CN108151806B - 基于目标距离的异类多传感器数据融合方法 - Google Patents

基于目标距离的异类多传感器数据融合方法 Download PDF

Info

Publication number
CN108151806B
CN108151806B CN201711446654.7A CN201711446654A CN108151806B CN 108151806 B CN108151806 B CN 108151806B CN 201711446654 A CN201711446654 A CN 201711446654A CN 108151806 B CN108151806 B CN 108151806B
Authority
CN
China
Prior art keywords
target
sensor
active
passive sensor
passive
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
Application number
CN201711446654.7A
Other languages
English (en)
Other versions
CN108151806A (zh
Inventor
张龙
叶显
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Seekcon Microwave Communication Co ltd
Original Assignee
Chengdu Seekcon Microwave Communication Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Seekcon Microwave Communication Co ltd filed Critical Chengdu Seekcon Microwave Communication Co ltd
Priority to CN201711446654.7A priority Critical patent/CN108151806B/zh
Publication of CN108151806A publication Critical patent/CN108151806A/zh
Application granted granted Critical
Publication of CN108151806B publication Critical patent/CN108151806B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种基于目标距离的异类多传感器数据融合方法，其判断目标的位置是否位于主动传感器的有效测量区间或被动传感器的有效测量区间，分别采用主动传感器独立跟踪目标、被动传感器独立跟踪目标或两者一起跟踪目标，分别根据目标与主动传感器和被动传感器的距离设置主动传感器测量值权重和被动传感器测量值权重，并融合主动传感器和被动传感器的目标距离测量值，得到目标的精确位置，实现异类多传感器数据的融合。本发明相比传统的等加权算法以及方差加权算法，采用变权重的数据融合方法考虑了目标实时的位置信息，得到的权值能够更加全面的满足传感器对目标的跟踪需求，提高了跟踪精度。

