一种多传感器多目标协同探测信息融合方法、系统技术方案

本发明专利技术公开了一种多传感器多目标协同探测信息融合方法，包括：获取雷达测量设备的原始数据；对所述原始数据进行预处理，得到处理数据；根据时间配准算法及空间配准算法进行传感器信息配准，以使得所有传感器获得同一时刻及同一时空的观测信息；根据目标关联算法及机动目标模型进行点迹‑航迹关联，以得到目标航迹；根据K‑means算法进行航迹‑航迹关联，以得到精确航迹；根据融合算法对所述处理数据进行融合处理，以得到追踪目标的精确航迹及实时运动参数。本发明专利技术提供的多目标协同探测信息融合方案，具备配置灵活、通用性强和可扩展性好的优点；通过机载数据处理单元进行数据实时处理，降低远程控制中心的任务负载，增加方案的时效性和安全性。

【技术实现步骤摘要】
一种多传感器多目标协同探测信息融合方法、系统
本专利技术涉及通信
，特别是涉及一种多传感器多目标协同探测信息融合方法、系统。
技术介绍
随着无人飞机和机载测量设备性能不断提高，测量模式由过去的单一飞机之间的测量，转变为多种飞机编队联合群体的体系与体系的测量。传统的单架无人飞行器探测模式已无法满足日益复杂的搜救环境等任务的需求。与传统的单一模式探测任务实现方法相比，多架无人飞行器协同探测融合方法具有鲁棒性、灵活性和规模适应性等优势。但在现有技术中，协同探测任务的完成大都基于地面固定的多个基站对空中飞行的多目标进行测量，将雷达回波测量信息通过无线传输的方式发送到地面数据处理中心，经融合中心的全方位解算获取目标敌机的状态信息，再通过无线信号将指令下达探测载机，这样数据多次的传输就降低了目标探测的实时性，并且在载机失联的情况下，单独个体难以完成探测或跟踪任务。
技术实现思路
本专利技术提供多传感器多目标协同探测信息融合方法、系统，通过机载数据处理单元进行数据实时处理，降低远程控制中心的任务负载，增加方案的时效性和安全性。本专利技术一个实施例提供一种多传感器多目标协同探测信息融合方法，包括：获取雷达测量设备的原始数据；对所述原始数据进行预处理，得到处理数据；其中，所述预处理包括：根据光学望远镜的测角进行跟踪误差修正，根据时间插值对齐的方位角突变进行方位角跳点修正，根据雷达测量距离进行传播延时修正及时间插值对齐；根据时间配准算法进行传感器信息配准，以使得所有传感器获得同一时刻的观测信息；根据空间配准算法进行传感器信息配准，以使得所有传感器获得同一空间的观测信息；根据目标关联算法及机动目标模型进行点迹-航迹关联，以得到目标航迹；根据K-means算法进行航迹-航迹关联，以得到精确航迹；根据融合算法对所述处理数据进行融合处理，以得到追踪目标的精确航迹及实时运动参数。进一步地，所述跟踪误差修正通过以下步骤计算：其中A(j),E(j),A′(j),E′(j)分别表示修正前后第j个测站当前时刻的方位角和俯仰角测量数据，f为第j个测站的摄影焦距，x(j),y(j)表示当前时刻目标在测站像平面坐标系中的两个跟踪误差量，由实时视频判读给出。进一步地，所述方位角跳点修正通过以下步骤计算：其中，A(j)为当前方位角数据，A′(j)为跳点修正后数据；δ0为预设值，一般取值范围在350～360；所述传播延时修正通过以下步骤计算：其中光速c＝299792468m/s，R(j)为目标和雷达的距离，T’c(j)为修正后时间，Tc(j)为延时修正前时间。。所述时间插值对齐通过以下步骤计算：其中，设备采取的等间隔数据序列为Tc(j),α(j),j＝1,2,3,…，各设备时间对齐后的间隔为0.05s的时间序列为ts(k),k＝1,2,3,…，α′(k)为时间对齐后的数据序列。进一步地，所述时间配准算法具体包括以下步骤：获取第一传感器与第二传感器的采样周期τ和T，其中τ:T＝n；计算第二传感器在k-1至k时刻内的n个观测值构成的集合：Zn＝[z1，z2，…，zn]T其中，zn与k时刻第一传感器的观测值同步；计算z1，z2，…，zn融合后的观测值及其导数得到第二传感器的观测值可表示为其中vi表示观测噪声；计算上式的向量形式：Zn＝WnU+Vn其中vn＝[v1，v2，…，vn]T，其协方差阵为而为融合以前观测噪声的方差，同时有根据最小二乘准则有如下目标函数要使J最小，将J两边对求偏导，并使其为零，可得从而有相应的误差协方差阵为可得融合以后的观测值及其噪声方差为其中c1＝-2/n；c2＝6/[n(n+1)]。进一步地，所述空间配准通算法过以下方式计算：获取所述第一传感器及所述第二传感器的地理坐标：(La，λa，Ha)和(Lb，λb，Hb)；获取所述第一传感器及所述第二传感器的ECEF坐标：(xa，ya，za)和(xb，yb，zb)；获取所述第一传感器及所述第二传感器对于目标Tk的斜距、方位角及俯仰角上的观测值(ra，k，θa，k，ηa，k)和(rb，k，θb，k，ηb，k)及观测误差(Δra，Δθa，Δηa)和(Δrb，Δθb，Δηb)；通过所述第一传感器及第二传感器的观测值计算笛卡尔坐标：将所述笛卡尔坐标转化为ECEF坐标：其中[xg，k，yg，k，zg，k]为目标Tk的ECEF坐标；根据所述第一传感器与所述第二传感器所测得的为同一目标，得到：xa+Raxal，k＝xb+Rbxbl，k其中Ra和Rb分别为旋转矩阵，得到令ξa＝[Δra，Δθa，Δηa]T，ξb＝[Δrb，Δθb，Δηb]T假设系统误差相对较小，则可用一阶近似展开为其中xae，k和xbe，k分别为传感器a和b对于目标Tk观测值的ECEF笛卡尔坐标，Ja，k和Jb，k分别表示x′al，k和x′bl，k相对于ξa和ξb在ξa＝0和ξb＝0处计算得到的雅克比矩阵，可由下式计算将其表示为矩阵形式，可得Lkξ＝Δxk其中Δxk＝xbe，k-xae，k，Lk＝[RaJa，k，-Rb，Jb，k]。上式为ECEF空间配准算法的基本方程。理论上来说，对于单个量测，上式的解并是不唯一的，需要多个目标量测。当有K(K＞1)个量测时，传感器误差可以由如下方程的最小二乘解求得其中也就是其中假定L列满秩，使ξ能被唯一地求解得到。进一步地，所述目标关联算法通过以下步骤计算：通过新息协方差矩阵S(k)和新息向量dt(k)，确定新息向量gt(k)＝[dt(k)]TS-1(k)dt(k)检测gt(k)是否小于某一门限，gt(k)≤γt其中，γt为第t个目标关联区域的大小；若满足条件，则满足该条件的回波是为关联区域内的有效回波；计算确定矩阵其中，ωjt是二进制变量；ωjt＝1表示第j个量测回波落入第t个目标的确认门内；ωjt＝0表示第j个量测回波没有落入第t个目标的确认门内；下标符号j∈{1,2,...,mk}，t∈{0,1,...,T}，确认矩阵第1列即t＝0的列表示回波不源于目标，该列对应的列元素ωj0全部为1，因为每个量测都有可能源自杂波或是虚警；对确认矩阵Ω进行拆分，得到L个互联矩阵其中，θi表示第i个可行互联事件，对应第i个互联矩阵为第i个互联矩阵的元素，表示第j个量测与第t个目标的关联状态；计算每个互联矩阵对应事件的概本文档来自技高网...

