CN103792515B - 一种异平台2维雷达与红外传感器量测数据合成方法 - Google Patents
一种异平台2维雷达与红外传感器量测数据合成方法 Download PDFInfo
- Publication number
- CN103792515B CN103792515B CN201310667428.7A CN201310667428A CN103792515B CN 103792515 B CN103792515 B CN 103792515B CN 201310667428 A CN201310667428 A CN 201310667428A CN 103792515 B CN103792515 B CN 103792515B
- Authority
- CN
- China
- Prior art keywords
- target
- vector
- estimation
- platform
- state vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种异平台2维雷达与红外传感器探测数据合成方法,步骤如下:第1步 接收相关成功的测量目标对信息;第2步 变换构造目标观测方程;第3步 根据测量方位角特性,构造出满足马尔可夫估计条件的状态向量;第4步 目标状态向量的马尔可夫估计;第5步 目标状态向量的误差协方差计算;第6步 求解z轴上的状态向量及方差。其优点是:提供了一种操作简单,通过联立2维雷达与红外不同时刻的测量数据构造出目标观测方程,根据马尔可夫估计原理估计出其状态向量与协方差,其过程避免了缺维数据的复杂时空对准计算,该方法易于实现与工程实践应用;其对目标状态估计兼有合成与滤波功能,实时性好,融合精度较高。
Description
技术领域
本发明属于数据融合技术领域,具体涉及到一种异平台2维雷达与红外传感器数据合成方法,该方法对不同平台2维雷达与红外传感器探测/跟踪的空中目标数据进行联合状态估计,其无需单独对异类传感器数据进行时间、空间对准,从而避免了缺维数据复杂的时空对准/坐标转换以及由此引入的原理误差。
背景技术
各种类型的传感器的探测能力都存在各自的优点和一定的局限性,为实现全面、完整、稳定的战场态势感知,需要在作战空间分散设置多种类型的传感器以构成传感器网。这些传感器包括警戒雷运、搜索雷达、跟踪雷达、红外、电视、激光、电子战等探测设备,并利用数据融合技术对这些传感器的目标探测/跟踪数据进行数据融合。
主被动异类传感器网是一种典型的多传感器系统组网模式。由于异类传感器两坐标雷达和红外传感器在探测方式、探测信息等方面都具有较强的互补性,它们通常配置在一起构成雷达-红外多传感器系统进行目标探测与跟踪,从而能够使融台系统降低对敌方干扰的脆弱性,提高系统可靠性。利用雷达高精度的距离测量和红外高精度的角度测量,实现信息互补,通过数据融合技术,给出对目标位置与状态的正确估计,从而改善对目标的跟踪和识别。
雷达与红外传感器配合使用,成为相互独立又彼此补充的探测跟踪手段。但是,两坐标雷达和红外传感器的探测信息都不能完整表达一个三维空间中目标的位置:前者由于缺乏目标的俯仰角信息,坐标转换误差较大;后者缺乏目标的距离信息,难以进行数据对准/坐标转换,从而导致现有的状态信息与融合跟踪方法的有效性下降。多传感器数据融合过程通常可划分为两个步骤:数据关联和数据合成。通过关联判决逻辑确定为来自同一目标传感器测量数据时,再通过航迹数据合成估计出目标状态与协方差,以提高目标跟踪合成精度。数据合成通常采用协方差加权融合方法,但,该方法要求参与合成数据为同一时空且具备相同维数的数据。由于两坐标雷达与红外传感器异类数据在探测时间上的不同步、坐标不统一、数据率不一致以及测量维数不匹配等特点,使得对这类信息的合成处理很难直接采取该类合成方法。
发明内容
本发明提供了一种用于异平台异类传感器2维雷达与红外传感器探测空中目标的测量数据进行状态估计融合的方法,该方法通过联立多个探测时刻的雷达与红外测量数据构造了新的观测方程,通过马尔可夫估计原理估计出目标合成状态及协方差,避免了异类传感器缺维数据复杂的时空对准/坐标转换以及由此引入的原理误差。
