【技术实现步骤摘要】
一种机载平台传感器系统误差配准算法
[0001]本申请涉及信息融合及目标跟踪的领域,尤其是涉及一种机载平台传感器系统误差配准算法。
技术介绍
[0002]机载多平台多传感器信息融合技术能够充分利用各类数据的特点,获取不同视角、不同传感器、不同特征的互补数据,大大扩展了探测区域的覆盖面积,提高了信息利用效率,加快了数据更新速率,从而能够显著提升飞机编队对目标的跟踪能力,提供更快捷的航迹起始速度,更短的航迹收敛时间,更精确的航迹跟踪精度和更稳定的航迹连续性。
[0003]传统非线性滤波器要求精确已知噪声的先验统计特性,而在实际应用中,要么受试验样本等各方面的限制,噪声的先验统计特性未知或不准确,要么虽精确已知噪声的先验统计,但系统处于实际运行环境当中,受内外部不确定因素的影响,噪声统计特性极易发生变化,具有时变性强的特点。遗憾的是,传统非线性滤波不具有应对噪声统计特性变化的自适应能力,其在噪声统计未知时变情况下易出现滤波精度下降甚至发散,这正是传统非线性滤波器的局限性所在。
技术实现思路
[0004]有鉴于此,本申请提供一种机载平台传感器系统误差配准算法,解决了现有技术中的问题,提高了对目标的跟踪精度,同时提升了目标跟踪的可靠性和稳定性。
[0005]本申请提供的一种机载平台传感器系统误差配准算法采用如下的技术方案:
[0006]一种机载平台传感器系统误差配准算法,包括:
[0007]步骤1,针对双机平台对目标信息进行融合跟踪的过程进行数学建模;
[0008]步骤2 ...
【技术保护点】
【技术特征摘要】
1.一种机载平台传感器系统误差配准算法,其特征在于,包括:步骤1,针对双机平台对目标信息进行融合跟踪的过程进行数学建模;步骤2,针对所述步骤1中的数学模型进行噪声均值非零时UKF算法处理;步骤3,在所述步骤2的基础上对未知的噪声统计特性进行次优无偏MAP常值噪声统计算法处理;步骤4,通过解析更新反复迭代所述步骤1
‑
3的方式获得传感器系统误差的参数估计。2.根据权利要求1所述的机载平台传感器系统误差配准算法,其特征在于,所述步骤1包括:考虑如下状态空间形式的离散非线性系统:x
k
∈R
n
和z
k
∈R
m
分别表示k时刻的状态向量和量测向量,n和m分别表示状态维数和量测维数,f
k
‑1(
·
)和h
k
(
·
)分别表示系统的状态转移函数和量测函数,w
k
∈R
n
和v
k
∈R
m
分别表示系统的过程噪声向量和量测噪声向量,且分别服从均值为零,方差为Q
k
和R
k
的高斯分布,且互不相关,初始状态向量x0服从均值为方差为P0的高斯分布,且与w
k
及v
k
互不相关,q表示未知的过程噪声均值,r表示未知的量测系统误差向量。3.根据权利要求1所述的机载平台传感器系统误差配准算法,其特征在于,所述步骤2包括:根据UT变换Sigma点确定性采样策略,基于和P
k
‑1来构造Sigma点ξ
i,k
‑1,i=0,1,L,2n,其通过非线性状态函数f
k
‑1(
·
)传播为γ
i,k|k
‑1,由γ
...
【专利技术属性】
技术研发人员:程然,张存,张敏,
申请(专利权)人:中国航空工业集团公司雷华电子技术研究所,
类型:发明
国别省市:
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。