【技术保护点】
1.一种多传感器多目标协同探测信息融合方法，其特征在于，包括：/n获取雷达测量设备的原始数据；/n对所述原始数据进行预处理，得到处理数据；其中，所述预处理包括：根据光学望远镜的测角进行跟踪误差修正，根据时间插值对齐的方位角突变进行方位角跳点修正，根据雷达测量距离进行传播延时修正及时间插值对齐；/n根据时间配准算法进行传感器信息配准，以使得所有传感器获得同一时刻的观测信息；/n根据空间配准算法进行传感器信息配准，以使得所有传感器获得同一空间的观测信息；/n根据目标关联算法及机动目标模型进行点迹-航迹关联，以得到目标航迹；/n根据K-means算法进行航迹-航迹关联，以得到精确航迹；/n根据融合算法对所述处理数据进行融合处理，以得到追踪目标的精确航迹及实时运动参数。/n

【技术特征摘要】
1.一种多传感器多目标协同探测信息融合方法，其特征在于，包括：
获取雷达测量设备的原始数据；
对所述原始数据进行预处理，得到处理数据；其中，所述预处理包括：根据光学望远镜的测角进行跟踪误差修正，根据时间插值对齐的方位角突变进行方位角跳点修正，根据雷达测量距离进行传播延时修正及时间插值对齐；
根据时间配准算法进行传感器信息配准，以使得所有传感器获得同一时刻的观测信息；
根据空间配准算法进行传感器信息配准，以使得所有传感器获得同一空间的观测信息；
根据目标关联算法及机动目标模型进行点迹-航迹关联，以得到目标航迹；
根据K-means算法进行航迹-航迹关联，以得到精确航迹；
根据融合算法对所述处理数据进行融合处理，以得到追踪目标的精确航迹及实时运动参数。


