首页 / 专利库 / 工业自动化和数控机床 / 偏航 / 移动平台传感器量测数据扩维空间配准方法

移动平台传感器量测数据扩维空间配准方法

阅读:994发布:2020-05-08

专利汇可以提供移动平台传感器量测数据扩维空间配准方法专利检索,专利查询,专利分析的服务。并且本 发明 公开的一种移动平台 传感器 量测数据扩维空间配准方法,旨在提供一种收敛速度快,能显著提高目标 跟踪 精度 的扩维空间配准方法。本发明通过下述技术方案予以实现:依据等效系统偏差的时变特征,建立包含等效系统偏差变化速率在内的空间配准扩维 状态空间 模型;将等效系统偏差的变化速率和等效系统偏差共同作为卡尔曼 滤波器 滤波的待估状态量,利用卡尔曼滤波器对等效系统偏差及其变化速率进行在 线卡 尔曼滤波估计,对待估状态量及其误差协方差阵进行一步预测和更新,获得准确的等效系统偏差估计值,并用偏差估计值对传感器原始量测进行系统偏差补偿,完成空间配准。,下面是移动平台传感器量测数据扩维空间配准方法专利的具体信息内容。

1.一种移动平台传感器量测数据扩维空间配准方法,其特征在于包括如下步骤:在多移动平台传感器组网量测系统中,将传感器安装在可移动的平台上;在移动平台球或极坐标系下,构建等效系统偏差与移动平台的平台姿态系统偏差、传感器量测系统偏差之间的关系表达式;依据等效系统偏差具有的时变特征,将等效系统偏差的变化速率和等效系统偏差共同作为卡尔曼滤波器滤波的待估状态量,将等效系统偏差的变化速率作为卡尔曼滤波器滤波状态的一部分,建立包含等效系统偏差变化速率在内的空间配准扩维状态空间模型;根据目标在移动平台球或极坐标系下的量测和移动平台的姿态角量测,以等效系统偏差变化速率和等效系统偏差共同组成状态空间模型;利用卡尔曼滤波器对偏差进行在线卡尔曼滤波和估计,对待估状态量及其误差协方差阵进行一步预测和更新,运行卡尔曼滤波算法进行等效系统偏差估计迭代,获得准确的等效系统偏差估计值,并将偏差估计值用于对传感器原始量测进行系统偏差校正,完成整个空间配准过程。
2.如权利要求1所述的移动平台传感器量测数据扩维空间配准方法,其特征在于:首先在多移动平台传感器组网量测系统中,选择地心地固坐标系为公共坐标系,然后对等效系统偏差进行理论推导,第一步是利用移动平台的真实姿态角计算仅传感器系统偏差存在的球坐标系下的量测,第二步是利用移动平台的姿态角系统偏差存在,但传感器不存在量测系统偏差的情况下计算传感器对目标在其球坐标系下的量测。
3.如权利要求2所述的移动平台传感器量测数据扩维空间配准方法,其特征在于:从第二步得到等效方位角系统偏差和等效高低角系统偏差是时变的,建立包括等效方位角系统偏差和等效高低角系统偏差的变化速率为一部分的状态空间,最后用卡尔曼滤波对10个状态变量进行估计,实现对目标更准确的跟踪
4.如权利要求2所述的移动平台传感器量测数据扩维空间配准方法,其特征在于:以地心地固坐标系为公共坐标系,分两步推导等效系统偏差与移动平台的平台姿态角系统偏差、传感器量测系统偏差之间的关系表达式;,第一步是利用移动平台的真实姿态角计算仅传感器系统偏差存在的球坐标系下的量测,第二步是利用移动平台的姿态角系统偏差存在,但传感器不存在量测系统偏差的情况下计算传感器对目标在其球坐标系下的量测。
5.如权利要求4所述的移动平台传感器量测数据扩维空间配准方法,其特征在于:在建立等效系统偏差与移动平台的平台姿态角系统偏差、传感器量测系统偏差之间的关系表达式时,在移动平台球或极坐标系下进行传感器的量测和坐标变换,将该量测结果转换至地心地固坐标系,令量测得到的目标距离r、方位角θ和俯仰角 有
