The technical scheme adopted in this invention is to construct a pseudo measurement equation about the deviation of the sensor system through the filtering values of the state of the same target by two sensors, and then combine the sensor system deviation state transfer equation to form a new sensor measurement system model. Finally, the system is used with the system. The corresponding filtering algorithm is filtered and estimated, and the system deviation of each sensor is estimated. The technical scheme proposed by this invention can effectively solve the problem that the dynamic evolution model of the maneuvering target is unknown and is affected by the unknown disturbance in the measurement process, and the system deviation of the sensor can be accurately calculated. One
【技术实现步骤摘要】
一种未知干扰影响下传感器的系统偏差配准方法
本专利技术涉及多源信息融合中的多传感器偏差配准
,尤其涉及一种未知干扰影响下传感器的系统偏差配准方法。
技术介绍
信息融合是一种多层次、多方面的处理过程,包括对多源数据进行检测、相关、组合和估计,从而提高状态和身份估计的精度,以及对战场态势和威胁的重要程度进行适时完整的评价。在多传感器协同跟踪中,找到合适的、最优的融合方法是数据融合的关键所在。由于单个传感器量测时会因多种因素使得量测数据不精确,因此对传感器系统偏差进行配准是一个重要的步骤。融合系统中主要分随机偏差和系统偏差两类,随机偏差可通过滤波方法进行消除,或者通过大量数据测量和分析得到统计特性,进而削弱随机偏差对测量结果的影响。而系统偏差属于确定性的偏差且无法通过滤波方法来消除,需要利用相关算法对其估计并依据估计结果对实际的目标量测进行校准或补偿,这种方法称为系统偏差配准。传感器的配准是指多传感器数据“无偏差”转换时所需要的处理过程,为解决多传感器的配准问题,传统的配准算法主要有离线估计法、在线估计法及联合估计法三类。传统系统偏差估计算法研究通常假设其具有一定动态演化模型且探测目标具有机动模型,但由于外界不同区域的气候、地形及照射光线的各异,外来人为干扰的增多,系统自身的非线性、多模型等问题的存在,都会导致描述系统的目标运动模型难以建立以及量测结果发生较大突变,因此,很多传统的系统偏差估计算法不再适用解决上述情况下随机性系统偏差问题。因此,对含未知干扰的系统偏差估计方法算法显得尤为重要。在机动目标的动态演化模型难以建立且传感器受到电磁、敌机、环境等外界 ...
【技术保护点】
1.一种未知干扰影响下传感器的系统偏差配准方法,其特征在于,包括以下步骤:
【技术特征摘要】
1.一种未知干扰影响下传感器的系统偏差配准方法,其特征在于,包括以下步骤:步骤1:对待测目标系统进行初始化;步骤2:建立所述待测目标系统的系统状态空间模型,所述系统状态空间模型包括系统偏差模型、目标状态模型、量测模型;步骤3:根据所述量测模型中的量测值和卡尔曼滤波算法,将所述量测值由所述目标状态模型对应的目标状态空间转换到所述系统偏差模型对应的系统偏差空间,以构造关于所述传感器的系统偏差的伪量测方程;步骤4:根据所述伪量测方程与系统偏差状态转移方程,进行滤波器设计;步骤5:利用所述滤波器计算所述传感器的所述系统偏差;步骤6:所述系统偏差得到系统偏差估算值,根据所述系统偏差估算值对所述传感器的所述量测值进行配准操作。2.根据权利要求1所述的一种未知干扰影响下传感器的系统偏差配准方法,其特征在于:所述步骤1中,所述初始化包括对每个所述传感器的系统偏差值、所述系统状态转移方程和系统量测方程中的噪声协方差值进行设置。3.根据权利要求1所述的一种未知干扰影响下传感器的系统偏差配准方法,其特征在于:所述步骤2中,所述系统状态空间模型中的所述传感器对应的所述系统偏差模型、所述量测模型以及所述系统状态转移模型方程分别为:x(k+1)=Fxx(k)+vx(k)其中,k表示第k个采样时刻,k+1表示第k个采样时刻的下一个采样时刻,k=1,2,…,L,L表示为设定的采样时刻数目;i表示所述传感器序号,i=1,2,…,m,m表示所述传感器的总数;对于所述传感器i,bi(k)是在第k个采样时刻的系统偏差向量,是系统偏差状态转移矩阵;是含系统偏差的量测向量,Hi是量测矩阵,x(k)是系统状态向量,Gi是所述传感器i在量测过程中受到无任何先验知识的未知输入驱动ui(k)的控制矩阵;x(k)表示运动目标在第k个采样时刻的状态,Fx表示系统目标运动的状态转移矩阵;所述传感器i的系统噪声与观测噪声wi以及状态噪声vx协方差均已知且相互独立。4.根据权利要求1所述的一种未知干扰影响下传感器的系统偏差配准方法,其特征在于:所述步骤3中,根据所述量测值和所述卡尔曼滤波算法,将所述量测值由所述系统状态空间转换到所述系统偏差空间,构造关于所述传感器的所述系统偏差的所述伪量测方程,利用所述传感器对所述待测目标系统的观测方程定义所述待测目标系统的无偏量测方程为:z(k)=Hix(k)+Giui(k)+wi(k),用所述卡尔曼滤波算法对所述传感器i进行滤波,得到...
【专利技术属性】
技术研发人员:周林,付春玲,王俊,胡振涛,金勇,李军伟,张景一,靳兵,方拥军,李腾飞,张世奇,刘英,
申请(专利权)人:河南大学,
类型:发明
国别省市:河南,41
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。