多传感器融合系统空时偏差联合校准方法技术方案

本发明专利技术涉及一种多传感器融合系统空时偏差联合校准方法，属于传感器偏差校准领域，为了解决现有的偏差校准方法在空间和时间偏差同时存在的情况下，不能对目标状态和空时偏差同时进行估计并对偏差进行校准的缺点，提出一种多传感器融合系统空时偏差联合校准方法，包括：计算增广目标状态向量和状态协方差矩阵，构建状态模型；利用目标状态和空时偏差构建传感器的观测模型；估计目标状态和传感器空时偏差，计算采样点和对应的权值；更新增广状态向量和增广协方差矩阵；计算预测量测、量测的协方差矩阵以及量测和状态向量的互协方差矩阵；更新目标状态及协方差矩阵，得到包含目标状态和传感器空时偏差的估计值。本发明专利技术适用于多基地雷达组网探测领域。

Joint calibration method for space time deviation of multisensor fusion system

The present invention relates to a fusion joint deviation calibration method of space-time system of a multi sensor, belonging to sensor calibration field, in order to solve the deviation of the existing calibration methods exist in both space and time deviation under the condition of not on target state and space-time deviation is estimated and calibrated to the deviation of the shortcomings, put forward a kind of deviation joint calibration method, space-time system of multi sensor fusion includes calculating the augmented objective state vector and the covariance matrix of state and construct state model; based on target state and space-time construction deviation sensor observation model; estimation of target states and sensor space-time deviation calculation of sampling points and the corresponding weights; update the augmented state vector and covariance augmented matrix; calculation of covariance matrix of predicted measurement covariance matrix and state vector measurement and more; The new target state and covariance matrix are obtained to estimate the target state and the sensor space time deviation. The invention is applicable to the netted radar detection field.

