[發(fā)明專(zhuān)利]一種基于EM-CKS的機(jī)載多平臺(tái)多傳感器系統(tǒng)誤差配準(zhǔn)算法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910587757.8
• 申請(qǐng)日: 2019-07-02
• 公開(kāi)（公告）號(hào): CN110426689B
• 公開(kāi)（公告）日: 2023-06-30
• 發(fā)明（設(shè)計(jì)）人: 程然;張存;王婷婷
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)航空工業(yè)集團(tuán)公司雷華電子技術(shù)研究所
• 主分類(lèi)號(hào): G01S7/40
• 分類(lèi)號(hào): G01S7/40
• 代理公司: 北京清大紫荊知識(shí)產(chǎn)權(quán)代理有限公司 11718
• 代理人: 張卓

本發(fā)明提供了一種基于EM?CKS的機(jī)載多平臺(tái)多傳感器系統(tǒng)誤差配準(zhǔn)算法，該算法包括如下步驟：步驟一：數(shù)學(xué)建模；步驟二：容積卡爾曼濾波器和平滑器實(shí)現(xiàn)；步驟三：基于EM?CKS的多傳感器系統(tǒng)誤差配準(zhǔn)算法。本發(fā)明所提出的方法對(duì)傳統(tǒng)多傳感器系統(tǒng)誤差配準(zhǔn)算法做了改進(jìn)，解決了傳統(tǒng)在線聯(lián)合估計(jì)法需要精確已知系統(tǒng)誤差狀態(tài)空間模型的問(wèn)題。其次，本發(fā)明所提出的方法具有很強(qiáng)的數(shù)值穩(wěn)定性，解決了傳統(tǒng)非線性高斯濾波器在量測(cè)高精度、系統(tǒng)高維數(shù)、復(fù)雜強(qiáng)非線性情況下對(duì)系統(tǒng)狀態(tài)后驗(yàn)概率密度函數(shù)近似精度不高這一問(wèn)題，有效實(shí)現(xiàn)了對(duì)機(jī)載多平臺(tái)多傳感器的系統(tǒng)誤差配準(zhǔn)，提高了多平臺(tái)多傳感器對(duì)目標(biāo)的跟蹤精度，同時(shí)還提升了目標(biāo)跟蹤的可靠性和穩(wěn)定性。

技術(shù)領(lǐng)域

本發(fā)明屬于多傳感器信息融合及目標(biāo)跟蹤領(lǐng)域，具體涉及量測(cè)高精度、系統(tǒng)高維度、復(fù)雜強(qiáng)非線性條件下的機(jī)載多平安協(xié)同跟蹤領(lǐng)域。

背景技術(shù)

機(jī)載多平臺(tái)多傳感器信息融合技術(shù)能夠充分利用各類(lèi)數(shù)據(jù)的特點(diǎn)，獲取不同視角、不同傳感器、不同特征的互補(bǔ)數(shù)據(jù)，大大擴(kuò)展了探測(cè)區(qū)域的覆蓋面積，提高了信息利用效率，加快了數(shù)據(jù)更新速率，從而能夠顯著提升飛機(jī)編隊(duì)對(duì)目標(biāo)的跟蹤能力，提供更快捷的航跡起始速度，更短的航跡收斂時(shí)間，更精確的航跡跟蹤精度和更穩(wěn)定的航跡連續(xù)性。

然而在艦載機(jī)編隊(duì)飛行等復(fù)雜的目標(biāo)跟蹤場(chǎng)景中，系統(tǒng)誤差的存在會(huì)導(dǎo)致航跡關(guān)聯(lián)混亂、融合精度降低等問(wèn)題。導(dǎo)致產(chǎn)生這種現(xiàn)象的原因是不同機(jī)載平臺(tái)上的傳感器測(cè)量信息都是在各自的測(cè)量坐標(biāo)系下獲得的，當(dāng)飛機(jī)編隊(duì)對(duì)目標(biāo)信息進(jìn)行融合跟蹤時(shí)，需要將這些測(cè)量信息轉(zhuǎn)換到同一參考坐標(biāo)系中才能進(jìn)行關(guān)聯(lián)濾波。由于受到機(jī)載平臺(tái)自身定位誤差、傳感器測(cè)量誤差及安裝誤差等諸多系統(tǒng)誤差因素的影響，加之坐標(biāo)轉(zhuǎn)換又不可避免地會(huì)放大上述誤差，導(dǎo)致融合中心在公共參考坐標(biāo)系下難以將源于同一目標(biāo)的測(cè)量值關(guān)聯(lián)起來(lái)，嚴(yán)重影響目標(biāo)航跡的穩(wěn)定性和跟蹤精度。因此，系統(tǒng)誤差配準(zhǔn)是多源信息融合的前提，為保證后繼多平臺(tái)多傳感器信息融合的精度，有必要開(kāi)展多平臺(tái)系統(tǒng)誤差配準(zhǔn)技術(shù)研究。