Xecef=RtRlXp+Xs
式中,Xecef是传感器量测在地心地固坐标系下的坐标,Rl是移动平台直角坐标系到移动平台东北天坐标系的转换矩阵,Rt是移动平台东北天坐标系至地心地固坐标系的转换矩阵,Xp是将传感器量测值转至移动平台直角坐标系下的坐标值,Xs是移动平台在地心地固坐标系的坐标。
6.如权利要求5所述的移动平台传感器量测数据扩维空间配准方法,其特征在于:在建立等效系统偏差时,令传感器的距离系统偏差Δr、方位角系统偏差Δθ和俯仰角系统偏差移动平台三个姿态角的系统偏差分别为偏航角偏差Δα、俯仰角偏差Δβ和横滚角偏差Δγ,构建等效系统偏差与移动平台姿态角系统偏差、传感器量测系统偏差之间的关系表达式,获得等效系统偏差随移动平台姿态和传感器量测的变化而变化的非线性耦合关系式:
式中,β为平台姿态俯仰角,γ为横滚角,Δre为等效距离偏差、Δθe为等效方位角偏差,为等效俯仰角偏差。
7.如权利要求1所述的移动平台传感器量测数据扩维空间配准方法,其特征在于:在建立空间配准扩维状态空间模型中,设有两移动平台A、B各自载有一个传感器,分别令做传感器A和传感器B,根据在地心地固坐标下,同一目标的真实坐标值必须是唯一的原理建立等式:
RtA,kRlA,kXtpA,k+XsA,k=RtB,kRlB,kXtpB,k+XsB,k
其中,RlA,k、RlB,k是移动平台A、B在k时刻从移动平台直角坐标系转换至移动平台东北天坐标系的转换矩阵,RtA,k、RtB,k是移动平台A、B在k时刻从移动平台东北天坐标系转换至地心地固坐标系的转换矩阵,XsA,k、XsB,k是移动平台A、B在k时刻于地心地固坐标系的坐标,XtpA,k、XtpB,k是移动平台A、B上传感器A、B在k时刻量测值经等效系统偏差补偿后的量测值。
8.如权利要求6所述的移动平台传感器量测数据扩维空间配准方法,其特征在于:将方位角与俯仰角等效系统偏差的变化速率也作为待估计的状态量一起进行滤波估计,构建如下状态转移方程:Δ k+1 =ΨΔk+Γwk,量测方程Zk=HkΔk+υk,
T
并据此组成状态空间,并且待估状态量Δk=[ΔAk,ΔBk] ,wk为状态转移过程演化噪声,υk为观测量量测噪声,转移矩阵 噪声矩阵 其中,Hk为量测
矩阵,ΓA为传感器A的噪声矩阵,ΓB为传感器B的噪声矩阵,下标k表示第k时刻,k+1表示第k+1时刻,ΔAk表示传感器A 的待估状态量,ΔBk表示传感器B的待估状态量。
9.如权利要求8所述的移动平台传感器量测数据扩维空间配准方法,其特征在于:运行卡尔曼滤波算法进行状态估计,根据Δk+1=ΨΔk+Γwk和Zk=HkΔk+υk组成的方程组进行k时刻的卡尔曼滤波,滤波器对待估状态量进行一步预测,对状态误差协方差阵进行一步预测,计算状态量的增益矩阵,对状态量进行一步更新,最后对状态误差协方差阵进行一步更新。
10.如权利要求9所述的移动平台传感器量测数据扩维空间配准方法,其特征在于:对状态误差协方差阵进行一步更新后,将滤波得到的等效系统偏差用于对传感器量测值的系统偏差补偿,完成系统偏差补偿和整个空间配准过程。

说明书全文

移动平台传感器量测数据扩维空间配准方法

技术领域

[0001] 本发明涉及一种主要用于遥感、导航、智能交通、机器人和安全检查等领域的多移动平台传感器数据空间配准方法。

背景技术