本发明提供一种异平台2维雷达与红外传感器量测数据合成方法,该方法包括以下步骤:
第1步:接收相关成功的测量目标对信息
测量目标信息包括2维雷达与红外传感器平台位置信息和异类传感器测量目标信息,其中,传感器平台位置采直角坐标系表示;2维雷达测量目标采用距离、方位表示;红外传感器测量目标采用方位、仰角表示;
第2步:变换构造目标观测方程
根据2维雷达与红外传感器的测量目标方位角特性,忽略平台定位测量误差,在xy平面上变换构造出目标作匀速直线运动模型与匀加速直线运动模型下的观测方程;
第3步:根据测量方位角特性,构造出满足马尔可夫估计条件的状态向量
将2维雷达1和红外传感器2测量数据分成若干个子集,每个子集都进行目标位置的估计;通过对匀速直线、匀加速直线运动模型下的观测方程的变换,在xy方向上变换出满足马尔可夫估计方程的状态向量X;
第4步:目标状态向量X的马尔可夫估计
通过马尔可夫估计方法联立各个子集测算的目标位置的估计值,综合估计出目标位置、状态以及相应的误差协方差;根据马尔可夫状态向量方程估计方法,同一时刻采用匀速、匀加速直线运动模型对目标状态进行马尔可夫向量估计,最终目标综合状态估计值为两种模型估计向量的加权和,其权值是依据各模型的误差协方差得到;
第5步:目标状态向量X的误差协方差计算
由数学知识求解出X方向上状态估计向量误差协方差;
第6步:求解z轴上的状态向量及方差
根据以上步骤中计算xy平面状态矢量原理,变换构造匀速直线运动模型下z轴上状态方程,通过马尔可夫估计原原理进行估计,计算出目标在z轴方向上的状态向量及误差方差。
所述的第2步具体包括以下过程:
假设在测量时间ti、tn时刻,令Δtn=tn-ti,异类传感器所在平台位置坐标为(Xi0,Yi0),目标测量方位角为βi,在tn时刻,其速度为(vx,vy,vz),位置坐标表示为(xn,yn,zn),目标作匀加速运动时其加速度表示为(2ax,2ay,2az)。
(2.1)匀速直线运动模型下的观测方程构造,表示为:
Xi0cosβi-Yi0sinβi=xncosβi-vxΔtncosβi-ynsinβi+vyΔtnsinβi
(2.2)匀加速直线运动模型下的观测方程构造,表示为:
Xi0cosβi-Yi0sinβi=xncosβi-vxΔtncosβi-ynsinβi+vyΔtnsinβi-ayΔtn 2sinβi+axΔtn 2cosβi
所述的第3步具体包括匀速直线、匀加速直线运动两种模型下的满足马尔可夫估计算法条件状态向量的构造,假设在ti时刻,传感器测量方位角为θi,令Zi′=Xi0cosθi-Yi0sinθi,则有:
匀速直线运动模型下的测量转移矩阵为:
H(i)=[cosθi-Δticosθi-sinθiΔtisinθi],H(i)(i=1,2,…,n)
匀加速直线运动模型下的测量转移矩阵为:
H(i)=[cosθi-ΔtncosθiΔtn 2cosθi-sinθiΔtnsinθi-Δtn 2sinθi]
所述的第4步中,在xy方向上目标状态向量X的马尔可夫估计为:
其中,观测转移矩阵H、观测误差矩阵R以及向量Z可分别表示为:
H(i)i=1,2,...,n)为在时刻ti单次观测转移矩阵,为单次观测误差矩阵,其值为 为平台在ti时刻定位误差方差,可根据平台定位参数得到,为传感器测量方位角误差方差,n为累计观测点数,即观测滑窗长度,n取值范围为2-20。
假设匀速直线运动模型目标状态估计值误差协方差P1;目标作匀加速直线运动模型下其状态估计值误差协方差P2,本发明中采用状态向量误差协方差加权值表示目标在某时刻融合状态最终估计值。
综合误差协方差为:
每种模型估计的权值:其中i取值1或2
则融合状态估计:
所述的第6步具体包括下述过程:
第6.1步匀速直线运动模型下的z轴上观测方程的构造,其表达式分别表示为:
假设在ti时刻,2维雷达1探测空中目标,其平台位置坐标为(Xi0,Yi0,Zi0),Zi0=0,ti为其探测距离;若红外传感器2进行探测,平台位置坐标为(Xi1,Yi1,Zi1),εi为探测仰角εi,Zi1=0;在时间tn时刻,目标在z上坐标为zn,其速度为vz,则有:
或
第6.2步z轴上目标状态向量的马尔可夫估计计算,在z方向上估计向量表示为:
E=(HE TRE -1HE)-1HE TRE -1V
其中,观测转移矩阵HE与观测误差矩阵RE可分别表示为:
HE(i)(i=1,2,...,n)为在时刻ti单次观测转移矩阵,其值为[1-Δtn],为单次观测z方向上误差方差,n为累计观测点数,即观测滑窗长度,则共探测空中目标n取值范围2-20。
第6.3步计算z轴上目标状态向量误差方差。
本发明提供了一种异平台2维雷达与红外传感器量测数据合成方法,该方法能对异平台2维雷达与红外传感器探测的空中目标数据进行联合状态估计,通过联立2维雷达与红外不同时刻的测量数据构造的观测方程,根据马尔可夫估计原理估计出其状态向量与协方差,其处理过程中,无需单独对异类传感器数据进行时间、空间对准,从而避免了缺维数据复杂的时空对准和坐标转换计算以及由此引入的原理误差;由于组合多点测量数据进行状态估计,其估计具备滤波功能,同时给出目标的速度信息。
具体而言,本发明方法具有如下特点:
(1)本发明提供了一种操作简单,通过联立2维雷达与红外不同时刻的测量数据构造出目标观测方程,根据马尔可夫估计原理估计出其状态向量与协方差,其过程避免了缺维数据的复杂时空对准计算,该方法易于实现与工程实践应用;
(2)提供了一种异平台2维雷达与红外传感器量测数据目标合成方法,其对目标状态估计兼有合成与滤波功能,实时性好,融合精度较高。
附图说明
图1是本发明中算法流程图。
具体实施方式
下面结合附图和实例对本发明作进一步详细的说明。
本发明提供一种异平台2维雷达与红外传感器量测数据合成方法。结合图1算法流程图,具体实施步骤如下:
1、接收相关成功的测量目标对信息:
假设2维雷达1和红外传感器2分别对监视区域内的某个空中目标进行探测。本实例中异类传感器数据合成主要接收两类信息:一是传感器平台位置信息;另一类是异类传感器测量目标信息。
设2维雷达1测量目标点位置矢量用[r,β]T表示,r、β分别表示2维雷达测量目标的距离、方位,其测量误差标准差表示为σr、σβ,同时设其所在平台位置坐标在ti时刻用(Xi0,Yi0,Zi0),其中Zi0值为零,假定为水面平台,其平台在x、y方向上定位误差标准差表示为σ1x、σ1Y;红外传感器2测量目标状态矢量用[θ,ε]T表示,θ、ε分别表示测量目标的方位、仰角,其测量误差标准差分别表示为σθ、σε,设ti时刻其所在平台位置坐标(Xi1,Yi1,Zi1),Zi1值为零,假定为水面平台,其平台在x、y方向上定位误差标准差表示为σ2X、σ2Y。
根据状态变量以及雷达与红外传感器的测量特性,本发明分别从xy平面方向以及z轴方向进行构造观测方程,通过马尔可夫向量估计方法估计出其各个方向的状态变量及其状态误差协方差。
2、变换构造目标观测方程:
在理想状况下,忽略平台定位误差以及传感器测量误差,假设在时间ti时刻任一平台位置坐标为(Xi0,Yi0,Zi0),传感器测量目标位置坐标为(xi,yi),其测量方位角为βi,则满足几何关系式:
本发明选定目标作xy平面上作匀速直线或匀加速直线两种典型的目标运动模型来分别对目标的运动状态进行估计,其目标综合状态估计是两种模型的状态估计以及相应的误差协方差加权之和,同时假定目标在z轴方向上采用匀速直线运动模型来对目标运动状态进行估计。
2.1匀速直线运动模型下的目标观测方程构造:
假设空中目标作在xy平面作匀速直线运动,其运动速度表示为(vx,vy),在tn时刻其位置坐标表示为(xn,yn),则ti时刻目标位置估计值坐标满足下式:
将式(2)代入(1)得:
将(3)式进行变换,转换成如下形式,令Δtn=tn-ti,Z′=Xi0cosβi-Yi0sinβi,则构造新的观测方程:
Z′=xncosβi-vxΔtncosβi-ynsinβi+vyΔtnsinβi (4)
2.2匀加速直线运动模型下的目标观测方程构造:
假设空中目标在xy方向作匀加速直线运动,其xy方向运动方程可分别表示为关于时间t的二次曲线,其运动方程表示为:
x=axt2+bxt+cx,其中ax,bx,cx为常系数
y=ayt2+byt+cy,其中ay,bycy为常系数
假定目标在tn时刻速度为(vy,v,vz),其加速度可表示为(2ax,2ay,2az),在tn时刻其位置坐标表示为(xn,yn,zn),由数学知识可得:
令Δtn=tn-ti,则(2)可表示为:
令Z″=Xi0cosβi-Yi0sinβi,将式(5)则代入(1)式进行变换得:
Z″=xncosβi-vxΔtncosβi-ynsinβi+vyΔtnsinβi-ayΔLn 2sinβi+axΔLn 2cosβi (6)
3、满足马尔可夫估计条件的状态向量的构造:
在xy方向上将传感器1和2测量数据分成若干个子集,每个子集都进行目标位置的估计;然后,采用马尔可夫估计方法,利用子集测算的目标位置的估计值,包括目标位置、状态以及相应的误差协方差。具体实施方法如下:
在得到不同传感器测量目标的预估值后,进行马尔可夫方法估计,需变换构造观测方程形式如下式:
Z=HX+V (7)
其中:H是观测矩阵,V为测量噪声,且满足E[V]=0,E[V(k)VT(j)]=R(k)δkj
下面给出对变形后的新的观测方程(4)和(6)式进行变换证明,使得测量噪声V满足或近似满足正态分布。
3.1匀速直线运动模型下的状态向量的构造:
通常情形下,平台位置定位精度远远高于传感器测量精度,在本发明中综合考虑两者因素时忽略平台定位精度项。当仅考虑传感器方位角度探测误差时,针对目标作匀速直线运动模型,由于(4)式中β为真值,其实际探测值表示:βi=θi-εi,其中θi为观测值,ei为测量误差。
则(4)式变换可得:(xn-vxΔtn-Xi0)cos(θi-ei)-(yn-vyΔtn-Yi0)sin(θi-ej)=0
可变换得:(xn-vxΔtn-Xi0)cosθi-(yn-vyΔtn-Yi0)sinθi=ρisinei,其中,
则可化简得:
Xi0cosθi-Yi0sinθi=xncosθi-vxΔtncosθi-ynsinθi+vyΔtnsinθi-ρisinei (8)
则(8)式可改写为:A
由于ei∈N(0,σ2),存在E(ei)=0,则有E(ρisinei)≈E(ρiei),而ρMINE(ei)≤E(ρiei)≤ρMAXE(ei),所以E(ρisinei)≈0,则有ρisinei近似满足高斯均值为零的白噪声分布。
令向量Z′i=X0cosθi-Yi0sinθi,则(9)式中测量转移矩阵H(i)=[cosθi-Δticosθi-sinθiΔtisinθi],其状态矢量为:
由数学知识可计算向量Zi′误差协方差:
其中,为平台在ti时刻定位误差方差,可根据平台定位误差参数得到。
3.2匀加速直线运动模型下的状态向量的构造:
若目标作匀加速直线运动,同3.1步骤中类似,则(6)式变换可得:
(xn+axΔtn 2-vxΔtn-Xi0)cos(θi-ei)-(y’n+ayΔtn 2-vyΔtn-Yi0)sin(θi-ei)=0
(xn+axΔtn 2-vxΔtn-Xi0)cosθ-(yn+avΔtn 2-vyΔtn-Yi0)sinθi=ρisinei (12)
其中:
则可化得:
令向量Zi′=Xi0cosθi-Yi0sinθi,则(13)式中测量转移矩阵H(i)=[cosθi-ΔtncosθiΔtn 2cosθi-sinθiΔtnsinθi-Δtn 2sinθi],其状态矢量为:
由(11)式可知,向量Zi′误差协方差:
其中,为平台在ti时刻定位误差方差,可根据平台定位参数得到。
4、目标状态向量X的马尔可夫估计计算:
马尔可夫估计方程可表示为:
当加权矩阵W取测量噪声协方差矩阵的逆时,估计误差的方差阵为最小,也即为马尔可夫估计。求解向量,即使得Q达到极小值的估计。W是一个根据测量结果适当选取的对称正定加权矩阵,本发明中W=R-1,其中R观测误差矩阵,本发明中假定观测误差矩阵可逆。
对Q求极小值,则:
则目标状态向量X的马尔可夫估计为:
其中,(16)式中,观测转移矩阵H、观测误差矩阵R以及向量Z可分别表示为:
H(i)i=1,2,....n)为在时刻ti单次观测转移矩阵值,为时刻ti单次观测误差矩阵,n为累计观测点数,即观测滑窗长度,n取值范围为2-20。
同一时刻采用两种运动模型进行马尔可夫向量估计,由于采用匀速直线模型向量估计无加速度项,其估计结果为4维向量,而匀加速模型状态矢量估计结果为6维向量,为统一维数便于向量矢量合成,因此在匀速直线模型向量估计中增加加速度维,其为零矢量,最终估计结果为两种模型估计向量的加权和,其权值是依据各模型的误差协方差得到,其具体计算方法如下:
假设匀速直线运动模型目标状态估计值,误差协方差P1;目标作匀加速直线运动模型下其状态估计值,误差协方差P2,本发明中采用状态向量误差协方差加权值表示目标在某时刻融合状态最终估计值。
综合误差协方差为:
每种模型估计的权值:其中i取值1或2
则融合状态估计:(17)
5、目标状态向量X的误差协方差计算:
由数学知识,对(16)式求解向量误差:
令X=(HTR-1H)-1HTR-1HZ,则有:
Δx=-(HTR-1H)-1HTR-1Z (18)
则向量的马尔可夫估计误差协方差阵:
式(19),R为观测误差矩阵,H为观测转移矩阵,表示向量xn上误差方差,表示向量vx误差方差,表示向量ax误差方差,表示向量yn误差方差,表示向量vy误差方差,表示向量ay误差方差。
6、求解目标在z轴上的状态向量及方差:
根据以上步骤中计算xy平面状态矢量原理,计算z轴方向上的状态向量及方差。在本发明中z轴方向仅考虑目标作匀速直线运动模型进行状态估计。
6.1匀速直线运动模型下的z轴上目标观测方程的构造:
理想情况下,忽略平台定位测量误差在ti时刻,2维雷达1探测空中目标,其平台位置坐标表示为(Xi0,Yi0,Zi0),其探测距离ri满足以下方程,由步骤1可知Zi0=0:
若在ti时刻为红外传感器2探测,其平台位置坐标表示为(Xi1,Yi1,Zi1),其探测仰角εi满足方程,由步骤1可知Zi1=0:
分别对(21)、(22)式变换得:
或
令向量由数学知识可分别计算式(22)、(23)向量误差方差:
其中:
为二维雷达平台定位误差方差,为红外传感器平台定位误差方差,可根据两异平台定位参数精度得到;
为二维雷达在距离上的测量方差,为红外在仰角上的测量方差;
为在tn时刻xy方向上综合估计方差,在步骤5中式(19)可得到。
6.2z轴上目标状态向量的马尔可夫估计:
设向量 则观测转移矩阵HE(i)=[1 -Δyn],由步骤4中(15)式方程当Q取极小值时且W=RF -1,在z方向上估计向量为:
E=(HE TRF -1HE)-1HE TRE -1V (24)
其中,(24)式中,观测转移矩阵HF与观测误差矩阵RE可分别表示为:
HE(i)(i=1,2,..,.)为在时刻ti单次观测转移矩阵,为单次观测z方向上误差方差,n为累计观测点数,即观测滑窗长度,则共探测空中目标n取值范围2-20。
6.3z轴上目标状态向量误差方差计算:
在z方向上其向量E误差方差:
(26)式中,RE为观测误差矩阵,HE观测转移矩阵,为向量zn方差,为z方向上速度向量vz的方差。
综合步骤3、4、5、6中式子(16)、(17)、(19)、(25)、(26),其在xyz上综合向量状态估计、误差协方差即为异平台2维雷达与红外传感器探测空中目标数据的综合合成状态及误差协方差。
本发明不仅局限于上述具体实施方式,本领域一般技术人员根据本发明公开的内容,可以采用其它多种具体实施方式实施本法明,因此,凡是采用本发明的技术思路,做一些简单的变化或更改的设计,都落入本发明保护的范围。
Claims (4)
1.一种异平台2维雷达与红外传感器探测数据合成方法,包括下述步骤:
第1步:接收相关成功的测量目标对信息
测量目标信息包括2维雷达与红外传感器平台位置信息和异类传感器测量目标信息,其中,传感器平台位置采用直角坐标系表示;2维雷达测量目标采用距离、方位表示;红外传感器测量目标采用方位、仰角表示;
第2步:变换构造目标观测方程
