CN107211591B - 基于fpga的多传感器信息融合方法 - Google Patents
基于fpga的多传感器信息融合方法Info
- Publication number
- CN107211591B CN107211591B CN201010047366.6A CN201010047366A CN107211591B CN 107211591 B CN107211591 B CN 107211591B CN 201010047366 A CN201010047366 A CN 201010047366A CN 107211591 B CN107211591 B CN 107211591B
- Authority
- CN
- China
- Prior art keywords
- mrow
- sensor
- msub
- fpga
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明涉及一种基于FPGA的多传感器信息融合方法,用于解决现有的传感器信息融合方法需要通过仿真研究验证的技术问题。其技术方案是采用FPGA作为多传感器与飞行计算机之间的接口单元,设计传感器数据预处理逻辑模块、时钟同步模块、加权因子计算模块,通过FPGA完成动态信息融合估计,输入端口为多路传感器输出的实时数据经数字化后的数字量,输出端为某一飞行参数或机载设备状态参数的最优估计值,该方法在FPGA中实现了多传感器信息融合,大幅度提高了融合过程的快速性与可靠性,更加适合在逻辑器件中完成多传感器信息融合。
Description
技术领域
本发明涉及一种多传感器信息融合方法,特别是基于FPGA的多传感器信息融合方法。
背景技术
多传感器信息融合指的是将不同位置的多个同类或者不同类型传感器所提供的关于某一实体环境量的时间序列、空间序列和频率序列描述信息加以综合,以便得到关于该环境实体更准确、更可靠、更完整描述的过程,消除传感器间可能存在的冗余或者矛盾信息,并将这些信息通过互补来减少其不确定性,从而形成对系统环境的相对完整相同感知描述,从而提高智能系统的决策、规划、反应的快速性和正确性,来降低决策的风险。
加权融合算法是多传感器数据融合中最常用的算法,算法的核心在于从所测得的数据中估计出传感器的测量方差,得到传感器的权重后对测量数据进行加权处理便可获得更佳的融合估计值。传感器的权系数与测量方差关系密切,关于推算优化权系数的算法已有多种,但现有的传感器信息融合方法一般通过仿真研究来验证算法的精确性,没有关于融合算法在大规模逻辑器件中的实现的研究,也没有适合大规模逻辑单元进行融合计算的实现方法。
发明内容
为了克服现有的传感器信息融合方法需要通过仿真研究验证的不足,本发明提供一种基于FPGA的多传感器信息融合方法,该方法以FPGA作为多传感器与飞行计算机之间的接口单元,通过FPGA完成动态信息融合估计,输入端口为多路传感器输出的实时数据经数字化后的数字量,输出端为某一飞行参数或机载设备状态参数的最优估计值,该方法可以在FPGA中实现多传感器信息融合,以提高传感器信息融合过程的快速性与可靠性,更加适合在逻辑器件中完成多传感器信息融合。
本发明解决其技术问题所采用的技术方案:一种基于FPGA的多传感器信息融合方法,其特点是包括以下步骤:
(a)搭建以FPGA为核心的多传感器接口电路,将多种总线协议核模块下载到FPGA中,控制FPGA接收来自传感器端总线数据以及机载控制单元的实时数据,并进行数据的预处理与数值提取运算,将提取出来的数值分别存储到FPGA内部寄存器;
(b)设计传感器数据预处理逻辑模块,提取传感器输出数据中的有效数据字,进行数据字有效性检验,对传感器特征数据进行分类,将不同传感器中同一个物理量的测量值提取出来,送到相应时钟同步模块的输入端口,若数据字不满足有效性验证,则产生相应的错误信号通知信息融合模块做出相应的处理,若检测到的传感器测量值失效,记录失效时间持续长度,若为单次采样失效,将本次融合计算过程该传感器权值视为零;
(c)设计时钟同步模块,将多路传感器数据输入时钟同步模块之后,将不同速率的信号统一到标准的参照时间上,将标准时间信息加载到相应传感器数据中输入到信息融合模块进行动态加权融合;
(d)设计加权因子计算模块,分别计算传感器实测数据的实时方差δmn和历次方差δmn表示第m个传感器第n时刻的测量值实时的测量方差,表示第m个传感器在前n个时刻的历次方差的均值,计算公式为:
式中,yin为第i个传感器在第n时刻的测量值,ymj为第m个传感器在第j个时刻的测量值;综合考虑实时方差与历次方差的作用,选用一个分配因子a代表各自的比重,故当前传感器的估计方差的计算公式为:
通过各个传感器的估计方差得出相应的动态因子:
通过动态权值优化模块计算出每一路传感器相应的最优权值;
(e)各路传感器数据通过权值优化模块之后得出相应的权值因子,根据公式得到第n个时刻的融合估计值,通过最后的加权运算模块得出多传感器关于同一测试量的最优估计值。
本发明的有益效果是:由于采用FPGA作为多传感器与飞行计算机之间的接口单元,通过FPGA完成动态信息融合估计,输入端口为多路传感器输出的实时数据经数字化后的数字量,输出端为某一飞行参数或机载设备状态参数的最优估计值,该方法在FPGA中实现了多传感器信息融合,大幅度提高了融合过程的快速性与可靠性,更加适合在逻辑器件中完成多传感器信息融合。
下面结合附图和实施例对本发明作详细说明。
附图说明
图1是本发明基于FPGA的多传感器信息融合方法中各模块逻辑组成图。
具体实施方式
参照附图。本发明给出了一种基于FPGA的多传感器信息融合方法,具体包括以下步骤:
第一步,选择核心器件,并搭建外围传感器接口电路。FPGA选用ACTEL公司的基于航天应用的FPGA--A54SX72A,具有功耗低、耐高低温的特点,内部硬件资源包括6036个逻辑模,支持64bit,66MHz的PCI和350MHz的内部时钟频率,支持2.5、3.3V和5V混和电平,在200MHz工作频率下,功耗小于1W;传感器接口模块可根据具体的传感器类型适当选取,总线格式的传感器可以选择专用的总线接口芯片,完成总线电平与FPGA逻辑电平的转换,模拟信号输出的传感器可以选择高速AD采集芯片,经数字化后将信传输到FPGA相应的IO端口。外围通过总线收发器和高速AD模块对多路传感器的值进行实时采集,将多种总线协议核模块下载到FPGA中,控制FPGA接收来自传感器端总线数据以及其他机载控制单元的实时数据。
在FPGA中进行数据的预处理与数值提取运算,每个传感器所测数据中包含多种参数值,将每种具有独立物理意义的参数提取出来分别进行存储到FPGA内部寄存器。
第二步,设计传感器数据预处理逻辑模块,该模块完成的主要任务是提取传感器输出数据中的有效数据字,首先进行数据字有效性检验,之后根据所测物理量进行传感器特征数据分类,将不同传感器关于同一个物理量的测量值提取出来,送到相应时钟同步模块的输入端口,若数据字不满足有效性验证,则产生相应的错误信号通知信息融合模块做出相应的处理。例如,通过传感器数据预处理模块可以将INS、GPS、EMC等多个检测模块中的位置信息、速度信息提取出来,将多个测量单元输出的同一个物理量的值送到时钟同步模块进行下一步逻辑运算。数据有效性验证模块检测某一个传感器测量值是否有效。若有效,将传感器信号送到数据同步模块进行各个传感器的时间同步;若检测到的传感器测量值失效,记录失效时间持续长度,若为单次采样失效,将本次融合计算过程该传感器权值视为零。
第三步,设计时钟同步模块,由于不同传感器的工作频率不同,输出的码流速率不同,使得在某一采样点不可能同时获得多个有效的测量值,将多路传感器数据输入时钟同步模块之后,可将不同速率的信号统一到标准的参照时间上,将标准时间信息加载到相应传感器数据中输入到信息融合模块进行动态加权融合。
第四步,设计加权因子计算模块,该模块首先要计算每个传感器测量值的实时方差和历次方差,分别表示成δmn和δmn表示第m个传感器第n时刻的测量值实时的测量方差,第m个传感器在前n个时刻的历次方差的均值,计算公式为:
式中,yin为第i个传感器在第n时刻的测量值,ymj为第m个传感器在第j个时刻的测量值。综合考虑实时方差与历次方差的作用,选用一个分配因子a代表各自的比重,所以当前传感器的估计方差的计算公式为:
通过各个传感器的估计方差得出相应的动态因子:
通过动态权值优化模块计算出每一路传感器相应的最优权值。
第五步,将各个加权因子与经过时钟同并后的测量值输入到加权融合模块进行计算,根据公式得到第n个时刻的融合估计值,通过最后的加权运算模块得出多传感器关于同一测试量的最优估计值。由于FPGA由并行运算的逻辑单元组成,所以在一块FPGA中可以同时完成多个物理量的融合估计,提高了融合算法的效率。
Claims (1)
1.一种基于FPGA的多传感器信息融合方法,其特征在于包括以下步骤:
(a)搭建以FPGA为核心的多传感器接口电路,将多种总线协议核模块下载到FPGA中,控制FPGA接收来自传感器端总线数据以及机载控制单元的实时数据,并进行数据的预处理与数值提取运算,将提取出来的数值分别存储到FPGA内部寄存器;
(b)设计传感器数据预处理逻辑模块,提取传感器输出数据中的有效数据字,进行数据字有效性检验,对传感器特征数据进行分类,将不同传感器中同一个物理量的测量值提取出来,送到相应时钟同步模块的输入端口,若数据字不满足有效性验证,则产生相应的错误信号通知信息融合模块做出相应的处理,若检测到的传感器测量值失效,记录失效时间持续长度,若为单次采样失效,将本次融合计算过程该传感器权值视为零;
(c)设计时钟同步模块,将多路传感器数据输入时钟同步模块之后,将不同速率的信号统一到标准的参照时间上,将标准时间信息加载到相应传感器数据中输入到信息融合模块进行动态加权融合;
(d)设计加权因子计算模块,分别计算传感器实测数据的实时方差δmn和历次方差δmn表示第m个传感器第n时刻的测量值实时的测量方差,表示第m个传感器在前n个时刻的历次方差的均值,计算公式为:
<mrow>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>m</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mover>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>y</mi>
<mrow>
<mi>m</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
式中,yin为第i个传感器在第n时刻的测量值,ymj为第m个传感器在第j个时刻的测量值;综合考虑实时方差与历次方差的作用,选用一个分配因子a代表各自的比重,故当前传感器的估计方差的计算公式为:
<mrow>
<msup>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<msub>
<mi>a&delta;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mover>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>&OverBar;</mo>
</mover>
</mrow>
通过各个传感器的估计方差得出相应的动态因子:
<mrow>
<msub>
<mi>W</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msup>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>&prime;</mo>