[0002] 随着传感器技术的飞速发展,雷达作为主动传感器的代表,在目标跟踪系统中起着重要的作用。为提高雷达的时间分辨率,克服单平台、单传感器在复杂环境感知中缺乏全天候、空间覆盖范围等诸多功能不足的缺陷,提高空间分辨率和高光谱分辨率的感知能,雷达探测系统逐渐采用多平台多传感器系统和多平台多目标协同跟踪与信息融合技术。传感器配准是信息融合的先决条件,也是提高系统整体性能的关键技术之一。在多平台多传感器系统中,由于各传感器是互相独立工作的,并目各传感器采样率也不全相同,测量都是在各自的局部坐标系下进行,因此,测量数据不能直接进行信息融合。为了达到信息融合的目的,在数据相关之前需要进行时间和空间的配准,以形成时间和空间上统一的观测信息。信息融合并不是多个传感器数据的简单的叠加,在数据互联和航迹合成之前,必须对传感器测量数据进行坐标变换和数据校准。传感器偏差测量在完成测量数据的时间配准之后,还要对测量数据进行空间上的配准。多传感器系统在信息融合过程中,为了获得目标的统一信息,需要把各传感器测得的数据转换到公共参考坐标系(即相同的时空参考坐标系)中,但由于传感器的系统偏差和测量误差的存在,对目标跟踪系统中的跟踪计算、轨迹状态和轨迹协方差矩阵的估计、以及测量和轨迹的关联准则等部产生不利影响。如果不经过数据校准直接将各传感器的数据进行融合计算,则会由于系统偏差的存在而使跟踪结果反而出现恶化,甚至导致跟踪目标的丢失。因此,在多传感器融合跟踪系统中,先要对各传感器测得的数据进行多传感器的时间和空间配准。空间配准技术主要用来估计和补偿探测网内传感器的系统偏差,是雷达组网必须首先考虑解决的关键技术之一,这一技术直接影响雷达网对目标跟踪、融合、识别的正确性。雷达的量测值是相对于量测框架的,量测框架与平台坐标系原点相同,坐标轴之间存在方位俯仰角偏差,这些偏差加上因为时钟快慢等原因造成的雷达测距偏差,共同组成了雷达量测系统偏差。多传感器配准偏差主要来源于传感器的配准偏差,也就是传感器本身的偏差;各传感器参考坐标系中测量的方位角、俯仰角和距离的偏差,通常是由传感器的惯性测量单元的测量仪器引起的;而对于公共坐标系的传感器的位置偏差和计时偏差,位置偏差通常由传感器导航系统的偏差引起,而计时偏差常由传感器的时钟偏差所至。
[0003] 空间配准的主要工作又可分为空间坐标变换和空间偏差配准。空间配准的任务首先是实现多传感器的坐标变换。坐标变换是指将各传感器测量平台局部坐标系中的信息变换到当前统一的标准坐标系中的相应信息的过程。空间偏差配准是校正各传感器的配准偏差或传感器与传感器之间的相对配准偏差的过程。多传感器信息融合与跟踪是指放置不同平台或平台内不同位置的多个传感器跟踪多个目标,各传感器以—定的采样周期向融合中心提供数据而达到精确跟踪不同目标的过程。当多个测量源对同—批目标进行观测时,通常会出现以下—种或几种情况的组合:1)多个测量源的空间地理位置并不完全重合,彼此之间存在着—定的距离;2)不同测量源的测量参数是异类的;3)不同测量源的测量参数是同类的,但测量时间不同步;4)不同测量源的测量坐标系并不是同一坐标系;5)各测量源存在着测量系统偏差等。传感器的配准结果直接影响多传感器系统的整体性能,很小的系统偏差就会导致系统对目标状态估计精度的下降。针对传感器的配准问题,主要有三类解决方法:1)离线估计法,这类方法适用于目标位置已知,且传感器的偏差相对于时空都是恒定的情况;2)在线估计法,这类方法适用于目标位置未知,但传感器的偏差相对于时空仍是恒定的情况:3)同时对传感器探测的目标状态和传感器的偏差进行估计,但该方法计算量较大。