根据2维雷达与红外传感器的测量目标方位角特性,忽略平台测量定位误差,在xy平面上变换构造出目标作匀速直线运动模型与匀加速直线运动模型下的目标观测方程;
第3步:根据测量方位角特性,构造出满足马尔可夫估计条件的状态向量:
将2维雷达1和红外传感器2测量数据分成若干个子集,每个子集都进行目标位置的估计;通过对匀速直线、匀加速直线运动模型下的目标观测方程的变换,在xy方向上变换出满足马尔可夫估计方程的状态向量X;
第4步:目标状态向量X的马尔可夫估计
通过马尔可夫估计方法联立各个子集测算的目标位置的估计值,综合估计出目标位置、状态以及相应的误差协方差;根据马尔可夫状态向量方程估计方法,同一时刻采用匀速、匀加速直线运动模型对目标状态进行马尔可夫向量估计,最终目标综合状态估计值为两种模型估计向量的加权和,其权值是依据各模型的误差协方差得到;
第5步:目标状态向量X的误差协方差计算
由数学知识求解出X方向上状态估计向量误差协方差;
第6步:求解z轴上的状态向量及方差
根据以上步骤中计算xy平面状态矢量原理,变换构造匀速直线运动模型下z轴上状态方程,通过马尔可夫估计原理进行估计,计算出目标在z轴方向上的状态向量及误差方差。
2.根据权利要求1所述的一种异平台2维雷达与红外传感器探测数据合成方法,其特征在于,第2步具体包括下述过程:
假设在测量时间ti、tn时刻,令Δtn=tn-ti,异类传感器所在平台位置坐标为(Xi0,Yi0),目标测量方位角为βi,在tn时刻,其速度为(vx,vy,vz),位置坐标表示为(xn,yn,zn),目标作匀加速运动时其加速度表示为(2ax,2ay,2az);
(2.1)匀速直线运动模型下的观测方程构造,表示为:
Xi0cosβi-Yi0sinβi=xncosβi-vxΔtncosβi-ynsinβi+vyΔtnsinβi
(2.2)匀加速直线运动模型下的观测方程构造,表示为:
3.根据权利要求2所述的一种异平台2维雷达与红外传感器探测数据合成方法,其特征在于,第4步中,在xy方向上目标状态向量X的马尔可夫估计为:
其中,观测转移矩阵H、观测误差矩阵R以及向量Z分别表示为:
H(i)(i=1,2,...,n)为在时刻ti单次观测转移矩阵,为单次观测误差矩阵,其值为为平台在ti时刻定位误差方差,根据平台定位参数得到,为传感器测量方位角误差方差,n为累计观测点数,即观测滑窗长度,n取值范围为2-20,θi为传感器测量方位角;
假设匀速直线运动模型目标状态估计值误差协方差P1;目标作匀加速直线运动模型下其状态估计值误差协方差P2,采用状态向量误差协方差加权值表示目标在某时刻融合状态最终估计值;
综合误差协方差为:
每种模型估计的权值:Wi=P综合Pi -1,其中i取值1或2
则融合状态估计:
4.根据权利要求3所述的一种异平台2维雷达与红外传感器探测数据合成方法,其特征在于,第6步具体包括下述过程:
第6.1步匀速直线运动模型下的z轴上观测方程的构造,其表达式分别表示为:
假设在ti时刻,2维雷达1探测空中目标,其平台位置坐标为(Xi0,Yi0,Zi0),Zi0=0,ri为其探测距离;若红外传感器2进行探测,平台位置坐标为(Xi1,Yi1,Zi1),εi为探测仰角εi,Zi1=0;在时间tn时刻,目标在z上坐标为zn,其速度为vz,则有:
或
其中,令向量
第6.2步z轴上目标状态向量的马尔可夫估计计算,在z方向上估计向量表示为:
E=(HE TRE -1HE)-1HE TRE -1V
其中,观测转移矩阵HE与观测误差矩阵RE分别表示为:
HE(i)(i=1,2,...,n)为在时刻ti单次观测转移矩阵,其值为[1 -Δtn],为单次观测z方向上误差方差,n为累计观测点数,即观测滑窗长度,则共探测空中目标n取值范围2-20;