</msup>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mfrac>
<mn>1</mn>
<mrow>
<msup>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>&prime;</mo>
</msup>
</mrow>
</mfrac>
</mrow>
通过动态权值优化模块计算出每一路传感器相应的最优权值;
(e)各路传感器数据通过权值优化模块之后得出相应的权值因子,根据公式得到第n个时刻的融合估计值,通过最后的加权运算模块得出多传感器关于同一测试量的最优估计值。
Publications (1)
Publication Number | Publication Date |
---|---|
CN107211591B true CN107211591B (zh) | 2013-10-16 |
Family
ID=
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107065610A (zh) * | 2017-04-17 | 2017-08-18 | 浙江德塔森特数据技术有限公司 | 一种机房控制中数据的快速处理方法及装置 |
CN107909183A (zh) * | 2017-10-10 | 2018-04-13 | 唐紫涵 | 一种智能控制的窖酒方法 |
CN111487988A (zh) * | 2020-03-03 | 2020-08-04 | 天津大学 | 基于稳态视觉诱发电位脑-机接口的脑控无人机方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107065610A (zh) * | 2017-04-17 | 2017-08-18 | 浙江德塔森特数据技术有限公司 | 一种机房控制中数据的快速处理方法及装置 |
CN107909183A (zh) * | 2017-10-10 | 2018-04-13 | 唐紫涵 | 一种智能控制的窖酒方法 |
CN111487988A (zh) * | 2020-03-03 | 2020-08-04 | 天津大学 | 基于稳态视觉诱发电位脑-机接口的脑控无人机方法 |
CN111487988B (zh) * | 2020-03-03 | 2022-04-15 | 天津大学 | 基于稳态视觉诱发电位脑-机接口的脑控无人机方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bregar et al. | Improving indoor localization using convolutional neural networks on computationally restricted devices | |
CN104468035B (zh) | 一种分布式pos数据可靠性传输系统及方法 | |
CN105415191B (zh) | 一种基于声发射的磨削状态测控方法及装置 | |
CN105571609B (zh) | 一种运动参数处理方法及移动终端 | |
CN103369466B (zh) | 一种地图匹配辅助室内定位方法 | |
CN107103753A (zh) | 交通时间预测系统、交通时间预测方法以及交通模型建立方法 | |
CN106612495B (zh) | 一种基于传播损耗学习的室内定位方法及系统 | |
CN104330089A (zh) | 一种利用历史gps数据进行地图匹配的方法 | |
CN109283562A (zh) | 一种车联网中车辆三维定位方法及装置 | |
CN103885030A (zh) | 一种无线传感器网络移动节点的定位方法 | |
CN104048676B (zh) | 基于改进粒子滤波的mems陀螺随机误差补偿方法 | |
CN109145446B (zh) | 一种基于模态应变能和卷积神经网络的结构损伤识别方法 | |
CN107976182A (zh) | 一种多传感器融合建图系统及其方法 | |
CN108834077A (zh) | 基于用户移动特性的跟踪区划分方法、装置及电子设备 | |
CN103729483A (zh) | 山洪灾害模拟预测装置及方法 | |
CN103826301A (zh) | 节点定位方法及装置 | |
CN103249144A (zh) | 一种基于c型的无线传感器网络节点定位方法 | |
CN103415027B (zh) | Wifi室内信号分布模型自动选择与定位方法 | |
CN104904244B (zh) | 用于区分用户运动的移动装置、区分用户运动的方法及其生成分层树模型的方法 | |
CN103616732A (zh) | 高空风资料的质量控制方法及其质量监控装置 | |
CN103020733B (zh) | 一种基于权重的机场单航班噪声预测方法及其系统 | |
CN103885867A (zh) | 一种模拟电路性能的在线评价方法 | |
CN107330233A (zh) | 一种输电塔设计风速分析方法和装置 | |
CN107211591B (zh) | 基于fpga的多传感器信息融合方法 | |
CN105517018A (zh) | 一种获取位置信息的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR03 | Grant of secret patent right | ||
DC01 | Secret patent status has been lifted | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131016 |