【技术实现步骤摘要】

本专利技术涉及一种多传感器融合系统空时偏差联合校准方法，属于传感器偏差校准领域。
技术介绍
对于时间偏差校准，BlairWD,RiceTR,AlouaniAT.Asynchronousdatafusionfortargettrackingwithamultitaskingradarandopticalsensor[C].Orlando’91,FL.InternationalSocietyforOpticsandPhotonics,1991:234-245.中提出的最小二乘法和王宝树,李芳社.基于数据融合技术的多目标跟踪算法研究[J].西安电子科技大学学报,1998,25(3):269-272.中提出的内插外推法用于解决时间偏差校准问题。其中在最小二乘法中低数据率与高数据率传感器的周期比为整数，且低数据率传感器在(k-1)至k时刻的两次目标状态更新之间高数据率传感器有n次量测值，利用最小二乘法将高数据率传感器的n次量测值融合到k时刻。该方法要求各传感器的采样起始时间必须相同，解决的是数据率不同情况下的时间同步问题，而有的实用系统各传感器起始采样时间不相同，相互间的时延未知。内插外推法将高精度传感器的量测数据插值到低精度传感器的量测时间点上，各传感器的采样起始时间可以不同，量测时刻均需精确可知，解决的是时间对齐问题，但在有的实用系统中各传感器之间的时延是未知的，仍需一种实用的时间偏差估计与校准的方法。解决空间偏差校准的算法有DanaMP.Registration:Aprerequisiteformultiplesensortracking[J].Multitarget-MultisensorTracking:AdvancedApplications,1990,1:155-185.中提出的广义最小二乘法和ZhouY,LeungH,BlanchetteM.Sensoralignmentwithearth-centeredearth-fixedcoordinatesystem[J].IEEETransactionsonAerospaceandElectronicSystems,1999,35(2):410-418.中提出的最大似然方法。其中广义最小二乘法利用每时刻量测和空间偏差在二维平面的x,y方向产生一对方程，在N个量测后利用得到的2N个方程构建相应的线性方程，在最小二乘方意义下，就可求得传感器空间偏差向量的估计。最大似然方法对传感器系统偏差和目标的位置进行同时估计，该方法利用立体投影进行空间偏差的配准。上述方法在各传感器的时延和量测时刻已知的情况下可实现对传感器空间偏差的校准，但是在空间和时间偏差同时存在且时间偏差未知的情况下，仍需要一种对目标状态和空时偏差同时进行估计并对偏差进行校准的算法。
技术实现思路
本专利技术的目的是为了解决现有的偏差校准方法在空间和时间偏差同时存在的情况下，不能对目标状态和空时偏差同时进行估计并对偏差进行校准的缺点，而提出一种多传感器融合系统空时偏差联合校准方法。一种多传感器融合系统空时偏差联合校准方法，包括：步骤一：利用空时偏差计算增广目标状态向量和状态协方差矩阵，构建状态模型；步骤二：利用目标状态和空时偏差构建传感器的观测模型；步骤三：根据所述状态模型以及所述观测模型，采用UKF算法估计目标状态和传感器空时偏差，利用不敏变换计算δ采样点和对应的权值Wi；步骤四：利用所述δ采样点和所述权值W计算预测增广状态向量及其协方差矩阵Pk+1|k；步骤五：计算预测量测向量预测量测的协方差矩阵Pzz以及量测和状态向量的互协方差矩阵Pxz；步骤六：更新目标状态估计向量及协方差矩阵Pk+1|k+1，得到包含目标状态和传感器空时偏差的估计值。本专利技术的有益效果为：用传感器的空间和时间偏差对目标状态向量进行增广，用不敏卡尔曼滤波方法对增广状态向量进行滤波处理，可以在获得目标状态估计向量的同时实现了对空时偏差的有效估计，实现多传感器系统空时偏差联合校准。附图说明图1为本专利技术的多传感器融合系统空时偏差联合校准方法的流程图；图2为本专利技术实施例的目标跟踪航迹的曲线图；图3为本专利技术实施例的时间偏差估计曲线图；图4为本专利技术实施例的第一传感器的距离偏差估计的曲线图；图5为本专利技术实施例的第一传感器的角度偏差估计的曲线图；图6为本专利技术实施例的第二传感器的距离偏差估计的曲线图；图7为本专利技术实施例的第二传感器的角度偏差估计的曲线图；图8为本专利技术实施例的时间偏差估计的均方根误差曲线图；图9为本专利技术实施例的第一传感器的距离偏差估计的均方根误差曲线图；图10为本专利技术实施例的第一传感器的角度偏差估计的均方根误差曲线图；图11为本专利技术实施例的第二传感器的距离偏差估计的均方根误差曲线图；图12为本专利技术实施例的第二传感器的角度偏差估计的均方根误差曲线图；具体实施方式本专利技术所针对的空时偏差，其中空间偏差是各传感器量测方位角和径向距离偏差，时间偏差是各传感器起始采样时刻之间未知的时延差。具体实施方式一：本实施方式的多传感器融合系统空时偏差联合校准方法，包括如下步骤：步骤一：利用空时偏差计算增广目标状态向量和状态协方差矩阵，构建状态模型；步骤二：利用目标状态和空时偏差构建传感器的观测模型；步骤三：根据所述状态模型以及所述观测模型，采用UKF算法估计目标状态和传感器空时偏差，利用不敏变换计算δ采样点和对应的权值Wi；δ采样点表示使用δ采样法得到的采样点。步骤四：利用所述δ采样点和所述权值W计算预测增广状态向量及其协方差矩阵Pk+1|k；步骤五：计算预测量测向量预测量测的协方差矩阵Pzz以及量测和状态向量的互协方差矩阵Pxz；步骤六：更新目标状态估计向量及协方差矩阵Pk+1|k+1，得到包含目标状态和传感器空时偏差的估计值。具体实施方式二：本实施方式与具体实施方式一不同的是：所述方法使用第一传感器以及第二传感器进行观测，两传感器数据率相等，空时偏差均为固定值。步骤一中，状态模型的具体公式如下：Xk+1＝Fk·Xk+Γk·vk其中Xk为扩维后k时刻的状态向量，为k时刻目标状态，其中xk和yk为k时刻目标在x和y方向的位置，和为k时刻目标在x和y方向的速度，和为k时刻第一传感器的距离和角度偏差，和为k时刻第二传感器的距离和角度偏差，Δtk为两传感器k时刻的待估计时间差。其中，以第一传感器为原点，以第一传感器指向第二传感器的方向为x正方向，与x垂直的方向为y方向。Xk+1为扩维后k+1时刻的状态向量，Pk为扩维后的状态协方差矩阵，其对角线上的分块矩阵为目标状态和相应偏差的自协方差矩阵，非对角线上的分块矩阵为相应量间的互协方差矩阵。例如，是目标状态和时间偏差的互协方差矩阵，为目标状态和第一传感器距离偏差的互协方差矩阵；为目标状态和第一传感器角度偏差的互协方差矩阵，为第一传感器的距离和角度偏差的互协方差矩阵，以此类推。本领域内技术人员可以通过上述例子判断出矩阵中其他元素的含义，故本专利技术不再一一作出解释。Fk为状态转移矩阵，Γk为过程噪声增益矩阵，vk为过程噪声。其它步骤及参数与具体实施方式一相同。具体实施方式三：本实施方式与具体实施方式一或二不同的是：步骤二中，观测模型的具体公式如下：Zk＝h(Xk)+Wk其中Zk是传感器k时刻的观测值，h(Xk)是本文档来自技高网...

【技术保护点】
一种多传感器融合系统空时偏差联合校准方法，其特征在于，包括如下步骤：步骤一：利用空时偏差计算增广目标状态向量和状态协方差矩阵，构建状态模型；步骤二：利用目标状态和空时偏差构建传感器的观测模型；步骤三：根据所述状态模型以及所述观测模型，采用UKF算法估计目标状态和传感器空时偏差，并利用不敏变换计算δ采样点和对应的权值Wi；步骤四：利用所述δ采样点和所述权值Wi计算预测增广状态向量及其协方差矩阵Pk+1|k；步骤五：计算预测量测预测量测的协方差矩阵Pzz以及量测和状态向量的互协方差矩阵Pxz；步骤六：更新目标状态估计向量及协方差矩阵Pk+1|k+1，得到包含目标状态和传感器空时偏差的估计值。

【技术特征摘要】
1.一种多传感器融合系统空时偏差联合校准方法，其特征在于，包括如下步骤：步骤一：利用空时偏差计算增广目标状态向量和状态协方差矩阵，构建状态模型；步骤二：利用目标状态和空时偏差构建传感器的观测模型；步骤三：根据所述状态模型以及所述观测模型，采用UKF算法估计目标状态和传感器空时偏差，并利用不敏变换计算δ采样点和对应的权值Wi；步骤四：利用所述δ采样点和所述权值Wi计算预测增广状态向量及其协方差矩阵Pk+1|k；步骤五：计算预测量测预测量测的协方差矩阵Pzz以及量测和状态向量的互协方差矩阵Pxz；步骤六：更新目标状态估计向量及协方差矩阵Pk+1|k+1，得到包含目标状态和传感器空时偏差的估计值。2.根据权利要求1所述的方法，其中，所述方法使用第一传感器以及第二传感器进行观测，其特征在于，步骤一中，状态模型的具体公式如下：Xk+1＝Fk·Xk+Γk·vk其中Xk为扩维后k时刻的状态向量，为k时刻目标状态，其中xk和yk为k时刻目标在x和y方向的位置，和为k时刻目标在x和y方向的速度，和为k时刻第一传感器的距离和角度偏差，和为k时刻第二传感器的距离和角度偏差，Δtk为两传感器k时刻的待估计时间差；Xk+1为扩维后k+1时刻的状态向量，Pk为扩维后的状态协方差矩阵，其对角线上的分块矩阵为目标状态和相应偏差的自协方差矩阵，非对角线上的分块矩阵为相应量间的互协方差矩阵，Fk为状态转移矩阵，...

【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