Description

基于目标距离的异类多传感器数据融合方法
技术领域
本发明涉及多传感器技术领域，具体涉及基于目标距离的异类多传感器数据融合方法。
背景技术
在多传感器系统中，每个传感器提供的测量数据存在一定差异，如何将不同传感器的数据进行有效的融合，从而获取更优的系统性能，已经成为多传感器数据融合技术研究的热点之一。而异类传感器的使用有其天然的优势，每类传感器能从不同的角度观测目标，有着各自的优点，其典型应用之一就是主、被动传感器组成的目标跟踪系统。比如雷达传感器通过主动发射电磁波，可以测量目标的运动特征，但是雷达在工作时需要向外辐射大功率的电磁波，因而易遭受电子干扰，同时雷达存在低空盲区。光电传感器不向外辐射能量，通过被动接收目标辐射的能量进行探测和定位，因而隐蔽性强，具有较强的抗干扰能力，另外还具有较强的目标识别能力，因此将二者结合能提高系统的可靠性以及抗干扰能力，并且能够从多角度更加全面的观测目标。
发明内容
针对现有技术中的上述不足，本发明提供的基于目标距离的异类多传感器数据融合方法有效提高了目标距离的识别与目标位置的锁定精度。
为了达到上述发明目的，本发明采用的技术方案为：
提供一种基于目标距离的异类多传感器数据融合方法，其包括以下步骤：
S1、通过主动传感器获取目标的位置参数，并判断目标的位置是否位于主动传感器的有效测量区间，若是，则进入步骤S2；否则进入步骤S5；
S2、判断目标至被动传感器的距离是否位于被动传感器的有效测量区间，若是，则进入步骤S3，否则进入步骤S4；
S3、同时采用主动传感器和被动传感器跟踪目标，并进入步骤S6；
S4、只采用主动传感器跟踪目标，并进入步骤S6；
S5、通过被动传感器获取目标的位置参数，并判断目标的位置是否位于被动传感器的有效测量区间；若是，则只采用被动传感器跟踪目标并进入步骤S6，否则进入步骤S7；
S6、分别根据目标与主动传感器和被动传感器的距离设置主动传感器测量值权重和被动传感器测量值权重，并对主动传感器和被动传感器获取的实时观测值进行加权处理，实现异类多传感器数据的融合，得到目标的精确位置；
S7、判断是否接收到停止信号，是则结束获取目标，否则返回步骤S1。
进一步地，步骤S6和步骤S7之间还包括步骤S6.5：
根据目标各个时刻的精确位置，获取目标的运动轨迹与运动速度，实现对目标的持续跟踪。
进一步地，步骤S6的具体方法包括以下步骤：
S6-1、根据公式
Figure BDA0001527684830000021
Figure BDA0001527684830000022
设置主动传感器测量值权值wa'和被动传感器测量值权值wb'；
S6-2、根据公式
Figure BDA0001527684830000031
Figure BDA0001527684830000032
分别获取主动传感器测量值权重wa和被动传感器测量值权重wb；
S6-3、根据公式
Zf＝waZa+wbZb
融合主动传感器的实时观测值Za和被动传感器的实时观测值Zb，实现异类多传感器数据的融合，得到目标的精确位置Zf；
其中rmaxa和rmina分别为主动传感器的有效测量距离上限值和下限值；rmaxb和rminb分别为被动传感器的有效测量距离上限值和下限值；k为调整因子。
本发明的有益效果为：
1、本发明相比传统的等加权算法以及方差加权算法，采用变权重的数据融合方法考虑了目标实时的位置信息，得到的权值能够更加全面的满足传感器对目标的跟踪需求，提高了跟踪精度。
2、权值计算采用线性的方式拟合，更加利于工程化实现。
附图说明
图1为本发明的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，该基于目标距离的异类多传感器数据融合方法包括以下步骤：
S1、通过主动传感器获取目标的位置参数，并判断目标的位置是否位于主动传感器的有效测量区间，若是，则进入步骤S2；否则进入步骤S5；
S2、判断目标至被动传感器的距离是否位于被动传感器的有效测量区间，若是，则进入步骤S3，否则进入步骤S4；
S3、同时采用主动传感器和被动传感器跟踪目标，并进入步骤S6；
S4、只采用主动传感器跟踪目标，并进入步骤S6；
S5、通过被动传感器获取目标的位置参数，并判断目标的位置是否位于被动传感器的有效测量区间；若是，则只采用被动传感器跟踪目标并进入步骤S6，否则进入步骤S7；
S6、分别根据目标与主动传感器和被动传感器的距离设置主动传感器测量值权重和被动传感器测量值权重，并对主动传感器和被动传感器获取的实时观测值进行加权处理，实现异类多传感器数据的融合，得到目标的精确位置；
S7、判断是否接收到停止信号，是则结束获取目标，否则返回步骤S1。
步骤S6和步骤S7之间还包括步骤S6.5：
根据目标各个时刻的精确位置，获取目标的运动轨迹与运动速度，实现对目标的持续跟踪。
步骤S6的具体方法包括以下步骤：
S6-1、根据公式
Figure BDA0001527684830000041
Figure BDA0001527684830000051
设置主动传感器测量值权值wa'和被动传感器测量值权值wb'；
S6-2、根据公式
Figure BDA0001527684830000052
Figure BDA0001527684830000053
分别获取主动传感器测量值权重wa和被动传感器测量值权重wb；
S6-3、根据公式
Zf＝waZa+wbZb
融合主动传感器的实时观测值Za和被动传感器的实时观测值Zb，实现异类多传感器数据的融合，得到目标的精确位置Zf；
其中rmaxa和rmina分别为主动传感器的有效测量距离上限值和下限值；rmaxb和rminb分别为被动传感器的有效测量距离上限值和下限值；k为调整因子。
本发明采用了基于传感器与目标之间距离的自适应方式更新权值，权值间接反映了传感器测量误差的大小，距离越远，观测误差越大。在数据融合时，通过对不同传感器进行加权处理，观测误差大的权值占比小，观测误差小的权值占比大，有效地提高了跟踪精度。权值计算采用线性的方式拟合，更加利于工程化实现。

Claims (1)