上述三类方法各自解决了多传感器配准中的—些问题,但从最终所要解决问题的方面来看,对传感器配准技术的研究可以归结为:时间配准和空间配准两个方面来进行,空间配准的主要工作又可分为:空间坐标变换和空间偏差配准。时间配准是将前一更新时刻的动力学状态信息外推到当前更新时刻,并对两次更新时刻之间的多次测量信息进行处理,获得一个折算后的时间同步的测量信息的过程:空间坐标变换是将各传感器测量平台局部坐标系中的信息变换到当前统一的标准空间坐标系中的相应信息;空间偏差配准是校正各传感器的配准偏差或传感器与传感器之间的相对配准偏差的过程。
[0004] 现有的传感器配准算法基本都是假设多平台多传感器系统中偏差是固定不变的,而在现实应用中,由于设备维护或环境的变化,传感器的偏差有可能是连续变化的。尽管基于最小均方根误差准则的动态偏差古汁方怯可以估计动态偏差,但该方法的估计精度随着目标数目的减少而下降,对于目标数较少的情况,该方法甚至无法估计出偏差值。因此多平台多传感器的动态偏差估计问题是传感器配准技术的—个难点。目前还没有相对成熟的算法,仍存在很多理论和技术上的问题。移动平台目标探测系统,在同时存在平台姿态系统偏差和传感器量测系统偏差情形下,因为平台姿态角与传感器量测方位角、俯仰角发生耦合,难以分开进行准确空间配准。当前的空间配准算法主要集中在对固定平台雷达量测系统偏差的估计上。与固定平台雷达不同,移动平台目标探测系统偏差同时包含了雷达的量测系统偏差和移动平台自身的姿态角偏差。由于移动平台的姿态角是由平台惯导系统、罗经仪等设备实时提供的,必然和真实值之间会存在一定偏差。移动平台姿态角系统偏差对雷达量测的耦合影响不仅是非线性的,还与目标位置有关,表现出一种时变的特征,这给空间配准造成了偏差估计上的困难。
[0005] 在现有技术中,清华大学出版社,《多源信息融合》2010年第二版,韩崇昭,朱洪艳,段战胜公开的空间配准方法中,将多传感器信息融合作为先决条件,利用空间配准技术对目标探测系统的系统偏差进行估计和补偿,这种利用多传感器对空间共同目标的量测对各系统偏差进行估计和补偿,虽然从设备和系统的设计、研制、安装、调整直到操作、使用,各环节都可采用严格的措施来减少平台姿态角与传感器量测的系统误差,但是由于受到测量设备和系统的体制、方法、器件的性能指标、零值校正残差及干扰和噪声等影响,系统偏差即使在使用前已校正,但随着时间推移,受外界影响,系统偏差又可能重新生成,并且可能是动态的变化过程。由于各种系统误差已经严重影响到多源信息融合系统的实际融合效果,导致目标航迹跟踪质量下降,甚至可能出现虚假目标等。
[0006] 现有技术DelaC,AlouaniA,RiceT,etal.Sensor registration in multi-sensor systems.[C]Proceeding of the SPIE Symposium on Aerospace Sensing,1992:382-389,为了解决雷达量测系统偏差与平台姿态角系统偏差的耦合问题,常分两步对两类系统偏差分别进行估计。首先不考虑平台姿态角系统偏差的影响,使用各种滤波手段估计雷达的量测系统偏差值;然后,利用前面的估计值对雷达量测进行误差补偿,再假定雷达量测不存在系统偏差,使用各种滤波手段估计平台姿态角系统偏差;最后将两类系统偏差的估计值同时用于校正雷达量测值与平台姿态角。以上这种方法由于没有充分考虑平台姿态角系统偏差与雷达量测系统偏差相互耦合的影响,并不能消除参数估计引起的偏差。
