法進(jìn)行了計(jì)算機(jī)仿真仿真計(jì)算采用的參數(shù)為:假設(shè)目標(biāo)車輛的運(yùn)動(dòng)速度為3m /s ,采樣周期為T =1s過程噪聲和測(cè)量噪聲分別為零均值的高斯噪聲,且兩者相互獨(dú)立圖3為雷達(dá)測(cè)量信號(hào)得到的速度信號(hào)和經(jīng)過卡爾曼濾波得到速度信號(hào)的比較,圖4為紅外傳感器測(cè)量信號(hào)得到的速度信號(hào)和經(jīng)過卡爾曼濾波得到的速度信號(hào)的比較由圖3和圖4知,相對(duì)于原始數(shù)據(jù),經(jīng)過卡爾曼濾波得到數(shù)據(jù),噪聲得到了抑制,說明了卡爾曼濾波算法的有效性圖5為經(jīng)過聯(lián)合卡爾曼濾波算法后的最終融合速度由圖5可知,相比于圖3和圖4,噪聲得到了進(jìn)一步的抑制,濾波器以更快的速度收斂于目標(biāo)車輛的真實(shí)速度為了進(jìn)一步說明聯(lián)合卡爾曼濾波器的優(yōu)越性,圖6給出了卡爾曼

11、濾波器和聯(lián)合卡爾曼濾波器對(duì)初始誤差協(xié)方差的影響由圖6可知,在聯(lián)合卡爾曼濾波過程中,初始誤差協(xié)方差明顯低于卡爾曼濾波的初始誤差協(xié)方差;圖7為雷達(dá)和紅外傳感器經(jīng)過卡爾曼濾波和聯(lián)合卡爾曼濾波得到數(shù)據(jù)的比較 圖3卡爾曼濾波后的雷達(dá)信號(hào)Fig3Radar signal processed by Kalman filter 圖4卡爾曼濾波后的紅外信號(hào)Fig4Infrared signal processed by Kalman filter圖5聯(lián)合卡爾曼濾波后的速度值Fig5The speed gained by federal Kalman filter 圖6初始誤差協(xié)方差比較Fig6The contr

12、ast of initial error covariance101鄭州大學(xué)學(xué)報(bào)(理學(xué)版第43 卷圖7卡爾曼濾波和聯(lián)合卡爾曼濾波速度值的比較Fig7The contrast between the speed gained by Kalman filter and that gained by federal Kalman filter4結(jié)論本文簡(jiǎn)單介紹了汽車防碰撞系統(tǒng)的基本結(jié)構(gòu)及聯(lián)合卡爾曼濾波器的基本原理,給出了基于聯(lián)合卡爾曼濾波的信息融合算法,并將其應(yīng)用到汽車防碰撞系統(tǒng)中仿真結(jié)果表明,利用文中提出的方法可以使雷達(dá)和紅外傳感器到達(dá)較好的融合效果,提高了數(shù)據(jù)的準(zhǔn)確性,從而增強(qiáng)了汽車防碰撞系統(tǒng)的

13、安全性參考文獻(xiàn):1鄧明哲高速公路追尾碰撞防報(bào)警系統(tǒng)的研究D武漢:武漢理工大學(xué),20062王京元,王煒,程琳汽車主動(dòng)避撞系統(tǒng)關(guān)鍵技術(shù)研究J交通與計(jì)算機(jī),2004,22(4:33363周倩車輛組合導(dǎo)航中卡爾曼濾波器的設(shè)計(jì)及FPGA實(shí)現(xiàn)D北京:北京交通大學(xué),20094范文兵,陳達(dá)卡爾曼濾波器在狀態(tài)和參數(shù)估計(jì)中的應(yīng)用J鄭州大學(xué)學(xué)報(bào):理學(xué)版,2002,34(4:44475崔平遠(yuǎn),鄭黎方,裴?？?等基于卡爾曼/粒子組合濾波器的組合導(dǎo)航方法研究J系統(tǒng)仿真學(xué)報(bào),2009,21(1:2202236王曉博,王國宏,閻紅星,等利用位置和運(yùn)動(dòng)信息的目標(biāo)識(shí)別J光電與控制,2008,15(10:597Carlson N

14、A,Berarducci M PFederated Kalman filter simulation resultsJJournal of the Institute of Navigation,1994,41(3:2973218崔平遠(yuǎn),黃曉瑞基于聯(lián)合卡爾曼濾波的多傳感器信息融合算法及其應(yīng)用J電機(jī)與控制學(xué)報(bào),2001,5(3:204207Multi-sensor Information Fusion Algorithm in AutomotiveAnti-collision System Based on Federated Kalman FilterKONG Jin-sheng,ZHANG

15、Xi-ya,CUI Ying-hui(School of Electrical Engineering,Zhengzhou University,Zhengzhou450001,ChinaAbstract:The perception of vehicle running information was one of the key technologies in automotive anti-collision systemAnd it was easy to cause false alter when using the single sensor measured the aim vehicleThe multi-sensor information fusion algorithm based on federated Kalman filter was introduced and applied to solve the multi-sensor information fusion problem in automotive anti-colli