專利名稱：基于信息融合的修正極大似然配準方法
技術領域：
本發明涉及一種目標跟蹤技術領域的參數估計方法，具體是一種基于信息融 合的修正極大似然配準方法。
背景技術：
純角度跟蹤是跟蹤領域內的一種重要的跟蹤方法，它具有作用距離遠、隱 蔽接收、不易被對方發覺等優點。該方法利用被動傳感器獲得的關于目標的角 度信息，對目標的狀態進行估計。從而引導武器系統對輻射源實施隱藏攻擊， 對于提高系統在電子戰環境下的生存能力和作戰能力有重要作用，同時在航海、 航空、航天、偵察、測控、救援和地球物理學研究中也扮演著重要的角色。但 由于單站純角度跟蹤本身固有的非線性、量測數據的不完全性以及機動目標運 動狀態的多變性，使得純角度跟蹤的跟蹤效果不能令人滿意。為了提高純角度 跟蹤的效果，在實際使用中往往采用布置在不同平臺上的兩個角度傳感器對目 標的運動狀態進行估計。當目標和兩個傳感器不共線時，目標的量測數據是完 全的，即目標是可以觀測的，系統可以對機動目標進行較好的估計。
在多平臺多傳感器的目標跟蹤系統中，信息融合技術可以提高對目標的探 測、識別與跟蹤能力。同時，多傳感器的使用也帶來一些問題，例如傳感器的 配準。未經配準的傳感器組合可能導致系統性能比單一傳感器還差，使跟蹤效 果惡化，甚至會產生虛假目標。因此，在對多傳感器的量測數據融合之前，需 要對傳感器進行配準。配準的過程通常是先估計傳感器的偏差，再將偏差的估 計值補償到下一時刻的測量數據中，最后計算出目標狀態的估計值。配準的關 鍵是估計傳感器的偏差；配準的目的是消除傳感器偏差的不利影響，進而估計 目標狀態。傳感器的偏差通常是固定的，或變化非常緩慢。常見的固定偏差的 配準方法有最小二乘法，廣義最小二乘法和極大似然法等。
經對現有技術文獻檢索后發現，Nickens Okello和Branko Ristic在《IEEE
Transaction on Aerospace and Electronic Systems》(《宇航與電子系統》)
(pp. 1074-1083， 2003)發表了 "Maximum Likelihood Registration for Multiple Dissimilar Sensors"(異類傳感器的極大似然配準方法)，該文獻提出了一種可 以用于多平臺被動傳感器的固定偏差配準方法。在沒有目標任何先驗信息的情 況下，該方法同時可以估計傳感器的固定偏差與目標狀態。但是，該文獻沒有 考慮多平臺被動傳感器系統中目標不可觀測的問題及其對偏差配準的影響。而 這一問題恰恰是純角度跟蹤系統需要解決的關鍵技術之一。
發明內容
本發明針對上述現有技術的問題，提供一種基于信息融合的修正極大似然 配準方法，使其將多傳感器的冗余信息用于解決被動傳感器偏差配準時目標在 盲區內不可觀測的問題，解決了不可觀測區域內的目標位置對偏差配準的影響， 提高了被動傳感器的偏差估計精度。
本發明是通過以下技術方案實現的，本發明包括如下具體步驟 步驟一，多平臺系統中的被動傳感器負責測量可觀測區域的目標位置，并 獲得盲區內目標的冗余信息信息；
所述多平臺系統，其中的每個被動傳感器都是一個相對獨立的系統，可以
獨立測量監視區域內輻射源(目標)的位置，多平臺系統采用基于GPS (全球 定位系統)的統一時間基準，保證了多平臺系統內各被動傳感器之間信號的同 步。 一個掃描周期結束，各被動傳感器通過戰術數據鏈將數據傳送到融合中心 進行后續處理。
所述測量可觀測區域的目標位置，在目標可觀測的情況下，根據兩個被動 傳感器的測量角度，利用交叉定位法可以求出目標的位置。
