[发明专利]一种不等精度测量数据融合的最优加权参数估算方法

说明书

本发明公开了一种不等精度测量数据融合的最优加权参数估算方法，包括获取第一类观测数据与第二类观测数据，确定待估参数；得到第一类观测函数；得到第二类观测函数；构建第一类观测数据与第二类观测数据的融合优化函数；求解所述融合优化函数，计算所述第一类观测数据与第二类观测数据的最优加权值和待估参数。本发明通过估计偏差和均方误差的计算，给出了多类观测数据融合处理时最优融合权值的计算方法，同时建立了相应的参数估计算法，实现了数据融合处理时能够进一步精确地计算得到不等精度测量数据最优加权下的参数融合估算值。本发明创造用于融合不等精度的测量数据。

技术领域

本发明涉及数据融合技术领域，更具体地说涉及一种不等精度测量数据融合的最优加权参数估算方法。

背景技术

在测量数据融合处理中，最典型的是不同类型、不等精度数据的融合。当将观测数据表示为参数模型后，测量数据融合问题可以转换为回归模型的参数估计问题。测量数据的融合处理有利于提高参数估计的精度。其中，不同类型数据或异类数据，是指观测数据关于待估参数的函数关系不同，从而其各阶导数也不同。如果融合处理中涉及到多种不等精度的观测数据，这些数据不同的加权方式，对参数估计结果有很大的影响，因此对于不等精度数据融合的加权处理成为提高参数估计精度的关键技术。

对于线性回归模型的参数估计，Gauss-Markov定理(高斯-马尔可夫定理)给出了不等精度测量数据的唯一最优加权原则，即融合权值仅与测量数据的精度有关。

而对于存在非线性模型的多类观测数据融合处理时，最优融合权值不再由测量数据的精度唯一决定，而是同时与观测模型的结构有关，即线性模型经典的Gauss-Markov定理不再成立。

但目前关于存在非线性模型的观测数据融合过程中，常常假设所有观测数据为等精度的，即观测数据的随机误差是独立同分布，从而不考虑加权，或直接用线性模型的Gauss-Markov定理的结论对包括线性和非线性模型的多类测量数据进行加权，从而降低了数据融合的精度。对于包括非线性模型在内的多类观测数据融合参数估计时，由于都是假设所有观测数据为等精度的，或者直接利用观测数据的精度来进行加权融合，因此，针对存在非线性观测模型的多类不等精度观测数据融合，其参数融合估计结果值存在一定的误差。

发明内容

本发明要解决的技术问题是：提供一种不等精度测量数据融合的最优加权参数估算方法。

本发明解决其技术问题的解决方案是：

一种不等精度测量数据融合的最优加权参数估算方法，包括：

获取第一类观测数据与第二类观测数据，确定待估参数；

确定所述第一类观测数据与待估参数之间的非线性函数关系，得到第一类观测函数；

确定所述第二类观测数据与待估参数之间的线性函数关系，得到第二类观测函数；

基于所述第一类观测函数以及第二类观测函数，构建第一类观测数据与第二类观测数据的融合优化函数；

基于参数估计均方误差最小准则，求解所述融合优化函数，并根据求解结果，计算所述第一类观测数据与第二类观测数据的最优加权值和待估参数。