[0007] 针对移动平台姿态角系统偏差与传感器量测系统偏差互相耦合问题的空间配准技术,陈垒,王国宏,贾舒宜在2011,462-465,第三届中国信息融合大会公开了“具有姿态角偏差的3-D传感器误差配准方法研究”。该文献对含有姿态角偏差的3-D雷达误差配准模型的可观测性和姿态角偏差对雷达量测误差的耦合影响进行了分析,在假定平台的真实姿态角全为零的基础上进行了一级泰勒级数近似展开的推导过程,在此基础上,提出直接将雷达系统偏差和姿态角偏差组合成一个状态的全扩维模型(AAM)向量、将姿态角偏差等效为雷达偏差进行计算的解耦合的扩维模型(UAAM)和优化的偏差估计模型(OBEM)的3种误差配准模型。其中,提出忽略平台的俯仰角系统偏差和横滚角系统偏差,从而只估计平台的偏航角系统偏差和传感器的系统偏差。在两平台传感器组网系统中,由于移动平台的姿态角系统偏差与传感器的量测系统偏差互相耦合,导致同时估计出移动平台姿态角系统偏差和传感器的量测偏差实现不了,因此,该方法对移动平台姿态角非零时的场景不适用。

发明内容

[0008] 本发明的目的是现有技术存在不足之处,提供一种收敛速度快,能显著提高目标跟踪精度的基于等效系统偏差估计的扩维空间配准方法,尤其是针对移动平台姿态角系统偏差与传感器量测系统偏差共存时,基于等效系统偏差估计的扩维空间配准方法,以适应移动平台同时存在姿态角系统偏差和传感器量测系统偏差的情形。
[0009] 本发明的上述目的可以通过以下措施来达到,一种移动平台传感器量测数据扩维空间配准方法,其特征在于包括如下步骤:在两移动平台传感器组网量测系统中,将传感器安装在可移动的平台上;在移动平台球或极坐标系下,构建等效系统偏差与移动平台球平台姿态角系统偏差、传感器量测系统偏差之间的关系表达式;依据等效系统偏差具有的时变特征,将等效系统偏差的变化速率和等效系统偏差共同作为卡尔曼滤波器滤波的待估状态量,将等效系统偏差的变化速率作为卡尔曼滤波器滤波状态的一部分,建立包含等效系统偏差变化速率在内的空间配准扩维状态空间模型;根据目标在移动平台球或极坐标系下的量测和移动平台的姿态角量测,以等效系统偏差变化速率和等效系统偏差共同组成状态空间模型;利用卡尔曼滤波器对偏差进行在线卡尔曼滤波和估计,对待估状态量及其误差协方差阵进行一步预测和更新,运行卡尔曼滤算法进行等效系统偏差估计迭代,获得准确的等效系统偏差估计值,并将偏差估计值用于对传感器原始量测进行系统偏差校正,完成整个空间配准过程。
[0010] 本发明相比于现有技术具有以下有益效果:
[0011] 收敛速度快。本发明针对移动平台目标探测系统,在同时存在移动平台姿态系统偏差和传感器量测系统偏差情形下,因平台姿态角与传感器量测方位角、俯仰角发生耦合,难以分开进行准确空间配准的问题,根据等效系统偏差的时变特征,将等效系统偏差的变化速率作为滤波状态的一部分来建立扩维状态空间模型,以等效系统偏差变化速率和等效系统偏差共同组成状态空间模型,进行在线卡尔曼滤波,对待估状态量及其误差协方差阵进行一步预测和更新,获得准确的等效系统偏差估计值,提供的卡尔曼滤算法迭代收敛速度快,对平台姿态角没有具体要求,解决了因移动平台姿态角系统偏差和传感器量测系统偏差相互耦合造成的空间配准难收敛速度慢的问题。