在目標不可觀測的盲區內，獲得冗余信息，等待步驟二對盲區內目標位置 的計算。所述冗余信息，是指多平臺系統中目標被動定位所必需的兩個被動傳 感器以外的其余傳感器的角度測量信息。
所述盲區，是指由于被動傳感器配準偏差導致的目標不可觀測的范圍，該 范圍由一條直線擴大成一個區域，該區域被稱為目標不可觀測的盲區。
步驟二，利用多平臺系統冗余信息計算盲區內的目標位置；
所述計算盲區內的目標位置，是指當目標進入兩個被動傳感器的觀測盲區 時，兩個觀測角度會出現沒有交點的情況，目標是不可觀測的，目標的測量距 離出現沒有實數解的情況，利用多平臺系統的冗余信息，使用交叉定位方法求 出目標與被動傳感器之間的測量距離，用它替換利用冗余信息之前的"非實數" 的測量距離，進而確定觀測站配準前對目標的測量位置。
步驟三，根據步驟二計算的目標位置，利用極大似然方法估計被動傳感器 的偏差。
所述極大似然方法估計被動傳感器的偏差，是指在已經得到被動傳感器含有 偏差的測量角度的情況下，使偏差的極大似然函數出現的概率最大的數值即作 為偏差的估計值。
步驟四，對估計所得的偏差進行收斂性判別。 根據系統對偏差估計精度的要求，設定偏差收斂的門限值。 所述收斂性判別，是對每次采樣周期而言，需要重復多次步驟三，對前后 兩次估計偏差值的矢量差求二階范數，如果該范數大于設定的門限值，認為偏 差沒有收斂，返回步驟三繼續估計偏差，直到它滿足收斂條件，即該范數小于 或等于設定的門限值。
步驟五，將滿足收斂性要求的偏差值配準被動傳感器，并進一步估計目標 狀態。
所述進一步估計目標狀態，是指將滿足收斂性要求的偏差值配準被動傳感 器，使目標狀態極大似然函數出現的概率最大的數值即作為目標狀態的估計值。
所述配準，是指將當前時刻估計的偏差值補償到下一時刻的被動傳感器的 測量數據中。
被動傳感器配準后，進一步確定配準后被動傳感器對目標的測量位置，將 其用于估計目標狀態，得到目標的位置、速度和加速度信息。
與現有技術相比，本發明具有以下有益效果本發明將多平臺系統的冗余信 息用于解決被動傳感器偏差配準時目標在盲區內不可觀測的問題。在目標不可 觀測的情況下，該方法利用多平臺系統的冗余信息計算出被動傳感器配準前對 目標的測量距離，替換信息補償前的"非實數"測量距離，沒有增加計算量。
本發明方法能夠在15個采樣周期內快速地估計出配準偏差，并且偏差估計的誤 差標準差達到了克拉美羅理論下屆。該方法簡單有效、易于實施，可廣泛應用 于機器人，智能交通，空中交通管制和航天、航空、航海等各領域。
圖1為本發明分析系統有配準偏差情況下目標不可觀測的示意圖2為本發明基于系統冗余信息補償的示意圖3為本發明基于系統冗余信息補償的工作流程圖4為本發明實施例中目標航跡比較圖5為本發明實施例中偏差估計的誤差均值的蒙特卡羅仿真比較圖； 圖6為本發明實施例中偏差估計的誤差標準差的蒙特卡羅仿真比較圖。
具體實施例方式
下面結合附圖對本發明的實施例作詳細說明本實施例在以本發明技術方 案為前提下進行實施，給出了詳細的實施方式和具體的操作過程，但本發明的 保護范圍不限于下述的實施例。
本實施例的目標真實航跡狀態方程為；c("-130 + 150sin(0.06A:)，
:K"-30 —5A，其中k二l，， N (N二100)，單位ktn，被動傳感器A、 B、 C
的坐標分別為(300， -200)， (80, 75)， (0， -200)。
本實施例中觀測平臺和輻射源都在同一平面XY內，僅測量目標的方位角。
系統固定偏差矢量- = [-4。,7°,-7°]T ，系統測量噪聲的協方差矩陣
