[發(fā)明專利]基于多模型航跡質(zhì)量的異步融合方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201310752407.5
• 申請(qǐng)日: 2013-12-31
• 公開(kāi)（公告）號(hào): CN103743401A
• 公開(kāi)（公告）日: 2014-04-23
• 發(fā)明（設(shè)計(jì)）人: 張可;王澤陽(yáng);張偉;程辰;賀穎;張超然;王一茗;曾慶瑾;陳龍
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G01C21/20
• 分類號(hào): G01C21/20
• 代理公司: 成都宏順專利代理事務(wù)所(普通合伙) 51227
• 代理人: 王偉;周永宏

技術(shù)領(lǐng)域

本發(fā)明屬于信號(hào)處理技術(shù)領(lǐng)域，具體涉及一種應(yīng)用于傳感器采樣周期隨機(jī)變化場(chǎng)景中的基于多模型航跡質(zhì)量的異步融合方法。

背景技術(shù)

由于多傳感器的采樣速率各異、通信延遲以及目標(biāo)時(shí)而離開(kāi)傳感器觀測(cè)區(qū)域，觀測(cè)數(shù)據(jù)的時(shí)間間隔無(wú)規(guī)律變化，此類觀測(cè)數(shù)據(jù)不同步問(wèn)題大大降低了多傳感器系統(tǒng)的跟蹤精度，因此，研究多傳感器異步融合比研究同步數(shù)據(jù)融合更具實(shí)際意義。

通常，異步航跡融合問(wèn)題主要分為兩大類，第一類是各傳感器具有不同且固定的采樣周期；第二類是各傳感器提供目標(biāo)信息的時(shí)間間隔無(wú)規(guī)律變化，即傳感器沒(méi)有固定的采樣間隔。由于傳感器自身的局限性，目標(biāo)信息的起始時(shí)刻可能不同，使得第一類問(wèn)題又可分為不同采樣周期下起始時(shí)刻相同和不同采樣周期下起始時(shí)刻不同兩種情況。這兩種情況均可通過(guò)航跡預(yù)處理實(shí)現(xiàn)傳感器目標(biāo)信息的同步，然后利用同步航跡融合算法進(jìn)行跟蹤。然而，預(yù)處理過(guò)程會(huì)導(dǎo)致誤差增大，使得融合后數(shù)據(jù)可靠性降低。因此如何直接對(duì)多傳感器異步情況下提供的信息進(jìn)行融合處理，完成多傳感器異步航跡融合，是實(shí)際工程中亟待解決的問(wèn)題。

為此現(xiàn)有技術(shù)提出了一系列異步航跡融合算法。一些異步融合算法將常用的數(shù)據(jù)配準(zhǔn)方法引入到融合算法中實(shí)現(xiàn)融合前異步數(shù)據(jù)的同步化，如最小二乘、內(nèi)插、外推等，還有一部分算法則將接收到的異步數(shù)據(jù)按時(shí)間先后順序依次處理并選擇一定的融合處理方式進(jìn)行異步數(shù)據(jù)融合，如誤差協(xié)方差矩陣跡最小原則下的融合算法、基于信息矩陣的異步航跡融合算法、基于等價(jià)偽測(cè)量的異步融合算法、最優(yōu)順序融合算法和異步多傳感器系統(tǒng)的分步式預(yù)測(cè)融合(Step?by?Step?Prediction?Fusion?based?on?Asynchronous?Multi-sensor?System，SSPFA)算法等。但上述這些算法基本上都能夠解決第一類異步問(wèn)題，對(duì)于第二類問(wèn)題的解決存在一定的局限性。

其中，SSPFA算法主要利用多傳感器在某一融合周期內(nèi)的所有觀測(cè)信息進(jìn)行濾波估計(jì)，以便求得各傳感器在融合周期內(nèi)最后一個(gè)觀測(cè)時(shí)刻的局部狀態(tài)估計(jì)及相應(yīng)的誤差協(xié)方差，然后立即進(jìn)行該時(shí)刻到融合時(shí)刻處的狀態(tài)預(yù)測(cè)，并最終根據(jù)各個(gè)傳感器預(yù)測(cè)值獲取的先后順序，依據(jù)融合誤差協(xié)方差矩陣跡最小的原則進(jìn)行傳感器預(yù)測(cè)信息的順序加權(quán)，最終實(shí)現(xiàn)多傳感器的異步融合。

基于分步式預(yù)測(cè)的異步多傳感器航跡融合(Track-to-Track?Fusion?for?Asynchronous?Multi-sensor?based?on?Step?by?Step?Prediction，TFASP)算法利用多傳感器的局部狀態(tài)估計(jì)，對(duì)融合周期內(nèi)的采樣值一步預(yù)測(cè)到融合時(shí)刻，然后對(duì)同一傳感器在融合時(shí)刻的預(yù)測(cè)值進(jìn)行加權(quán)融合，將融合值作為該融合時(shí)刻傳感器的等效觀測(cè)信息，最后利用分步式濾波融合實(shí)現(xiàn)異步多傳感器的全局融合。局部傳感器加權(quán)融合作為分步式濾波融合的輸入值，決定了算法的跟蹤性能，然而局部傳感器加權(quán)融合的權(quán)值決定于傳感器的觀測(cè)精度及預(yù)測(cè)誤差，和采樣時(shí)刻與融合時(shí)刻的時(shí)間差并無(wú)直接關(guān)系。TFAFP算法由采樣時(shí)刻與融合時(shí)刻的時(shí)間差決定權(quán)值的大小，局部傳感器狀態(tài)估計(jì)誤差較大，從而降低整個(gè)系統(tǒng)的跟蹤精度，并且整個(gè)系統(tǒng)沒(méi)有反饋機(jī)制，這兩方面的問(wèn)題使TFASP算法存在一些不足。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有的異步航跡融合算法存在的上述問(wèn)題，提出了一種基于多模型航跡質(zhì)量的異步融合方法。

本發(fā)明的技術(shù)方案為：一種基于多模型航跡質(zhì)量的異步融合方法，具體包括如下步驟：