本发明涉及多平台多传感器数据融合领域,具体涉及一种动平台传感器系统偏差的估计方法,从而协调好基于合作目标的信息和基于非合作目标的信息。
背景技术:
目前已公开的空间配准文献所研究的问题是针对探测传感器(如雷达)的系统偏差估计,很少提到平台姿态角的系统偏差估计。在超视距作战过程中,由于目标距离很远,很小的姿态偏差都可能导致极大的多源数据探测误差。因此亟需研究平台的姿态配准算法。
在多平台多传感器目标跟踪系统中,由于平台自身的姿态角系统偏差在坐标转换过程中会严重的污染量测数据,使得后续的关联、滤波、融合等运算异常,甚至产生虚假目标,很难发挥出多传感器的优势[1]。目前,对系统偏差估计的算法主要包括:实时质量控制法[2]、最小二乘类估计算法[3]、精确极大似然类法[4],以及基于kalman滤波的方法[5]、不敏滤波[6]、EM算法[7]等,这些算法均适用于平台姿态角偏差是固定值时的系统偏差估计。
而在空间配准技术中,根据目标类型的不同,主要分为基于合作目标的空间配准和基于非合作目标的空间配准两类[8]。合作目标是指目标的真实位置是已知的,所以只需要一个传感器就能获取其位置。而非合作是指目标的真实位置是未知的,所以往往需要两个或两个以上的传感器对其进行探测。文献[9]研究了当同时出现合作目标与非合作目标时怎样协调好基于合作目标的空间配准结果与非合作目标信息,但其只适用于仅有一个传感器对合作目标有量测的场景,并且是针对仅传感器有系统偏差的情况,而非平台姿态角有偏差。
因此,需要设计一种当合作目标与非合作目标同时存在,仅平台的姿态角存在系统偏差场景下的空间配准方法,从而使得配准精度既优于单基于合作目标的空间配准,同时也优于单基于非合作目标的空间配准,进而实现对目标更加精确的跟踪。
以上内容所提及的参考文献如下:
[1]保铮.传感器信号的长时间积累[J].第七届全国传感器学术年会,南京,1999:9-15;
[2]Burke J.The SAGE real quality control fraction and its interface with BUIC II/BUIC III[R].[s.l.]:MITRE Corporation,1966;
[3]Sudano J J.A least square algorithm with covariance weighting for computing the translational and rotational errors between two radar sites[J].IEEE AES,1993,29(1):383-387;
[4]Zhou Yifeng,Henry L.An exact maximum likelihood registration algorithm for data fusion[J].IEEE Trans Signal Processing,1997,45(6):1560-1572;
[5]Kousuge Y,Okada T.Bias Estimation of Two 3-Dimensonal Radars Using Kalman Filter[J].4th Int.Workshop on Advanced Motion Control,1996,1(1):377-382;
[6]W.Li,H.Leung and Y.Zhou.Space-time registration of radar and ESM using unscented Kalman filter.IEEE Trans.On AES.Vol.40(3),2004,824-836;
[7]Zhenhua Li and Henry Leung.An Expectation Maximization Based Simultaneous Registration and Fusion Algorithm for Radar Networks.IEEE CCECE/CCGEI,Ottawa,May 2006;
[8]宋文彬.传感器数据空间配准算法研究进展[J].传感器与微系统,2012,31(8):5-8;
[9]宋文彬.基于合作目标与非合作目标的一体化空间配准新算法[J].电讯技术,2013,53(11):1422-1427。
技术实现要素:
本发明的目的在于针对上述现有技术中的问题,提供一种动平台传感器系统偏差的估计方法,协调好基于合作目标的信息和基于非合作目标的信息,实现对目标的精确跟踪。
为了实现上述目的,本发明采用的技术方案包括以下步骤:
第一步、基于合作目标建立估计姿态系统偏差的状态空间;
将传感器载于平台上,使二者的笛卡尔坐标系重合,取ECEF坐标系为配准的坐标系,得到:Xtrue=Xs+RtRl(α-Δα,β-Δβ,γ-Δγ)X1;式中,Xtru