j = ^'flg[(o.5。)2,(r)2，(r)2]，初始的偏差估計值》。=
、偏差矢量/ -[A，…,A]、子協方差矩陣在目標可以觀測的情況下，純角度跟蹤系統利用交叉定位法可以求出目標 與傳感器之間的距離。如圖1所示，以被動傳感器A為例計算它對目標的測量 位置。當目標處在被動傳感器A和B的正常觀測范圍內時，目標的位置用三角 函數表示為的'(a，-)， a為被動傳感器A的測量角，^被動傳感器B的測量角。所述盲區，是指由于被動傳感器配準偏差導致的目標不可觀測的范圍，該 范圍由一條直線擴大成一個區域，該區域被稱為目標不可觀測的盲區。 所述冗余信息，傳感器C的測量角/'與傳感器A的間接測量角"'。步驟二，利用多平臺系統冗余信息計算盲區內的目標位置；如圖2所示，當目標位于被動傳感器A和B的觀測盲區時，兩個測量角"和^分別位于直線AB的兩側，沒有交叉點，用交叉定位法計算得到的目標距離為虛數。利用系統中的冗余信息，確定目標的測量距離，用三角函數表示為 W(a',/)，進而求出傳感器A對目標的測量位置。其中，M為雙站被動傳感器A和B的觀測盲區，該盲區為被動傳感器的觀測角度范圍的特殊區間，在本實施例中的盲區為(-l(T,l(T)。觀測盲區的具體范圍可以根據系統的實際情況確定，確定的原則是雙站無 源定位時觀測站對目標的測量距離不能為虛數，即目標要始終處于觀測站的可 觀測范圍之內。因為在目標靠近盲區附近時，觀測站對目標測量的當前時刻的 測量距離與前一時刻的測量距離的差值將會明顯增大。因此，在實施過程中，
通常將盲區范圍稍微擴大一些。步驟三，根據步驟二計算的目標位置，利用極大似然方法估計被動傳感器 的偏差；所述極大似然法估計被動傳感器的偏差，具體如下在對目標沒有任何先驗信息的情況下，給定一組測量值{2("^ = 1,...,^}。 = arg max ) max fpO(yS0|jc(/{0, (3) 對(3)式中大括號外面求極大值，艮P: 淑l),…,z(iV)l之釣對(4)式求極大值，可得到傳感器偏差的估計值。 其中，<formula>formula see original document page 9</formula>(8)f0(A:) = I0(yt) + Q(A:)》0 (9) 式(5)中的》就是對式(4)取極大值求出的偏差的估計值。 其中，/f,為式(l)中的非線性測量函數/j,0^))對x("的雅克比矩陣，//,一w 為/Z,的右逆矩陣，Q")是由//,—"組成的對角陣，i^表示等效的目標狀態的協 方差矩陣，是通過將測量噪聲的協方差矩陣及,通過矩陣變換得到的，平"是數
學運算后的一種描述形式，甲沒有實際含義。x。("表示目標狀態初始的估計值，lw是由含有偏差的測量數據計算得到的目標狀態。該步驟中的極大似然估計方法，在背景技術中檢索的"異類傳感器的極大 似然配準方法"文獻中有詳細地介紹。步驟四，對估計所得的偏差進行收斂性判別。首先設定偏差收斂的門限值f ，門限值的大小可以根據實際系統對偏差估計 精度的要求而確定，門限值越小，估計精度越高，運算次數也越多。但當門限值小于一定的數值時，估計精度沒有明顯的提高。本實施例中s-l刮lx;i，其中 M為系統偏差矢量的二階范數，；i為系數，且/i〉o。在本實施例中，/i=o.ooi，e=0.0107。所述的收斂性判別，是指》-A化￡>0 (10)其中，-為當前時刻的偏差的估計值，A)為前一個時刻的偏差估計值。在 判別收斂性之后，令A)二》，以便下一次判別時使用，如果(io)式不成立，返回步驟三重新對偏差估計，直到(10)式成立。