一种未知干扰影响下传感器的系统偏差配准方法技术方案

本发明专利技术所采用的技术方案是：首先通过两部传感器对同一目标的状态的滤波值，构造关于传感器系统偏差的伪量测方程；其次进行与传感器系统偏差状态转移方程的联合，构成新的传感器量测系统模型；最后通过利用与该系统对应的滤波算法进行滤波估计，从而估计出各个传感器的系统偏差。采用本发明专利技术所提出的技术方案可有效解决在机动目标的动态演化模型未知且在量测过程中受到外界未知扰动影响的问题，且可对传感器的系统偏差进行准确计算。 1

A system bias registration method for sensors with unknown interference effects

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、环境等外界非常规外来干扰随机未知扰动影响的情况下，充分利用多个传感器的量测信息，并通过将含未知干扰的状态空间量测信息投影到传感器系统偏差空间，消去原始量测信息中关于系统状态和扰动带来的量测偏差，避免目标运动状态与传感器系统偏差的关联，进而设计一种无偏滤波器来实现对传感器系统偏差的无偏估计，达到对待测目标系统的量测轨迹实时配准的目的。
技术实现思路
本专利技术的目的在于提供一种未知干扰影响下传感器的系统偏差配准方法，该方法在机动目标的动态演化模型未知且在量测过程中受到外界未知扰动影响的情况下，可以准确估计传感器的系统偏差。为实现上述目的，本专利技术采用如下技术方案，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，具体包括以下步骤：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。进一步，在本专利技术中，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。进一步，在本专利技术中，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。进一步，在本专利技术中，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k+1时刻的状态滤波值为：其中，Ki(k)表示所述传感器i在k时刻的卡尔曼滤波增益，将式(1)变形以后得：其中，为Ki(k+1)的广义逆，为k+1时刻的状态估计值，I为单位矩阵，为k时刻的状态估计值。进一步，在本专利技术中，对于同一所述待测目标系统，具有m个所述传感器，任取两个传感器，设为传感器α，传感器β，则所述传感器α与所述传感器β的量测环境相同，则Hα＝Hβ，Gα＝Gβ；且所述传感器α与所述传感器β具有相同的所述系统状态转移方程，从而可消除所述系统状态转移方程中所述传感器α与所述传感器β的对应公共量，即得到所述系统偏差的所述伪量测方程：其中，所述待测目标系统，具有m个所述传感器时，具有个所述伪量测方程。进一步，在本专利技术中，所述步骤4中，利用得到的所述伪量测方程结合所述传感器的所述系统偏差状态转移方程，进行滤波器设计：zb(k+1)＝Hb(k+1)b(k+1)+W(k+1)利用所述卡尔曼滤波算法，通过前一时刻的估计值和当前时刻的观测值得到当前时刻的估计值，即所述传感器的所述系统偏差估计值bi(k+1)。进一步，在本专利技术中，所述步骤5中，在笛卡尔坐标系中，所述传感器i的系统偏差在x轴和y轴方向的系统偏差分别为xk(i)和yk(i)，则bi(k)＝x[k(i),yk(i)]T，其中，()T表示矩阵转置，利用步骤4所设计的滤波器可以得到传感器i在x轴和y轴方向的所述系统偏差估计值和进一步，在本专利技术中，所述步骤6中，根据所述系统偏差估计值对所述传感器的所述量测值进行配准，配准表达式为：其中，和分别表示在笛卡尔坐标系中感器i在第k个采样时刻待测目标系统的x轴和y轴方向配准后的量测值，和分别表示在笛卡尔坐标系中感器i在第k个采样时刻待测目标系统的x轴和y轴方向真实值；和分别表示所述卡尔曼滤波算法在x轴和y轴方向得到的所述系统偏差估计值。进一步，在本专利技术中，具有步骤7：重复所述步骤2至所述步骤6，直至在所有采样时刻，对所述待测目标系统，均完成所述传感器的所述系统偏差的估计，进行量测轨迹的配准，以实现所述待测目标系统的量测轨迹实时配准。本专利技术主要针对系统状态转移方程过于复杂或者不存在系统状态转移方程，并且传感器在量测过程中受到外界扰动的影响的多传感器量测系统。首先通过两部传感器对同一目标的状态的滤波值，构造关于传感器系统偏差的伪量测方程；然后进行与传感器系统偏差状态转移方程的联合，构成新的传感器量测系统模型；最后通过利用与该系统对应的滤波算法进行滤波估计，从而估计出各个传感器的系统偏差。附图说明图1为本专利技术的流程图。具体实施方式下面具体结合附图，对本专利技术的技术方案进行详细说明。如图1所示，本文档来自技高网...

【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