[0012] 能显著提高目标跟踪精度。本发明卡尔曼滤波算法以一个传感器为参考,利用多个目标的位置观测值的偏微分给出量测方程,利用卡尔曼滤波器估计传感器偏差参数,然后把估计出的偏差结果配准到该传感器的参考坐标系中,消除传感器偏差。在时空配准模型里面,传感器未配准的时空参数和目标状态组成了—个以便能够通过在线滤波器进行同时估计的扩维的状态向量。利用卡尔曼滤波器对伪测量模型进行滤波,可以精确估计出传感器偏差。传感器经过时空配准以后,目标状态估计是无偏的。用卡尔曼滤波对10个状态变量同时进行估计,对系统偏差估计精度高,当平台的姿态角系统偏差和传感器的量测偏差同时存在的时候,能够对目标进行更准确的跟踪显著提高了目标跟踪精度,场景适应性好,具有很强的工程实用性。附图说明
[0013] 图1是本发明针对移动平台姿态角偏差与传感器量测偏差共存时的移动平台传感器量测数据扩维空间配准流程图

具体实施方式

[0014] 参阅图1。考虑到地球曲率的影响,首先在多移动平台传感器组网量测系统中,选择地心地固坐标系为公共坐标系的坐标转换过程,然后对等效量测系统偏差进行理论推导,第一步是利用移动平台的真实姿态角计算仅传感器系统偏差存在的球坐标系下的量测,第二步是利用移动平台的姿态角系统偏差存在但传感器不存在量测系统偏差的情况下计算传感器对目标在其球坐标系下的量测,从第二步得到等效方位角系统偏差和等效高低角系统偏差是时变的,所以建立包括等效角度系统偏差的变化速率为一部分的状态空间,最后用卡尔曼滤波对10个状态变量进行估计,实现对目标更准确的跟踪。
[0015] 根据本发明,在两移动平台传感器组网量测系统中,将传感器安装在可移动的平台上。。在移动平台球或极坐标系下,在建立等效系统偏差时,令传感器的距离系统偏差Δr、方位角系统偏差Δθ和俯仰角系统偏差 平台三个姿态角的系统偏差分别为偏航角偏差Δα、俯仰角偏差Δβ和横滚角偏差Δγ,构建等效系统偏差与移动平台姿态角系统偏差、传感器量测系统偏差之间的关系表达式,获得等效系统偏差随移动平台姿态和传感器量测的变化而变化的非线性耦合关系式:
[0016]
[0017] 式中,Δre为等效距离偏差、Δθe为等效方位角偏差, 为等效俯仰角偏差,依据等效系统偏差具有的时变特征,将等效系统偏差的变化速率和等效系统偏差共同作为卡尔曼滤波器滤波的待估状态量,将等效系统偏差的变化速率作为卡尔曼滤波器滤波状态的一部分,建立包含等效系统偏差变化速率在内的空间配准扩维状态空间模型;根据目标在平台球或极坐标系下的量测和移动平台的姿态角量测,以等效系统偏差变化速率和等效系统偏差共同组成状态空间模型,对其进行在线卡尔曼滤波,对待估状态量及其误差协方差阵进行一步预测和更新,运行卡尔曼滤算法进行等效系统偏差估计迭代,获得准确的等效系统偏差估计值,并将偏差估计值用于对传感器原始量测进行系统偏差校正,完成整个空间配准过程。
[0018] 具体包括以下三个步骤:
[0019] 步骤一,以地心地固坐标系为公共坐标系,分两步推导等效系统偏差与移动平台姿态角系统偏差和传感器量测系统偏差之间的关系表达式。令等效距离偏差Δre、等效方位角偏差Δθe和等效俯仰角偏差 建立与移动平台姿态角系统偏差和传感器量测系统偏差之间的关系表达式时,具体包括以下步骤:
[0020] 步骤1.1:传感器的量测一般是在移动平台球或极坐标系下进行的,令量测得到的目标距离、方位角和俯仰角分别为 将该量测结果转换至地心地固坐标系
[0021] Xecef=RtRlXp+Xs   (1)