步驟五，將滿足收斂性要求的偏差配準被動傳感器，進一步估計目標狀態。 所述配準，是指將當前時刻估計的偏差值補償到下一時刻的被動傳感器的 測量數據中。所述進一步估計目標狀態，是指將偏差值補償到被動傳感器下次測量數據中，得到傳感器配準后的目標位置Z(/t)JoC Q-Q(A:)》 (11)為當前時刻的偏差的估計值。然后對(3)式中大括號里面部分求極大值，即P(A，Z2,…，Z」JC,") <formula>formula see original document page 11</formula>(12)其中，A,表示等效的目標狀態的協方差矩陣，；表示目標的位置矢量，x(目標狀態)是式(12)有待求解的變量，S是方程(12)關于x的解。 對(12)式求極大值，可得到目標狀態的估計值。其中，<formula>formula see original document page 11</formula>(13)《(z, - A) (14) 式(13)表示在k時刻傳感器配準后對(12)式求極大值得到的目標狀態的估計 值，式(14)由式(1)通過數學中的逆運算得到，x,表示第i個被動傳感器測量得到的目標狀態，《'表示非線性測量函數/a;c(")的逆運算。在本發明實施例中，矢量；僅包含目標的位置坐標，對目標的位置坐標分別 求一階、二階導數，便得到目標的速度、加速度。如圖4所示，為本實施例中目標航跡比較圖，用星號"*"表示的曲線是本 發明方法的仿真曲線，與目標真實航跡吻合；用虛線"一一"表示的曲線是本 說明書中引證文獻所用的極大似然法的仿真曲線。圖4表明，極大似然方法的 仿真曲線在被動傳感器的觀測盲區內出現了發散的情況，偏離了目標的真實航 跡，而本發明方法消除了盲區內目標不可觀測對配準的影響。如圖5所示，為本實施例中偏差估計的誤差均值的蒙特卡羅仿真比較圖， 圖中實線"一"表示本發明中修正方法的仿真曲線，虛線"一一"表示極大似 然方法的仿真曲線。本發明中的修正方法由于消除了盲區內目標不可觀測的不 利影響，可以在15個采樣周期內估計出被動傳感器的偏差，而極大似然方法要 估計出被動傳感器的偏差大概需要40個采樣周期，本發明方法比極大似然方法 提前了 25個周期，估計偏差所需要的時間提高了 60%。如圖6所示，為本發明實施例中偏差估計的誤差標準差的蒙特卡羅仿真比 較圖。圖中實線"一"表示克拉美羅下屆的曲線，虛線"_一"表示本發明中 修正方法的仿真曲線，點畫線"…"表示極大似然方法的仿真曲線。本發明實 施例中蒙特卡羅仿真次數為100次。在采樣次數等于100時，圖中的各曲線都 達到了穩定狀態。修正方法所估計的誤差標準差為0.1度，極大似然方法所估 計的誤差標準差為0.17度。本發明方法與極大似然方法相比，偏差的估計精度 提高了 40%。同時，該圖顯示本發明方法的估計結果達到了理論下屆——卡拉 美羅下屆，即本發明方法達到了最優的估計效果，驗證了本發明方法的有效性。 圖4、圖5和圖6均為傳感器A的仿真結果，其他傳感器的仿真結果與傳感 器A的仿真結果相似。
權利要求
1、一種基于信息融合的修正極大似然配準方法，其特征在于，包括如下具體步驟步驟一，多平臺系統中的被動傳感器負責測量可觀測區域內的目標位置，并獲得盲區內目標的冗余信息信息；步驟二，利用多平臺系統冗余信息計算盲區內的目標位置；步驟三，根據步驟二計算的目標位置，利用極大似然方法估計被動傳感器的偏差；步驟四，對估計所得的偏差進行收斂性判別；步驟五，將滿足收斂性要求的偏差值配準被動傳感器，并進一步估計目標狀態。