第6.3步计算z轴上目标状态向量误差方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310667428.7A CN103792515B (zh) | 2013-12-10 | 2013-12-10 | 一种异平台2维雷达与红外传感器量测数据合成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310667428.7A CN103792515B (zh) | 2013-12-10 | 2013-12-10 | 一种异平台2维雷达与红外传感器量测数据合成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103792515A CN103792515A (zh) | 2014-05-14 |
CN103792515B true CN103792515B (zh) | 2016-09-28 |
Family
ID=50668375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310667428.7A Active CN103792515B (zh) | 2013-12-10 | 2013-12-10 | 一种异平台2维雷达与红外传感器量测数据合成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103792515B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104980236B (zh) * | 2015-05-15 | 2017-07-07 | 中国科学院遥感与数字地球研究所 | 低轨卫星Ka频段数据接收系统跟踪性能的测试方法 |
WO2019069581A1 (ja) | 2017-10-02 | 2019-04-11 | ソニー株式会社 | 画像処理装置及び画像処理方法 |
US11227486B2 (en) * | 2018-07-16 | 2022-01-18 | Here Global B.V. | Method, apparatus, and system for estimating vulnerable road users |
CN109343035B (zh) * | 2018-11-23 | 2023-07-14 | 江西洪都航空工业集团有限责任公司 | 一种红外雷达复合导引头目标选择方法 |
CN109814101B (zh) * | 2019-01-25 | 2020-11-20 | 北京邮电大学 | 一种航空器位置预测的方法及装置 |
CN110133650B (zh) * | 2019-05-24 | 2022-05-31 | 电子科技大学 | 一种基于步进频率合成孔径雷达的近距离rcs测量电子系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101697006A (zh) * | 2009-09-18 | 2010-04-21 | 北京航空航天大学 | 基于机载雷达和红外成像传感器数据融合的目标识别方法 |
CN101984359A (zh) * | 2010-04-27 | 2011-03-09 | 中国人民解放军海军航空工程学院 | 用于异类多传感器系统的误差配准方法 |
CN102176220A (zh) * | 2011-01-17 | 2011-09-07 | 深圳大学 | 一种同平台配置的雷达与红外传感器进行空间配准的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100175573A1 (en) * | 2008-06-17 | 2010-07-15 | Honeywell International Inc. | Explosively formed penetrator detection and passive infrared sensor neutralization system |
-
2013
- 2013-12-10 CN CN201310667428.7A patent/CN103792515B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101697006A (zh) * | 2009-09-18 | 2010-04-21 | 北京航空航天大学 | 基于机载雷达和红外成像传感器数据融合的目标识别方法 |