[0022] 式中,Xecef是传感器量测在地心地固坐标系下的坐标,Rl是移动平台直角坐标系到平台东北天坐标系的转换矩阵,Rt是移动平台东北天坐标系至地心地固坐标系的转换矩阵,Xp是将传感器量测值转至平台直角坐标系下的坐标值,Xs是移动平台在地心地固坐标系的坐标。Rl、Rt和Xp的具体表达式如下。
[0023]
[0024] 其中,α,β,γ分别是平台导航系统给出的三个姿态角,即偏航角、俯仰角和横滚角。
[0025]
[0026] 其中,λ,L分别是移动平台在地理坐标下的经度和纬度。
[0027]
[0028] 步骤1.2:等效系统偏差等效距离偏差Δre、等效方位角偏差Δθe和等效俯仰角偏差 综合了平台姿态系统偏差与传感器量测系统偏差二者的共同影响。在建立等效系统偏差Δre、Δθe、 时,令Δr、Δθ、 分别是传感器的距离系统偏差、方位角系统偏差和俯仰角系统偏差,Δα、Δβ、Δγ为平台三个姿态角的系统偏差,则有:
[0029] (1)因姿态角系统偏差影响不到传感器的测距系统偏差,故有
[0030] Δre=Δr   (3)
[0031] (2)将姿态角系统偏差投影到平台球或极坐标系下,并进行一阶泰勒展开近似,可得随移动平台姿态和传感器量测的变化而变化的非线性耦合关系式
[0032]
[0033]
[0034] 从公式(3-4)可以看出,等效距离系统偏差不存在耦合情形,但等效方位角系统偏差和等效俯仰角系统偏差是受平台姿态角以及目标所在位置的联合影响的,并且这种耦合关系是非线性的,随平台姿态和传感器量测的变化而变化的。
[0035] 步骤二,等效角度系统偏差均为时变的,于是将等效角度偏差的速率也作为状态建立扩维状态空间模型;建立扩维状态空间模型的具体包括以下步骤:
[0036] 步骤2.1:在建立扩维状态空间模型中,因目标在k时刻的真实位置是唯一的,设有两移动平台A、B各自载有一个传感器,分别令做传感器A和传感器B,根据在地心地固坐标下,同一目标的真实坐标值必须是唯一的原理建立等式:
[0037] 根据上述公式:
[0038] Xecef=RtRlXp+Xs’
[0039] 可建立等式:RtA,kRlA,kXtpA,k+XsA,k=RtB,kRlB,kXtpB,k+XsB,k
[0040] 其中,RlA,k、RlB,k是移动平台A、B在k时刻从平台直角坐标系转换至移动平台东北天坐标系的转换矩阵,RtA,k、RtB,k是移动平台A、B在k时刻从移动平台东北天坐标系转换至地心地固坐标系的转换矩阵,XsA,k、XsB,k是移动平台A、B在k时刻于地心地固坐标系的坐标,XtpA,k、XtpB,k是移动平台A、B上传感器A、B在k时刻量测值经等效系统偏差补偿后的量测值。
[0041] 其具体表达式如下。
[0042]
[0043]
[0044] 其中,rA,k,θA,k, 和rB,k,θB,k, 是传感器A、B在k时刻对目标的距离、方位角和高低角量测,ΔreA,k,ΔθeA,k, ΔreB,k,ΔθeB,k, 是传感器A、B在k时刻等效距离量测偏差、等效方位角量测偏差和等效俯仰角量测偏差。
[0045] 步骤2.2:由公式(4) 和公式(5) 可知方位角与俯仰
角等效系统偏差是时变的,直接将它们建模为常数不合适,故本实施例将方位角与俯仰角等效系统偏差的变化速率也作为待估计的状态量一起进行滤波估计,构建如下状态方程
将方位角与俯仰角等效系统偏差的变化速率也作为待估计的状态量一起进行滤波估计,并据此构建如下状态转移方程:
[0046] Δk+1=ΨΔk+Γwk   (7),