2、 根據權利要求1所述的基于信息融合的修正極大似然配準方法，其特征 是，所述多平臺系統，其中的每個被動傳感器都是一個相對獨立的系統，可以 獨立測量監視區域內目標的位置，多平臺系統采用基于全球定位系統的統一時 間基準，保證了多平臺系統內各被動傳感器之間信號的同步， 一個掃描周期結 束，各被動傳感器通過戰術數據鏈將數據傳送到融合中心進行后續處理。
3、 根據權利要求1所述的基于信息融合的修正極大似然配準方法，其特征 是，所述測量可觀測區域內的目標位置，在目標可觀測的情況下，根據兩個被 動傳感器的測量角度，利用交叉定位法可以求出目標的位置。
4、 根據權利要求1所述的基于信息融合的修正極大似然配準方法，其特征 是，所述盲區，是指由于被動傳感器配準偏差導致的目標不可觀測的范圍，該 范圍由一條直線擴大成一個區域，該區域被稱為目標不可觀測的盲區。
5、 根據權利要求1所述的基于信息融合的修正極大似然配準方法，其特征 是，所述計算盲區內的目標位置，是指當目標進入兩個被動傳感器的觀測盲區 時，兩個觀測角度會出現沒有交點的情況，目標是不可觀測的，目標的測量距 離出現沒有實數解的情況，利用多平臺系統的冗余信息，使用交叉定位方法求 出目標與傳感器之間的測量距離，用它替換利用冗余信息之前的"非實數"的測量距離，進而確定觀測站配準前對目標的測量位置。
6、 根據權利要求1或5所述的基于信息融合的修正極大似然配準方法，其 特征是，所述冗余信息，是指多平臺系統中目標被動定位所必需的兩個被動傳 感器以外的其余傳感器的角度測量信息。
7、 根據權利要求1所述的基于信息融合的修正極大似然配準方法，其特征 是，所述收斂性判別，是對每次采樣周期而言，需要重復多次步驟三，對前后 兩次估計偏差值的矢量差求二階范數，如果該范數大于設定的門限值，認為偏 差沒有收斂，返回步驟三繼續估計偏差，直到它滿足收斂條件，即該范數小于 或等于設定的門限值。
8、 根據權利要求1所述的基于信息融合的修正極大似然配準方法，其特征 是，所述極大似然方法估計被動傳感器的偏差，是指在已經得到被動傳感器的 偏差的情況下，使偏差出現的概率最大的數值即作為真值的偏差估計值。
9、 根據權利要求1所述的基于信息融合的修正極大似然配準方法，其特征是，所述配準，是指將當前時刻估計的偏差值補償到下一時刻的被動傳感器的 測量數據中。
10、 根據權利要求1所述的基于信息融合的修正極大似然配準方法，其特征是，所述進一步估計目標狀態，是指將滿足收斂性要求的偏差值配準被動傳 感器后，使目標狀態的極大似然函數出現的概率最大的數值即作為目標狀態的 估計值。
全文摘要
一種目標跟蹤技術領域的基于信息融合的修正極大似然配準方法，包括如下步驟步驟一，多平臺系統中的被動傳感器負責測量可觀測區域內的目標位置，并獲得盲區內目標的冗余信息信息；步驟二，利用多平臺系統冗余信息計算盲區內的目標位置；步驟三，根據步驟二計算的目標位置，利用極大似然方法估計被動傳感器的偏差；步驟四，對估計所得的偏差進行收斂性判別；步驟五，將滿足收斂性要求的偏差值配準被動傳感器，并進一步估計目標狀態。本發明方法具有計算量小、簡單有效、易于實施等優點，可廣泛應用于機器人、智能交通、空中交通管制和航天、航空、航海等各領域。
文檔編號G01S13/00GK101126806SQ20071004614
公開日2008年2月20日 申請日期2007年9月20日 優先權日2007年9月20日
發明者敬忠良, 祁永慶, 胡士強 申請人:上海交通大學
專業數控銑床產品供應商
20年生產經驗，實力工廠，精工品質，質量有保障