1.一种基于目标距离的异类多传感器数据融合方法，其特征在于：包括以下步骤：
S1、通过主动传感器获取目标的位置参数，并判断目标的位置是否位于主动传感器的有效测量区间，若是，则进入步骤S2；否则进入步骤S5；
S2、判断目标至被动传感器的距离是否位于被动传感器的有效测量区间，若是，则进入步骤S3，否则进入步骤S4；
S3、同时采用主动传感器和被动传感器跟踪目标，并进入步骤S6；
S4、只采用主动传感器跟踪目标，并进入步骤S6；
S5、通过被动传感器获取目标的位置参数，并判断目标的位置是否位于被动传感器的有效测量区间；若是，则只采用被动传感器跟踪目标并进入步骤S6，否则进入步骤S7；
S6、分别根据目标与主动传感器和被动传感器的距离设置主动传感器测量值权重和被动传感器测量值权重，并对主动传感器和被动传感器获取的实时观测值进行加权处理，实现异类多传感器数据的融合，得到目标的精确位置；
S7、判断是否接收到停止信号，是则结束获取目标，否则返回步骤S1；
步骤S6和步骤S7之间还包括步骤S6.5：根据目标各个时刻的精确位置，获取目标的运动轨迹与运动速度，实现对目标的持续跟踪；
步骤S6的具体方法包括以下步骤：
S6-1、根据公式
Figure FDA0002443114660000011
Figure FDA0002443114660000021
设置主动传感器测量值权值wa'和被动传感器测量值权值wb'；
S6-2、根据公式
Figure FDA0002443114660000022
Figure FDA0002443114660000023
分别获取主动传感器测量值权重wa和被动传感器测量值权重wb；
S6-3、根据公式
Zf＝waZa+wbZb
融合主动传感器的实时观测值Za和被动传感器的实时观测值Zb，实现异类多传感器数据的融合，得到目标的精确位置Zf；
其中rmaxa和rmina分别为主动传感器的有效测量距离上限值和下限值；rmaxb和rminb分别为被动传感器的有效测量距离上限值和下限值；k为调整因子。
CN201711446654.7A 2017-12-27 2017-12-27 基于目标距离的异类多传感器数据融合方法 Active CN108151806B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711446654.7A CN108151806B (zh) 2017-12-27 2017-12-27 基于目标距离的异类多传感器数据融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711446654.7A CN108151806B (zh) 2017-12-27 2017-12-27 基于目标距离的异类多传感器数据融合方法

Publications (2)

Publication Number Publication Date
CN108151806A CN108151806A (zh) 2018-06-12
CN108151806B true CN108151806B (zh) 2020-11-10

Family

ID=62462515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711446654.7A Active CN108151806B (zh) 2017-12-27 2017-12-27 基于目标距离的异类多传感器数据融合方法

Country Status (1)

