● 摘要
信息融合技术是近年来十分热门的研究课题，它结合了控制理论、信号处理、概率和统计学、人工智能等诸多学科的发展。多传感器信息融合技术综合来自多个传感器的感知数据，以产生更可靠、更准确的信息。经过融合的信息具有冗余性、互补性、实时性和低成本性。信息融合技术为机器人在各种复杂动态不确定的未知环境中工作提供了一种技术上有效的解决途径。在众多信息融合方法中，卡尔曼滤波理论具有递推特性和强实时性，并且便于计算和存储，因而得到了迅速的发展和普遍的应用。本文以移动机器人的定位为背景，首先介绍了卡尔曼滤波理论，对移动小车定位设计了卡尔曼滤波器并进行了仿真。针对标准卡尔曼滤波算法在处理变噪声情况时的不足，引入模糊逻辑系统，构造了模糊自适应滤波器。根据滤波过程中残差特性在线调节滤波噪声参数阵，从而实现自适应滤波。其次，本文介绍了联邦滤波算法及其各种结构形式在滤波精度和容错性方面的特性。在无反馈联邦滤波结构的基础上本文引入模糊逻辑环节，设计了基于模糊逻辑融合的并行滤波算法，实现根据各子滤波器滤波性能决定其在全局滤波值中的融合比重。最后，本文研究了一种具有容错性的分散化滤波器。针对这种滤波器的信息分配系数固定的问题，设计了模糊逻辑系统，根据子滤波器残差特性判断其滤波性能从而在线调节信息分配系数，实现了滤波过程的动态信息分配。基于这种思想本文设计了动态信息分配的分散化滤波器从而在保证其容错性的情况下提高了滤波精度。