隨著對(duì)系統(tǒng)誤差配準(zhǔn)研究的不斷深入，一些消除系統(tǒng)誤差影響的方法逐漸發(fā)展起來(lái)，主要分為2類(lèi)：離線估計(jì)補(bǔ)償法和在線聯(lián)合估計(jì)法。離線估計(jì)補(bǔ)償法首先估計(jì)出系統(tǒng)誤差，然后對(duì)目標(biāo)量測(cè)進(jìn)行修正，并基于修正后的量測(cè)估計(jì)目標(biāo)的真實(shí)狀態(tài)，如最小二乘法、廣義最小二乘法、極大似然算法等。此類(lèi)算法都是假設(shè)系統(tǒng)誤差是緩慢變化的，從而對(duì)某一時(shí)間段內(nèi)的量測(cè)數(shù)據(jù)進(jìn)行批處理，但不能對(duì)系統(tǒng)誤差的變化做出實(shí)時(shí)地調(diào)整，缺乏實(shí)時(shí)性。在線聯(lián)合估計(jì)法考慮到系統(tǒng)誤差和目標(biāo)狀態(tài)的相互作用，將系統(tǒng)誤差作為目標(biāo)狀態(tài)的分量同時(shí)對(duì)二者進(jìn)行估計(jì)，如擴(kuò)維高斯濾波算法等。但此類(lèi)算法需要精確已知系統(tǒng)誤差的狀態(tài)空間模型，然而在實(shí)際工程應(yīng)用中，系統(tǒng)誤差的狀態(tài)空間模型可能是不準(zhǔn)確的或者是未知的，從而惡化擴(kuò)維高斯濾波器的性能，甚至導(dǎo)致濾波器發(fā)散。

發(fā)明內(nèi)容

發(fā)明目的：

為了解決上述問(wèn)題，本發(fā)明緊密結(jié)合工程應(yīng)用背景，提出一種基于EM-CKS的機(jī)載多平臺(tái)多傳感器系統(tǒng)誤差配準(zhǔn)算法。

技術(shù)方案：

為了達(dá)到上述目的，本發(fā)明提供了如下技術(shù)方案：

首先將傳感器量測(cè)系統(tǒng)誤差視為系統(tǒng)待估計(jì)的未知參數(shù)，構(gòu)建了新的傳感器量測(cè)方程，從而將機(jī)載平臺(tái)多傳感器系統(tǒng)誤差配準(zhǔn)問(wèn)題轉(zhuǎn)化成含未知參數(shù)的非線性系統(tǒng)辨識(shí)問(wèn)題。其次，該方法引入期望最大化算法框架，并利用容積卡爾曼濾波器和平滑器近似計(jì)算完整的對(duì)數(shù)似然函數(shù)期望。最后，將近似計(jì)算的對(duì)數(shù)似然函數(shù)期望進(jìn)行最大化處理，并通過(guò)解析更新反復(fù)迭代的方式獲得各傳感器系統(tǒng)誤差的參數(shù)估計(jì)。

步驟一：期望最大化算法實(shí)現(xiàn)

考慮如下?tīng)顟B(tài)空間形式的離散非線性系統(tǒng)：

其中，x_k∈Rⁿ和z_k∈R^m分別表示k時(shí)刻的狀態(tài)向量和量測(cè)向量，

n和m分別表示狀態(tài)維數(shù)和量測(cè)維數(shù)。