Country Link
CN (1) CN108151806B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110441775B (zh) * 2019-07-11 2023-05-09 纳瓦电子（上海）有限公司 一种数据的融合方法
CN110501006B (zh) * 2019-08-29 2022-05-03 电子科技大学 一种异类传感器联合航迹关联与跟踪方法
CN112033429B (zh) * 2020-09-14 2022-07-19 吉林大学 一种智能汽车的目标级多传感器融合方法
CN113095401B (zh) * 2021-04-12 2022-09-13 吉林大学 一种多传感器多目标关联跟踪方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5182564A (en) * 1984-07-26 1993-01-26 The Boeing Company Guidance apparatus with dual mode sensor
DE19501612A1 (de) * 1995-01-20 1996-07-25 Bayerische Motoren Werke Ag Meßverfahren für den Abstand zwischen einem Kraftfahrzeug und einem Objekt
CN101661104A (zh) * 2009-09-24 2010-03-03 北京航空航天大学 基于雷达/红外量测数据坐标转换的目标跟踪方法
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
CN103729859A (zh) * 2013-12-30 2014-04-16 西北工业大学 一种基于模糊聚类的概率最近邻域多目标跟踪方法
CN104482934A (zh) * 2014-12-30 2015-04-01 华中科技大学 一种多传感器融合的超近距离自主导航装置与方法
CN104730537A (zh) * 2015-02-13 2015-06-24 西安电子科技大学 基于多尺度模型的红外/激光雷达数据融合目标跟踪方法
CN104842358A (zh) * 2015-05-22 2015-08-19 上海思岚科技有限公司 一种可自主移动的多功能机器人
US9121919B2 (en) * 2011-02-25 2015-09-01 Kabushiki Kaisha Toshiba Target tracking device and target tracking method
CN106326826A (zh) * 2015-10-10 2017-01-11 北京控制与电子技术研究所 一种基于可见光图像的深空探测器自主着陆区选取方法
CN107192995A (zh) * 2017-05-23 2017-09-22 西北工业大学 一种多层次信息融合的纯方位水下目标跟踪算法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5182564A (en) * 1984-07-26 1993-01-26 The Boeing Company Guidance apparatus with dual mode sensor
DE19501612A1 (de) * 1995-01-20 1996-07-25 Bayerische Motoren Werke Ag Meßverfahren für den Abstand zwischen einem Kraftfahrzeug und einem Objekt
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
CN101661104A (zh) * 2009-09-24 2010-03-03 北京航空航天大学 基于雷达/红外量测数据坐标转换的目标跟踪方法
US9121919B2 (en) * 2011-02-25 2015-09-01 Kabushiki Kaisha Toshiba Target tracking device and target tracking method
CN103729859A (zh) * 2013-12-30 2014-04-16 西北工业大学 一种基于模糊聚类的概率最近邻域多目标跟踪方法
CN104482934A (zh) * 2014-12-30 2015-04-01 华中科技大学 一种多传感器融合的超近距离自主导航装置与方法
CN104730537A (zh) * 2015-02-13 2015-06-24 西安电子科技大学 基于多尺度模型的红外/激光雷达数据融合目标跟踪方法
CN104842358A (zh) * 2015-05-22 2015-08-19 上海思岚科技有限公司 一种可自主移动的多功能机器人
CN106326826A (zh) * 2015-10-10 2017-01-11 北京控制与电子技术研究所 一种基于可见光图像的深空探测器自主着陆区选取方法
CN107192995A (zh) * 2017-05-23 2017-09-22 西北工业大学 一种多层次信息融合的纯方位水下目标跟踪算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种跟踪掠海飞行小目标的雷达光电融合处理方法;戴春华;《舰船电子对抗》;20170430;第40卷(第2期);正文第56-59页及图3 *
多种异类传感器联合跟踪的异步航迹融合算法;王越等;《弹箭与制导学报》;20140430;第34卷(第2期);全文 *

Also Published As

Publication number Publication date
CN108151806A (zh) 2018-06-12

Similar Documents

Publication Publication Date Title
CN108151806B (zh) 基于目标距离的异类多传感器数据融合方法
CN108414972B (zh) 一种基于相位特征的移动机器人rfid定位方法
CN105335336B (zh) 一种传感器阵列的稳健自适应波束形成方法
CN104330767A (zh) 基于相位模糊数搜索与最小二乘拟合的干涉仪测向方法
CN107484123B (zh) 一种基于集成HWKNN的WiFi室内定位方法
CN102944866A (zh) 基于干涉仪体制的航管二次雷达应答信号测向方法
CN107371164B (zh) 一种基于传感器数据与信号差值融合定位伪ap的方法
CN112083441A (zh) 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统
CN103743435A (zh) 一种多传感器数据融合方法
CN109407086B (zh) 一种飞行器轨迹生成方法、系统及诱捕系统目标引导方法
CN114779205A (zh) 一种基于雷达目标多状态参数航迹匹配处理方法及系统
CN111047531A (zh) 一种基于单目视觉的仓储机器人室内定位方法
CN108710127A (zh) 低空及海面环境下的目标检测识别方法及系统
CN107561489B (zh) 基于异常检测的mls无源测向定位方法
CN114114240B (zh) 超稀疏阵列在栅瓣影响下的三维目标跟踪方法和装置
Zhang et al. A dynamic window-based UWB-odometer fusion approach for indoor positioning
CN109190647B (zh) 一种有源无源数据融合方法
CN107888289B (zh) 基于可见光通信与惯性传感器融合的室内定位方法及平台
CN102654577A (zh) 一种高精度移动机器人二维地图数据融合方法
CN112305513B (zh) 一种传感器测量参数修正方法及系统
CN112630729A (zh) 一种基于热电堆传感器定位和跟踪室内人类目标的方法
CN110376574A (zh) 一种基于多基地被动声纳观测数据的目标跟踪方法
CN104020468A (zh) 一种基于二次雷达的近距离目标更新周期的计算方法
CN110542902B (zh) 一种适用于车载毫米波雷达的简易测高方法
CN111090079B (zh) 基于无源传感器协同的雷达组网辐射间隔优化控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant