周期任意的多传感器空时偏差补偿方法和装置制造方法及图纸

本发明专利技术涉及一种周期任意的多传感器空时偏差补偿方法，方法包括：根据第k‑1个时刻的扩维状态数据，利用不敏变换计算第k‑1个时刻的状态采样点数据和对应的权值；根据第k‑1个时刻的状态采样点数据和对应的权值，获取第k个时刻的状态预测数据；根据第k个时刻的状态预测数据和对应的权值，获取第k个时刻的观测预测采样点和观测预测向量；根据第k个时刻的观测预测向量、观测预测采样点和对应权值，获取新息矩阵以及状态和观测之间的互协方差矩阵，并更新卡尔曼增益；根据状态预测数据，观测预测向量以及新息矩阵和互协方差矩阵，对第k个时刻的扩维状态估计和扩维状态误差协方差矩阵进行更新，获取多传感器空时偏差估计和目标状态估计。

Space-time deviation compensation method and device for multi-sensor with arbitrary period

The present invention relates to a multi-sensor space-time deviation compensation method with arbitrary period. The method includes: calculating state sampling point data and corresponding weights at k_1 time by using insensitive transformation based on extended state data at k_1 time; acquiring state prediction data at k_1 time based on state sampling point data and corresponding weights at k_1 time; and acquiring state prediction data at k_1 time according to k_1 time; The state prediction data and corresponding weights of the time are obtained to obtain the observation prediction sampling points and the observation prediction vectors at the k-th time. According to the observation prediction vectors at the k-th time, the observation prediction sampling points and the corresponding weights, the innovation matrix and the cross-covariance matrix between the state and the observation are obtained, and the Kalman gain is updated. According to the state prediction data, the observation prediction vectors and the new ones are obtained. The information matrix and the cross-covariance matrix update the extended-dimension state estimation and the extended-dimension state error covariance matrix at the k-th time to obtain the space-time bias estimation and target state estimation of multi-sensor.

【技术实现步骤摘要】
周期任意的多传感器空时偏差补偿方法和装置
本专利技术涉及计算机
，特别是涉及一种周期任意的多传感器空时偏差补偿方法、装置、计算机设备和可读存储介质。
技术介绍
多传感器数据融合是目标跟踪领域的重要组成部分，通过融合多传感器的观测数据，多传感器系统可取得优于单传感器的跟踪性能。在实际多传感器系统中，由于信号处理、数据传输以及滤波延迟等原因，观测数据时戳和真实量测时刻之间存在固定延时，系统中存在时间偏差问题。同时由于传感器结构的不完善，传感器观测数据中会存在固定的空间偏差。因此，为了实现观测数据的精确融合，就需要对多传感器的系统空间偏差和时间偏差进行估计和补偿。现有的多数算法集中在空间偏差配准的研究中，部分算法考虑了时间偏差问题，但只解决了传感器观测周期已知情况下的时间偏差估计问题，没有对传感器观测周期任意情况下的空时偏差和目标状态同时估计问题进行研究。
技术实现思路
本专利技术的目的在于提供一种周期任意的多传感器空时偏差补偿方法、装置和计算机设备，实现了传感器空时偏差和目标状态的同时估计。本专利技术的目的通过如下技术方案实现：一种周期任意的多传感器空时偏差补偿方法，所述方法包括：获取第k-1个时刻的扩维状态数据，根据所述第k-1个时刻的扩维状态数据，获取第k-1个时刻的状态采样点数据和对应的权值；根据所述第k-1个时刻的状态采样点数据和对应的权值，获取第k个时刻的状态预测数据；根据所述第k个时刻的状态预测数据和对应的权值，获取第k个时刻的观测预测采样点和观测预测向量；根据所述第k个时刻的观测预测向量、所述观测预测采样点和所述权值，获取新息矩阵以及状态和观测之间的互协方差矩阵，并更新卡尔曼增益；根据所述状态预测数据，观测预测向量以及所述新息矩阵和所述互协方差矩阵，对第k个时刻所述扩维状态估计和所述扩维状态误差协方差矩阵进行更新，获取多传感器空时偏差估计和目标状态估计。在一个实施例中，所述方法还包括：根据所述数据时戳获取时间偏差和时戳延时差之间的关联关系。在一个实施例中，所述扩维状态数据包括第k-1个时刻的扩维状态估计和第k-1个时刻的扩维状态误差协方差矩阵的估计。在一个实施例中，所述根据所述数据时戳获取时间偏差和时戳延时差之间的关联关系，包括：根据所述数据时戳获取初始时刻时，两个传感器的数据时戳的差值；将初始时刻时两个传感器的数据时戳的差值，作为所述时间偏差和时戳延时差之间的差值，得到所述时间偏差和时戳延时差之间的关联关系。在一个实施例中，所述第k个时刻的状态预测数据包括状态预测采样点、状态预测和状态预测误差协方差矩阵。在一个实施例中，所述根据所述第k个时刻的状态预测数据和对应的权值，获取观测预测采样点和观测预测向量，包括：根据观测方程，对第k个时刻的状态预测采样点进行非线性变换，得到第k个时刻的观测预测采样点。在一个实施例中，所述根据所述状态预测数据，所述观测预测向量，所述新息矩阵和所述互协方差矩阵，对所述扩维状态估计和所述扩维状态误差协方差矩阵更新，获取多传感器空时偏差估计和目标状态估计，包括：根据所述状态预测数据、所述观测预测向量、所述新息矩阵、所述互协方差矩阵和所述卡尔曼增益，对所述扩维状态估计和所述扩维状态误差协方差矩阵更新，得到传感器的空间偏差的估计和时戳延时差的估计；根据所述时间偏差和时戳延时差之间的关联关系，以及根据所述时戳延时差的估计，获取所述时间偏差的估计。一种周期任意的多传感器空时偏差补偿装置，所述装置包括：扩维状态获取模块，用于获取第k-1个时刻的扩维状态数据，根据所述第k-1个时刻的扩维状态数据，利用不敏变换获取第k-1个时刻的状态采样点数据和对应的权值；状态预测获取模块，用于根据所述第k-1个时刻的状态采样点数据和对应的权值，获取第k个时刻的状态预测数据；观测预测获取模块，用于根据所述第k个时刻的状态预测数据和对应的权值，获取第k个时刻观测预测采样点和观测预测向量；预测数据处理模块，用于根据所述第k个时刻的观测预测向量、所述观测预测采样点和所述权值，获取新息矩阵以及状态和观测之间的互协方差矩阵，并更新卡尔曼增益；空时偏差获取模块，用于根据所述状态预测数据，观测预测向量以及所述新息矩阵和所述互协方差矩阵，对第k个时刻所述扩维状态估计和所述扩维状态误差协方差矩阵进行更新，获取多传感器空时偏差估计和目标状态估计。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如下步骤：获取第k-1个时刻的扩维状态数据，根据所述第k-1个时刻的扩维状态数据，利用不敏变换获取第k-1个时刻的状态采样点数据和对应的权值；根据所述第k-1个时刻的状态采样点数据和对应的权值，获取第k个时刻的状态预测数据；根据所述第k个时刻的状态预测数据和对应的权值，获取第k个时刻观测预测采样点和观测预测向量；根据所述第k个时刻的观测预测向量、所述观测预测采样点和所述权值，获取新息矩阵以及状态和观测之间的互协方差矩阵，并更新卡尔曼增益；根据所述状态预测数据，观测预测向量以及所述新息矩阵和所述互协方差矩阵，对第k个时刻所述扩维状态估计和所述扩维状态误差协方差矩阵进行更新，获取多传感器空时偏差估计和目标状态估计。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：获取第k-1个时刻的扩维状态数据，根据所述第k-1个时刻的扩维状态数据，利用不敏变换获取第k-1个时刻的状态采样点数据和对应的权值；根据所述第k-1个时刻的状态采样点数据和对应的权值，获取第k个时刻的状态预测数据；根据所述第k个时刻的状态预测数据和对应的权值，获取第k个时刻观测预测采样点和观测预测向量；根据所述第k个时刻的观测预测向量、所述观测预测采样点和所述权值，获取新息矩阵以及状态和观测之间的互协方差矩阵，并更新卡尔曼增益；根据所述状态预测数据，观测预测向量以及所述新息矩阵和所述互协方差矩阵，对第k个时刻所述扩维状态估计和所述扩维状态误差协方差矩阵进行更新，获取多传感器空时偏差估计和目标状态估计。本专利技术提供的周期任意的多传感器空时偏差补偿方法，其获取第k-1个时刻的扩维状态数据，根据所述第k-1个时刻的扩维状态数据，利用不敏变换获取第k-1个时刻的状态采样点数据和对应的权值；根据所述第k-1个时刻的状态采样点数据和对应的权值，获取第k个时刻的状态预测数据；根据所述第k个时刻的状态预测数据和对应的权值，获取第k个时刻观测预测采样点和观测预测向量；根据所述第k个时刻的观测预测向量、所述观测预测采样点和所述权值，获取新息矩阵以及状态和观测之间的互协方差矩阵，并更新卡尔曼增益；根据所述状态预测数据，观测预测向量以及所述新息矩阵和所述互协方差矩阵，对第k个时刻所述扩维状态估计和所述扩维状态误差协方差矩阵进行更新，获取多传感器空时偏差估计和目标状态估计，实现了空时偏差和目标状态的同时估计。附图说明图1为一个实施例中周期任意的多传感器空时偏差补偿方法的应用环境图；图2为一个实施例中周期任意的多传感器空时偏差补偿方法的流程示意图；图3为时间偏差估计仿真结果示意图；图4为距离偏差估计仿真结果示意图；图5为角度偏差估计仿真结果示意图；图6为目标跟踪航迹仿真结果示意图；图7为时间偏差估计RMSE仿真结本文档来自技高网...

【技术保护点】
1.一种周期任意的多传感器空时偏差补偿方法，其特征在于，所述方法包括：获取第k‑1个时刻的扩维状态数据，根据所述第k‑1个时刻的扩维状态数据，利用不敏变换获取第k‑1个时刻的状态采样点数据和对应的权值；根据所述第k‑1个时刻的状态采样点数据和对应的权值，获取第k个时刻的状态预测数据；根据所述第k个时刻的状态预测数据和对应的权值，获取第k个时刻观测预测采样点和观测预测向量；根据所述第k个时刻的观测预测向量、所述观测预测采样点和所述权值，获取新息矩阵以及状态和观测之间的互协方差矩阵，并更新卡尔曼增益；根据所述状态预测数据，观测预测向量以及所述新息矩阵和所述互协方差矩阵，对第k个时刻所述扩维状态估计和所述扩维状态误差协方差矩阵进行更新，获取多传感器空时偏差估计和目标状态估计。

【技术特征摘要】
1.一种周期任意的多传感器空时偏差补偿方法，其特征在于，所述方法包括：获取第k-1个时刻的扩维状态数据，根据所述第k-1个时刻的扩维状态数据，利用不敏变换获取第k-1个时刻的状态采样点数据和对应的权值；根据所述第k-1个时刻的状态采样点数据和对应的权值，获取第k个时刻的状态预测数据；根据所述第k个时刻的状态预测数据和对应的权值，获取第k个时刻观测预测采样点和观测预测向量；根据所述第k个时刻的观测预测向量、所述观测预测采样点和所述权值，获取新息矩阵以及状态和观测之间的互协方差矩阵，并更新卡尔曼增益；根据所述状态预测数据，观测预测向量以及所述新息矩阵和所述互协方差矩阵，对第k个时刻所述扩维状态估计和所述扩维状态误差协方差矩阵进行更新，获取多传感器空时偏差估计和目标状态估计。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述数据时戳获取时间偏差和时戳延时差之间的关联关系。3.根据权利要求1所述的方法，其特征在于，所述扩维状态数据包括第k-1个时刻的扩维状态估计和第k-1个时刻的扩维状态误差协方差矩阵的估计。4.根据权利要求2所述的方法，其特征在于，所述根据所述数据时戳获取时间偏差和时戳延时差之间的关联关系，包括：根据所述数据时戳获取初始时刻时，两个传感器的数据时戳的差值；将初始时刻时两个传感器的数据时戳的差值，作为所述时间偏差和时戳延时差之间的差值，得到所述时间偏差和时戳延时差之间的关联关系。5.根据权利要求1所述的方法，其特征在于，所述第k个时刻的状态预测数据包括状态预测采样点、状态预测和状态预测误差协方差矩阵。6.根据权利要求5所述的方法，其特征在于，所述根据所述第k个时刻的状态预测数据和对应的权值，获取第k个时刻的观测预测采样点和观测预测向量，包括：根据观测方程，对第k个时刻的状态预测采样点进行非线性变换，得到第k个时刻的观测...

【专利技术属性】
技术研发人员：周共健，卜石哲，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23