[0047] 其中,待估状态量Δk=[ΔAk,ΔBk]T,wk为状态转移过程演化噪声,υk为观测量量测噪声;转移矩阵 噪声矩阵
[0048] 观测量Zk=ΗkΔk+υk,Zk=RtA,kRlA,kXpA,k+XsA,k-(RtB,kRlB,kXpB,k+XsB,k),[0049] 量测矩阵Ηk=[-RtA,kRlA,kHA,k RtB,kRlB,kHB,k],
[0050]
[0051]
[0052]
[0053] cov(wk)=Qk
[0054] T0为传感器采样周期。
[0055] 对公式(6)RtA,kRlA,kXtpA,k+XsA,k=RtB,kRlB,kXtpB,k+XsB,k在 处进行一阶泰勒展开,得
[0056] RtA,kRlA,kXpA,k+XsA,k+RtA,kRlA,kHA,kΔAk=RtB,kRlB,kXpB,k+XsB,k+RtB,kRlB,kHB,kΔBk  (8)[0057] 其中,XpA,k、XpB,k是传感器A、B对目标在平台直角坐标系下的量测位置,HA,k、HB,k的计算为
[0058]
[0059] 将公式(8)整理成如下矩阵运算形式:
[0060]
[0061] 分别令参数:
[0062] Zk=RtA,kRlA,kXpA,k+XsA,k-(RtB,kRlB,kXpB,k+XsB,k)
[0063] Ηk=[-RtA,kRlA,kHA,k RtB,kRlB,kHB,k]
[0064] Δk=[ΔA,k ΔB,k]T
[0065] 则公式(9)可写成:
[0066] Zk=ΗkΔk+υk  (10)。
[0067] 步骤三,运行卡尔曼滤波算法进行状态估计,对等效系统偏差进行卡尔曼滤波估计,并完成系统偏差补偿,具体包括以下步骤:
[0068] 步骤3.1:由公式(7)Δk+1=ΨΔk+Γwk和公式(10)Zk=ΗkΔk+υk组成的状态空间,进行k时刻的卡尔曼滤波。
[0069] (1)对待估状态量进行一步预测
[0070]
[0071] (2)对状态的误差协方差阵进行一步预测
[0072] Pk+1|}=ΨPk|kΨT+ΓQkΓT
[0073] (3)计算状态量的增益矩阵
[0074]
[0075] (4)对状态量进行一步更新
[0076]
[0077] (5)对状态误差协方差阵进行一步更新
[0078] 最后对状态误差协方差阵进行一步更新。
[0079] 步骤3.2:对状态误差协方差阵进行一步更新后,将滤波得到的等效系统偏差用于对传感器量测值的系统偏差补偿,完成整个空间配准过程。
[0080] 任意时刻k经过空间配准后的新的传感器A、B对目标的量测值XnpA,k、XnpB,k为:
[0081]
[0082] 举例说明:假定有两个移动平台A、B,各自搭载有一部雷达,探测到两共同目标1号目标和2号目标。平台A、B的姿态角误差和传感器误差设置如表1所示。经本发明步骤三滤波估计,收敛后得到雷达A与雷达B的距离、方位角与俯仰角等效系统偏差值分别在500米、1.0度、0.9度;-500米、-1.1度、-1.2度上下波动。传感器A、B对目标1和目标2的位置量测精度经本发明空间配准后,均得到显著提升,具体仿真结果如表2所示。
[0083] 表1仿真场景中平台导航与传感器量测误差设置情况
[0084]
[0085]
[0086] 表2空间配准前后目标航迹精度比较
[0087]
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