CN101984359A (zh) * | 2010-04-27 | 2011-03-09 | 中国人民解放军海军航空工程学院 | 用于异类多传感器系统的误差配准方法 |
CN102176220A (zh) * | 2011-01-17 | 2011-09-07 | 深圳大学 | 一种同平台配置的雷达与红外传感器进行空间配准的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103792515A (zh) | 2014-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103792515B (zh) | 一种异平台2维雷达与红外传感器量测数据合成方法 | |
CN107659893B (zh) | 一种误差补偿方法、装置、电子设备及可读存储介质 | |
CN104809326B (zh) | 一种异步传感器空间配准算法 | |
CN106646450B (zh) | 基于距离分步聚类的雷达航迹抗差关联方法 | |
CN106407677B (zh) | 一种测量数据丢失情况下的多目标跟踪方法 | |
CN105573318B (zh) | 基于概率分析的环境构建方法 | |
CN110514225A (zh) | 一种矿井下多传感器融合的外部参数标定及精准定位方法 | |
CN109116349A (zh) | 多传感器协同跟踪联合优化决策方法 | |
CN107066806B (zh) | 航迹关联方法及装置 | |
CN103994765B (zh) | 一种惯性传感器的定位方法 | |
CN108089183A (zh) | 一种用于异步多基地雷达系统的检测跟踪一体化方法 | |
CN103869279B (zh) | 一种多传感器平台的多目标定位跟踪方法 | |
Suski et al. | Using a map of measurement noise to improve UWB indoor position tracking | |
CN101221238A (zh) | 基于高斯均值移动配准的动态偏差估计方法 | |
CN109143224A (zh) | 一种多目标关联方法和装置 | |
CN107436427A (zh) | 空间目标运动轨迹与辐射信号关联方法 | |
CN108983216A (zh) | 一种基于坐标校准的机载雷达微弱目标检测前跟踪方法 | |
CN109341683A (zh) | 基于uwb双标签的航向计算及其性能分析方法 | |
Xue et al. | DeepTAL: Deep learning for TDOA-based asynchronous localization security with measurement error and missing data | |
CN106526554B (zh) | 基于三门限延迟判别的长基线雷达网虚假航迹识别算法 | |
Dai et al. | Analysis of target detection based on UWB NLOS ranging modeling | |
Zhang et al. | A dynamic window-based UWB-odometer fusion approach for indoor positioning | |
CN106969767A (zh) | 一种动平台传感器系统偏差的估计方法 | |
CN105388470B (zh) | 一种估计目标运动参数的方法 | |
WO2016072240A1 (ja) | センサ情報を処理する情報処理装置、情報管理システム、情報表示システム、情報処理方法、プログラム、記録媒体及びサーバ装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |