一种利用ADS‑B数据的GM‑EPHD滤波雷达系统误差联合估计方法。其首先将目标ADS‑B观测值转换到以雷达站位置为中心的直角坐标系下，建立目标的ADS‑B及雷达的观测方程，在线性高斯条件下建立目标及雷达系统误差的状态转移方程，将雷达系统误差扩展至目标状态中组成扩展状态，先使用坐标转换后的ADS‑B观测数据对目标状态进行高斯混合‑概率假设密度滤波，以获得较为准确的目标状态估计，再使用雷达观测数据对目标状态更新后的扩展状态进行高斯混合‑扩展概率假设密度滤波，进而采用两步卡尔曼滤波器联合估计出目标状态和雷达系统误差，最后使用加权平均算法得到雷达系统误差的融合估计结果。本方法估计精度高、估计性能好。
【技术实现步骤摘要】
本专利技术属于传感器误差配准
，特别是涉及一种利用ADS-B数据的 GM-EPHD滤波雷达系统误差联合估计方法。
技术介绍
雷达误差一般分为两类：随机误差和系统误差。在多雷达融合跟踪系统中，雷达系 统误差估计已成为多雷达融合处理的先决条件，将会直接影响整个系统的工作性能。因此 需要对雷达系统误差进行估计，以此对雷达测量进行相应的补偿，这个过程也称为误差配 准。雷达系统误差包括以下几种：雷达站点坐标标定误差、空间坐标转换误差、雷达测量误 差。常用的雷达系统误差估计方法一般只考虑因测距、测角引起的测量误差。现有的雷达 系统误差估计方法可以归纳为离线估计方法和在线估计方法。离线估计方法是通过对一段 时间的雷达观测数据进行数据拟合，从而估计出雷达的系统误差，如最小二乘法及最大似 然法等。在线估计方法主要是利用滤波方法实现雷达系统误差的递推估计，在线估计方法 和离线估计方法相比具有实时误差估计的优点，因此得到国内外学者的更多关注。2006年 Bar-Shalom提出利用Kalman滤波进行雷达系统误差估计的方法。2007年Herrero提出一 种利用Kalman滤波实现目标状态与系统误差联合估计方法。 无论是基于数据拟合的离线估计方法还是基于滤波的在线估计方法，上述方法都 需要满足这样一个假设：目标状态和观测之间的关联关系预先已知。现有的方法通过最近 邻方法（NN)、联合概率数据关联方法（JPDA)等获得目标状态和观测之间的关联关系。而 对于多目标或密集杂波场景，想要获得准确的关联关系是十分困难的，而且错误的目标状 态与观测之间的关联关系将会严重影响雷达系统误差估计结果。2003年Mahler在随机 有限集理论框架下提出传递目标状态集合的后验概率密度的一阶统计矩的概率假设密度 (Probability Hypothesis Density，PHD)滤波理论。PHD滤波器将复杂的多目标状态空间 的运算转换为单目标状态空间内的运算，可有效避免多目标状态估计中复杂的数据关联过 程。2006年Vo提出了高斯混合模型PHD (Gaussian Mixture PHD, GM-PHD)滤波器，给出了 线性高斯条件的PHD滤波器的封闭解形式。2012年Wenling Li等将GM-PHD滤波器用于多 传感器多目标跟踪中，实现了目标状态和传感器系统误差的联合估计。 随着全球导航卫星系统（GNSS)和空空、空地数据链通信技术的发展，一 种新型的航空器运行监视技术一广播式自动相关监视技术（AutomaticDependent Surveillance-Broadcast，ADS_B)正在航空器监视中广泛应用。航空器上的ADS-B机载收 发信机将本机GPS(GlobalPositioningSystem)导航设备获得的本机经度、炜度、速度、 时间、高度等数据通过数据链对外广播，ADS-B地面站通过接收有效空域内航空器所发送的 广播数据实现对航空器的监视，其定位精度即为机载GPS导航设备的定位精度，远远优于 雷达定位精度。因此利用ADS-B进行雷达系统误差估计成为该领域新的研宄热点。2009 年Besada提出了利用ADS-B监视数据对空中交通管理系统航管雷达进行误差配准的方法。 2013年HeYou提出利用Kalman滤波及ADS-B监视数据进行雷达系统误差估计的方法。但 到目前为止尚未发现利用ADS-B的概率假设密度滤波雷达系统误差联合估计方面的报道。
技术实现思路
为了解决上述问题，本专利技术的目的在于提供一种利用ADS-B数据的GM-EPHD滤波 雷达系统误差联合估计方法。 为了达到上述目的，本专利技术提供的利用ADS-B数据的GM-EPHD滤波雷达系统误差 联合估计方法包括按顺序进行的下列步骤： 1)建立目标的ADS-B及雷达的观测方程的S1阶段； 2)建立目标及雷达系统误差的状态转移方程的S2阶段； 3)利用GM-EPHD滤波器对雷达系统误差进行融合估计的S3阶段。在步骤1)中，所述的建立目标的ADS-B及雷达的观测方程的方法是首先利用坐标 投影技术将目标的ADS-B观测值转换到以雷达站位置为中心的直角坐标系下，由于ADS-B 监视数据的定位精度远远优于雷达的定位精度，在不考虑ADS-B定位误差的基础上，建立 坐标转换后的目标的ADS-B观测方程，然后考虑雷达系统误差，建立目标的雷达观测方程， 为利用GM-EPHD滤波器对雷达系统误差进行融合估计做准备。 在步骤2)中，所述的建立目标及雷达系统误差的状态转移方程的方法是假设目 标状态及雷达系统误差均满足线性高斯特性，进而建立目标及雷达系统误差的状态转移方 程，为利用GM-EPHD滤波器对雷达系统误差进行融合估计做准备。 在步骤3)中，所述的利用GM-EPHD滤波器对雷达系统误差进行融合估计的方法是 首先将雷达系统误差扩展至目标状态中组成扩展状态，根据S2阶段中建立的目标及雷达 系统误差的状态转移方程分别对目标状态及雷达系统误差进行预测，然后使用S1阶段中 坐标转换后的ADS-B观测数据对目标状态进行高斯混合-概率假设密度滤波，以获取较为 准确的目标状态估计，接着使用S1阶段中的雷达观测数据对扩展状态进行高斯混合-扩展 概率假设密度滤波，进而采用两步卡尔曼滤波器联合估计出目标状态和雷达系统误差，最 后使用加权平均算法对雷达系统误差进行融合估计。 本专利技术提供的利用ADS-B数据的GM-EPHD滤波雷达系统误差联合估计方法首先将 目标的ADS-B观测值转换到以雷达站位置为中心的直角坐标系下，由于ADS-B监视数据的 定位精度远远优于雷达的定位精度，在不考虑ADS-B定位误差的基础上，建立目标的ADS-B 及雷达的观测方程，然后在线性高斯条件下建立目标及雷达系统误差的状态转移方程，接 着将雷达系统误差扩展至目标状态中组成扩展状态，先使用坐标转换后的ADS-B观测数据 对目标状态进行高斯混合-概率假设密度滤波，以获得较为准确的目标状态估计，再使用 雷达观测数据对目标状态更当前第1页1 2 本文档来自技高网...
【技术保护点】
一种利用ADS‑B数据的GM‑EPHD滤波雷达系统误差联合估计方法，其特征在于:所述的利用ADS‑B数据的GM‑EPHD滤波雷达系统误差联合估计方法包括按顺序进行的下列步骤：1)建立目标的ADS‑B及雷达的观测方程的S1阶段；2)建立目标及雷达系统误差的状态转移方程的S2阶段；3)利用GM‑EPHD滤波器对雷达系统误差进行融合估计的S3阶段。
【技术特征摘要】
【专利技术属性】
技术研发人员：来燃，章涛，吴仁彪，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。