一种双观测者协同被动定位方法及系统技术方案

本发明专利技术公开了一种双观测者协同被动定位方法及系统。该方法包括：获取上一时刻选定模型的滤波信息和当前时刻观测者的观测量；根据选定模型相互转移概率和上一时刻选定模型正确描述目标运动的概率确定上一时刻选定模型混合概率；根据上一时刻选定模型混合概率和上一时刻选定模型的滤波信息计算滤波信息初始值；滤波信息初始值包括滤波估计结果初始值和滤波估计误差协方差初始矩阵；分别计算当前时刻每一观测者的目标无源跟踪定位结果；根据当前时刻每一观测者的目标无源跟踪定位结果进行加权融合处理，得到融合后的目标跟踪定位结果。采用本发明专利技术的方法及系统，具有能够在提升定位精度的同时缩短定位时间的优点。

A method and system of passive location based on the cooperation of two observers

【技术实现步骤摘要】
一种双观测者协同被动定位方法及系统
本专利技术涉及目标跟踪定位
，特别是涉及一种双观测者协同被动定位方法及系统。
技术介绍
辐射源定位是电子对抗侦察中举足轻重的部分，对目标的消灭和摧毁依靠着对威胁目标的精准定位。辐射源定位的方式通过定位终端是否主动发射信号分为有源定位和无源定位两种方式。有源定位的定位方式是通过定位终端主动发射信号如声呐、激光和雷达来对目标进行定位，该方式的优势是可以二十四小时无间断工作，同时具有很高的定位精度。然而由于其主动发射大功率信号也带来了缺陷，即较易被发现，因而造成无法估量的后果。无源定位的定位方式是定位终端不主动发射信号，仅利用目标的无意辐射和有意辐射信号来进行目标定位的方式。相比有源定位来说，无源定位系统隐蔽性更强，能够增强作战实力并避开对方进攻，从而取得先机。由于无源定位更胜一筹，因此逐步在目标定位领域占据了主导地位。目前，对辐射源进行定位的方法多采用集中式算法，需要大量通信量，算法所需计算量较大，定位所需时间较长，因此，如何在尽量短的时间内对辐射源进行精准定位成为亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种双观测者协同被动定位方法及系统，具有能够在提升定位精度的同时缩短定位时间的优点。为实现上述目的，本专利技术提供了如下方案：一种双观测者协同被动定位方法，包括：获取上一时刻选定模型的滤波信息和当前时刻观测者的观测量；所述选定模型的个数为多个，所述选定模型为交互式多模型算法中的模型；所述滤波信息包括滤波估计结果和滤波估计误差协方差矩阵；所述观测者的个数为两个，所述观测量包括观测值相对于目标的方位角和俯仰角；根据所述选定模型相互转移概率和上一时刻选定模型正确描述目标运动的概率确定上一时刻选定模型混合概率；根据所述上一时刻选定模型混合概率和所述上一时刻选定模型的滤波信息计算滤波信息初始值；所述滤波信息初始值包括滤波估计结果初始值和滤波估计误差协方差初始矩阵；分别计算当前时刻每一观测者的目标无源跟踪定位结果；根据所述当前时刻每一观测者的目标无源跟踪定位结果进行加权融合处理，得到融合后的目标跟踪定位结果。可选的，所述计算当前时刻每一观测者的目标无源跟踪定位结果，具体包括：根据所述滤波信息初始值和所述当前时刻观测者的观测量，分别对所述选定模型进行容积卡尔曼滤波计算，得到每一个选定模型当前时刻的滤波信息；根据所述每一个选定模型当前时刻的滤波信息进行加权融合处理，得到观测者自身的目标无源跟踪定位结果。可选的，所述根据所述滤波信息初始值和所述当前时刻观测者的观测量，分别对所述选定模型进行容积卡尔曼滤波计算，得到每一个选定模型当前时刻的滤波信息，具体包括：采用Cholesky分解法分解所述滤波估计误差协方差初始矩阵，得到容积点；根据所述容积点和所述选定模型对应的状态转移模型确定协方差一步预测结果；采用Cholesky分解法分解所述协方差一步预测结果，得到更新后的容积点；根据所述更新后的容积点确定选定模型当前时刻的滤波信息。可选的，所述根据所述更新后的容积点确定选定模型当前时刻的滤波信息，具体包括：根据所述更新后的容积点进行观测量进一步预测，得到观测向量映射结果和观测量进一步预测结果；根据所述观测向量映射结果和所述观测量进一步预测结果计算预测观测协方差矩和交互协方差；根据所述预测观测协方差矩和所述交互协方差确定选定模型当前时刻的滤波信息。本专利技术还提供一种双观测者协同被动定位系统，包括：数据获取模块，用于获取上一时刻选定模型的滤波信息和当前时刻观测者的观测量；所述选定模型的个数为多个，所述选定模型为交互式多模型算法中的模型；所述滤波信息包括滤波估计结果和滤波估计误差协方差矩阵；所述观测者的个数为两个，所述观测量包括观测值相对于目标的方位角和俯仰角；上一时刻选定模型混合概率确定模块，用于根据所述选定模型相互转移概率和上一时刻选定模型正确描述目标运动的概率确定上一时刻选定模型混合概率；滤波信息初始值计算模块，用于根据所述上一时刻选定模型混合概率和所述上一时刻选定模型的滤波信息计算滤波信息初始值；所述滤波信息初始值包括滤波估计结果初始值和滤波估计误差协方差初始矩阵；观测者目标无源跟踪定位结果计算模块，用于分别计算当前时刻每一观测者的目标无源跟踪定位结果；融合后的目标跟踪定位结果确定模块，用于根据所述当前时刻每一观测者的目标无源跟踪定位结果进行加权融合处理，得到融合后的目标跟踪定位结果。可选的，观测者目标无源跟踪定位结果计算模块，具体包括：容积卡尔曼滤波计算子模块，用于根据所述滤波信息初始值和所述当前时刻观测者的观测量，分别对所述选定模型进行容积卡尔曼滤波计算，得到每一个选定模型当前时刻的滤波信息；观测者目标无源跟踪定位结果计算子模块，用于根据所述每一个选定模型当前时刻的滤波信息进行加权融合处理，得到观测者自身的目标无源跟踪定位结果。可选的，容积卡尔曼滤波计算子模块，具体包括：滤波估计误差协方差初始矩阵分解单元，用于采用Cholesky分解法分解所述滤波估计误差协方差初始矩阵，得到容积点；协方差一步预测结果确定单元，用于根据所述容积点和所述选定模型对应的状态转移模型确定协方差一步预测结果；协方差一步预测结果分解单元，用于采用Cholesky分解法分解所述协方差一步预测结果，得到更新后的容积点；选定模型当前时刻的滤波信息确定单元，用于根据所述更新后的容积点确定选定模型当前时刻的滤波信息。可选的，所述选定模型当前时刻的滤波信息确定单元，具体包括：观测量进一步预测子单元，用于根据所述更新后的容积点进行观测量进一步预测，得到观测向量映射结果和观测量进一步预测结果；预测观测协方差矩和交互协方差计算子单元，用于根据所述观测向量映射结果和所述观测量进一步预测结果计算预测观测协方差矩和交互协方差；选定模型当前时刻的滤波信息确定子单元，用于根据所述预测观测协方差矩和所述交互协方差确定选定模型当前时刻的滤波信息。与现有技术相比，本专利技术的有益效果是：本专利技术提出了一种双观测者协同被动定位方法及系统，采用分布式架构，解决了传统集中式目标跟踪定位算法中，通信量较大，对于融合中心的计算能力有较高要求，系统鲁棒性不足的问题，具有更强的稳定性与适应性。此外，本专利技术采用“IMM算法(交互式多模型算法)+CKF算法(容积卡尔曼滤波算法)”实现观测者对于目标的本地跟踪，“IMM+CKF”算法具有对目标机动性变化较强的适应性，通过采用多个模型同时计算的方式，确保了跟踪算法对于目标运动模型的准确覆盖，从而有效保证了目标的无源定位精度，防止出现因为目标机动变化频繁而导致的目标模型不匹配问题。同时CKF算法与传统的EKF(扩展kalman滤波)、UKF(无迹kalman滤波)等非线性算法相比，具有更高的滤波精度。附图说明本文档来自技高网...

【技术保护点】
1.一种双观测者协同被动定位方法，其特征在于，包括：/n获取上一时刻选定模型的滤波信息和当前时刻观测者的观测量；所述选定模型的个数为多个，所述选定模型为交互式多模型算法中的模型；所述滤波信息包括滤波估计结果和滤波估计误差协方差矩阵；所述观测者的个数为两个，所述观测量包括观测值相对于目标的方位角和俯仰角；/n根据所述选定模型相互转移概率和上一时刻选定模型正确描述目标运动的概率确定上一时刻选定模型混合概率；/n根据所述上一时刻选定模型混合概率和所述上一时刻选定模型的滤波信息计算滤波信息初始值；所述滤波信息初始值包括滤波估计结果初始值和滤波估计误差协方差初始矩阵；/n分别计算当前时刻每一观测者的目标无源跟踪定位结果；/n根据所述当前时刻每一观测者的目标无源跟踪定位结果进行加权融合处理，得到融合后的目标跟踪定位结果。/n

【技术特征摘要】
1.一种双观测者协同被动定位方法，其特征在于，包括：
获取上一时刻选定模型的滤波信息和当前时刻观测者的观测量；所述选定模型的个数为多个，所述选定模型为交互式多模型算法中的模型；所述滤波信息包括滤波估计结果和滤波估计误差协方差矩阵；所述观测者的个数为两个，所述观测量包括观测值相对于目标的方位角和俯仰角；
根据所述选定模型相互转移概率和上一时刻选定模型正确描述目标运动的概率确定上一时刻选定模型混合概率；
根据所述上一时刻选定模型混合概率和所述上一时刻选定模型的滤波信息计算滤波信息初始值；所述滤波信息初始值包括滤波估计结果初始值和滤波估计误差协方差初始矩阵；
分别计算当前时刻每一观测者的目标无源跟踪定位结果；
根据所述当前时刻每一观测者的目标无源跟踪定位结果进行加权融合处理，得到融合后的目标跟踪定位结果。


2.根据权利要求1所述的双观测者协同被动定位方法，其特征在于，所述计算当前时刻每一观测者的目标无源跟踪定位结果，具体包括：
根据所述滤波信息初始值和所述当前时刻观测者的观测量，分别对所述选定模型进行容积卡尔曼滤波计算，得到每一个选定模型当前时刻的滤波信息；
根据所述每一个选定模型当前时刻的滤波信息进行加权融合处理，得到观测者自身的目标无源跟踪定位结果。


3.根据权利要求2所述的双观测者协同被动定位方法，其特征在于，所述根据所述滤波信息初始值和所述当前时刻观测者的观测量，分别对所述选定模型进行容积卡尔曼滤波计算，得到每一个选定模型当前时刻的滤波信息，具体包括：
采用Cholesky分解法分解所述滤波估计误差协方差初始矩阵，得到容积点；
根据所述容积点和所述选定模型对应的状态转移模型确定协方差一步预测结果；
采用Cholesky分解法分解所述协方差一步预测结果，得到更新后的容积点；
根据所述更新后的容积点确定选定模型当前时刻的滤波信息。


4.根据权利要求3所述的双观测者协同被动定位方法，其特征在于，所述根据所述更新后的容积点确定选定模型当前时刻的滤波信息，具体包括：
根据所述更新后的容积点进行观测量进一步预测，得到观测向量映射结果和观测量进一步预测结果；
根据所述观测向量映射结果和所述观测量进一步预测结果计算预测观测协方差矩和交互协方差；
根据所述预测观测协方差矩和所述交互协方差确定选定模型当前时刻的滤波信息。


5.一种双观测者协同被动定位系统，其特征在于，包括：
数据获取模块，用于获取上一时刻选定模型的滤波信息和当前时刻观测者的观测量；所述选定模型的个数为多个，所...

【专利技术属性】
技术研发人员：梁源，徐兵，
申请(专利权)人：北京壹氢科技有限公司，
类型：发明
国别省市：北京;11