一种异步传感器空间配准算法制造技术

本发明专利技术公开了一种异步传感器空间配准算法，首先采用内插外推时间配准算法实现两传感器的数据同步，随后根据时间配准结果构建伪量测方程；针对目标机动条件下的空间配准问题提出基于内插外推时间配准算法和基于地心地固坐标系的空间配准算法的异步传感器空间配准算法。本发明专利技术的伪量测方程构建过程与目标状态向量无关，且可以证明由时间配准结果构造的伪量测也与目标状态无关。因此所提的算法可有效解决目标机动条件下的异步传感器空间配准问题。通过仿真实验验证了本发明专利技术的算法在目标作蛇形机动的条件下仍然可准确的对传感器的系统误差进行估计；同时通过仿真分析了传感器的采样周期比以及自身的随机误差对系统误差估计精度的影响。

【技术实现步骤摘要】

本专利技术属于信息融合
，尤其涉及。
技术介绍
当今战场环境复杂多变，电磁环境愈发复杂，采用单一传感器信息对导弹进行制 导必然面临探测不精确、易受敌欺骗干扰、目标信息易中断等问题，因此采用网络瞄准，将 多源信息进行融合为导弹提供制导信息，从而实现网络化制导成为未来信息化战争的必然 选择。 在对多源信息进行融合的过程中，由于传感器探测存在系统误差、传感器平台自 身定位误差以及定姿误差等因素，需要进行空间配准处理，以提高数据融合精度。若直接将 未经空间配准的数据用于信息融合处理，则融合的精度将受到极大影响，甚至有可能低于 单传感器的探测精度。因此，在对多传感器的探测信息进行融合之前对其进行空间配准处 理是十分必要的。 现有空间配准算法可以简单的分为两类，即离线空间配准与在线空间配准。离线 空间配准算法主要基于最小二乘算法和最大似然算法；在线的空间配准算法主要基于滤波 算法。导弹的制导过程对实时性要求较强，因此网络瞄准环境下的空间配准算法应采用在 线的空间配准算法。在线空间配准算法分为两类，一类是基于扩展卡尔曼滤波（Extended Kalman，Filter-EKF)的扩展状态向量空间配准算法，将目标的状态与传感器的误差合成一 个扩展状态向量进行估计；但此算法由于状态向量维数较大，因此存在计算量较大的问题。 另一类是基于ECEF坐标系的伪量测算法，此类算法相对扩展状态向量法具有运算量小的 优点。但是无论以上那种算法，均以传感器量测数据的时间同步为前提，异步传感器的空间 配准算法研宄较少。
技术实现思路
本专利技术实施例的目的在于提供一种仅使用目标位置信息的异步传感器空间配准 的方法，旨在解决解决异步传感器的空间配准的问题。 本专利技术实施例是这样实现的，一种仅使用目标位置信息的异步传感器空间配准的 方法，该异步传感器空间配准的方法包括时间对准过程和传感器系统误差估计过程： 时间对准过程完成传感器数据之间在时间上的对准，传感器A、传感器B在本地直 角坐标系下的量测数据分别为YA(ti)和YB (tj，且传感器A的采样频率大于传感器B的采 样频率，则由传感器A向传感器B的采样时刻进行配准，具体为： 采用内插外推的时间配准算法将传感器A的采样数据向传感器B的数据进行配 准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准 算法如下： 在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将传感器A 的观测数据分别向传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采 用常用的三点抛物线插值法的进行内插外推时间配准算法得传感器A在tBk时刻在本地直 角坐标系下的量测值兄(&)为：【主权项】1. 一种仅使用目标位置信息的异步传感器空间配准的方法，其特征在于，该异步传感 器空间配准的方法包括时间对准过程和传感器系统误差估计过程，且伪量测方程的建立过 程仅与目标的位置相关，而与目标的速度等状态无关； 时间对准过程完成传感器数据之间在时间上的对准，传感器A、传感器B在本地直角坐 标系下的量测数据分别为YA(ti)和YB(ti)，且传感器A的采样频率大于传感器B的采样频 率，则由传感器A向传感器B的采样时刻进行配准，具体为： 采用内插外推的时间配准算法将传感器A的采样数据向传感器B的数据进行配准，使 得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如 下： 在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将传感器A的观 测数据分别向传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常 用的三点抛物线插值法的进行内插外推时间配准算法得传感器A在tBk时刻在本地直角坐 标系下的量测值义（tRk)为：其中，tBk为配准时刻，丨^'为传感器A距离配准时刻最近的三个采样时刻YA(tk)，YA(tk+1)分别为其对应的对目标的探测数据； 完成时间配准后，根据传感器A的配准数据与传感器B的采样数据，采用基于地心地固(EarthCenterEarthFixed，ECEF)坐标系下的伪量测法实现传感器A和传感器B的系统 误差的估计；基于ECEF的系统误差估计算法具体为： 假设k时刻目标在本地直角坐标系下真实位置为X'iGOik'Jkhy'Jk)， z，Jk)]1，极坐标系下对应的量测值为，分别为距离、方位角、俯仰 角；转换至本地直角坐标系下为Xjk) = T;传感器系统偏差为 _/，?分别为距离、方位角和俯仰角的系统误差；于是有其4i示观测噪声，均值为零、方差为(o;2，crK 式（1)可以用一阶近似展开并写成矩阵形式为： V! (k) =X: (k)+C(k) \*MERGEFORMAT(3)设两部传感器A和B，则对于同一个公共目标（设地心地固坐标系下为X' 6=，Z(k)为伪测量向量；H(k)为测量矩阵；为传感器 偏差向量；W(k)为测量噪声向量；由于nA(k)，nB(k)为零均值、相互独立的高斯型随机变量， 因此W(k)同样是零均值高斯型随机变量，其协方差矩阵为R(k)。2. 如权利要求1所述的异步传感器空间配准的方法，其特征在于，该异步传感器的空 间配准方法包括的步骤如下： 步骤一、确定低采样率传感器的数据时刻； 步骤二、采用内插外推时间配准算法，根据权利1中所述的传感器A向传感器B进行配 准的计算方法，计算高采样率传感器的时间配准结果； 步骤三、根据伪量测构建过程计算伪量测方程； 步骤四、根据所构建的状态方程与伪量测方程，采用卡尔曼滤波，估计传感器的系统误 差。3. 如权利要求1所述的异步传感器空间配准的方法，其特征在于，传感器A的量测模型 如下： YjtH)、YA(tk)、YA(tk+1)分别为传感器A对目标在tH，tk+1时刻的本地笛卡尔坐标系 下的量测值，分别为：其中，Y' A(tk)、Y'A(tk+1)分别为传感器A在时刻的本地笛卡尔 坐标系下的真实位置；CA(t)为误差的变换矩阵；|A(t)为传感器的系统误差；为系 统噪声，假设气D，气⑴，气为零均值、相互独立的高斯型随机变量，噪声协方差矩阵 分别为RA(k_l)、RA(k)、RA(k+l)。4. 如权利要求2和3所述的异步传感器空间配准的方法，其特征在于，传感器A向传感 器B进行配准的具体过程如下： 将式（7)、式（8)、式（9)带入式（1)，可得：其中为传感器A的本地直角坐标系下目标的真实 位置在tBk时刻的时间配准值；为系统误差造成的误差项；气"气D+6气⑴'为随机噪声，假定tk_i、tk、4+1时刻的噪声互不相关的零均值白噪声，则気为均值为零，协方差矩阵为 RA=a2RA(k-1) +b2RA (k) +c2RA (k+1)的白噪声，而a、b、。、分别为丨，且a+b+c= 1 〇5.如权利要求2所述的异步传感器空间配准的方法，其特征在于，伪量测构建过程仅 与目标的位置相关，而与目标的速度等状态无关，具体过程如下： tBk时刻，传感器A的配准量测为，传感器B的量测为：Y'B(tBk)为传感器B的本地直角坐标系下目标的真实位置，"(tBk)为传感器B的系 统误差，)为传感器B的随机误差； 根据权利1中所述的本文档来自技高网...

【技术保护点】
一种仅使用目标位置信息的异步传感器空间配准的方法，其特征在于，该异步传感器空间配准的方法包括时间对准过程和传感器系统误差估计过程，且伪量测方程的建立过程仅与目标的位置相关，而与目标的速度等状态无关；时间对准过程完成传感器数据之间在时间上的对准，传感器A、传感器B在本地直角坐标系下的量测数据分别为YA(ti)和YB(ti)，且传感器A的采样频率大于传感器B的采样频率，则由传感器A向传感器B的采样时刻进行配准，具体为：采用内插外推的时间配准算法将传感器A的采样数据向传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将传感器A的观测数据分别向传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得传感器A在tBk时刻在本地直角坐标系下的量测值(tBk)为：其中，tBk为配准时刻，tk‑1，tk+1为传感器A距离配准时刻最近的三个采样时刻，YA(tk‑1)，YA(tk)，YA(tk+1)分别为其对应的对目标的探测数据；完成时间配准后，根据传感器A的配准数据与传感器B的采样数据，采用基于地心地固(Earth Center Earth Fixed，ECEF)坐标系下的伪量测法实现传感器A和传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：假设k时刻目标在本地直角坐标系下真实位置为 X′1(k)＝[x′1(k)，y′1(k)，z′1(k)]T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X1(k)＝[x1(k)，y1(k)，z1(k)]T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有其中表示观测噪声，均值为零、方差为式(1)可以用一阶近似展开并写成矩阵形式为：X′1(k)＝X1(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT(3)其中，设两部传感器A和B，则对于同一个公共目标(设地心地固坐标系下为X′e＝[x′e，y′e，z′e]T)，可得X′e＝XAs+BAX′A1(k)＝XBs+BBX′B1(k)\*MERGEFORMAT(4)BA，BB分别为目标在传感器A与传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；定义伪量测为：Z(k)＝XAe(k)‑XBe(k)\*MERGEFORMAT(5) 其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k) 将式(2)、式(3)代入式(4)可以得到关于传感器偏差的伪测量方程Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT(6)其中，H(k)＝[‑BACA(k)BBCB(k)]，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于nA(k)，nB(k)为零均值、相互独立的高斯型随机变量，因此W(k)同样是零均值高斯型随机变量，其协方差矩阵为R(k)。...

【技术特征摘要】

【专利技术属性】
技术研发人员：方洋旺，雍霄驹，伍友利，
申请(专利权)人：方洋旺，雍霄驹，
类型：发明
国别省市：陕西;61