2.如权利要求1所述的一种多传感器多目标协同探测信息融合方法，其特征在于，所述跟踪误差修正通过以下步骤计算：



其中A(j),E(j),A′(j),E′(j)分别表示修正前后第j个测站当前时刻的方位角和俯仰角测量数据，f为第j个测站的摄影焦距，x(j),y(j)表示当前时刻目标在测站像平面坐标系中的两个跟踪误差量，由实时视频判读给出。


3.如权利要求1所述的一种多传感器多目标协同探测信息融合方法，其特征在于，所述方位角跳点修正通过以下步骤计算：



其中，A(j)为当前方位角数据，A′(j)为跳点修正后数据；δ0为预设值，一般取值范围在350～360；
所述传播延时修正通过以下步骤计算：



其中光速c＝299792468m/s，R(j)为目标和雷达的距离，T’c(j)为修正后时间，Tc(j)为延时修正前时间；
所述时间插值对齐通过以下步骤计算：



其中，设备采取的等间隔数据序列为Tc(j),α(j),j＝1,2,3,…，各设备时间对齐后的间隔为0.05s的时间序列为ts(k),k＝1,2,3,…，α′(k)为时间对齐后的数据序列。


4.如权利要求1所述的一种多传感器多目标协同探测信息融合方法，其特征在于，所述时间配准算法具体包括以下步骤：
获取第一传感器与第二传感器的采样周期τ和T，其中τ:T＝n；
计算第二传感器在k-1至k时刻内的n个观测值构成的集合：
Zn＝[z1，z2，…，zn]T
其中，zn与k时刻第一传感器的观测值同步；
计算z1，z2，…，zn融合后的观测值及其导数
得到第二传感器的观测值可表示为
其中vi表示观测噪声；
计算上式的向量形式：Zn＝WnU+Vn
其中vn＝[v1，v2，…，vn]T，其协方差阵为



而为融合以前观测噪声的方差，同时有



根据最小二乘准则有如下目标函数



要使J最小，将J两边对求偏导，并使其为零，可得



从而有



相应的误差协方差阵为



可得融合以后的观测值及其噪声方差为






其中c1＝-2/n；c2＝6/[n(n+1)]。


5.如权利要求1所述的一种多传感器多目标协同探测信息融合方法，其特征在于，所述空间配准通算法过以下方式计算：
获取所述第一传感器及所述第二传感器的地理坐标：(La，λa，Ha)和(Lb，λb，Hb)；
获取所述第一传感器及所述第二传感器的ECEF坐标：(xa，ya，za)和(xb，yb，zb)；
获取所述第一传感器及所述第二传感器对于目标Tk的斜距、方位角及俯仰角上的观测值(ra，k，θa，k，ηa，k)和(rb，k，θb，k，ηb，k)及观测误差(Δra，Δθa，Δηa)和(Δrb，Δθb，Δηb)；
通过所述第一传感器及第二传感器的观测值计算笛卡尔坐标：






将所述笛卡尔坐标转化为ECEF坐标：






其中[xg，k，yg，k，zg，k]为目标Tk的ECEF坐标；
根据所述第一传感器与所述第二传感器所测得的为同一目标，得到：

x
a+Rax′al，k＝xb+Rbx′bl，k
其中Ra和Rb分别为旋转矩阵，得到



令ξa＝[Δra，Δθa，Δηa]T，ξb＝[Δrb，Δθb，Δηb]T假设系统误差相对较小，则可用一阶近似展开为

x
ae，k+RaJa，kξa＝xbe，k+RbJb，kξb
其中xae，k和xbe，k分别为传感器a和b对于目标Tk观测值的ECEF笛卡尔坐标，Ja，k和Jb，k分别表示x′al，k和x′bl，k相对于ξa和ξb在ξa＝0和ξb＝0处计算得到的雅克比矩阵，可由下式计算









将其表示为矩阵形式，可得
Lkξ＝Δxk
其中Δxk＝xbe，k-xae，k，Lk＝[RaJa，k，-RbJb，k]；
上式为ECEF空间配准算法的基本方程，理论上来说，对于单个量测，上式的解并是不唯一的，需要多个目标量测，当有K(K＞1)个量测时，传感器误差可以由如下方程的最小二乘解求得
其中



也就是



其中假定L列满秩，使ξ能被唯一地求解得到。


6.如权利要求1所述的一种多传感器多目标协同探测信息融合方法，其特征在于，所述目标关联算法通过以下步骤计算：
通过新息协方差矩阵S(k)和新息向量dt(k)，确定新息向量gt(k)＝[dt(k)]TS-1(k)dt(k)...

【专利技术属性】
技术研发人员：杨雪榕，张艳，童鹏飞，曲承志，杨起帆，陈金涛，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44