CN108871416A - 基于虚假点消除的角度冗余数据关联方法、被动定位系统 - Google Patents
基于虚假点消除的角度冗余数据关联方法、被动定位系统 Download PDFInfo
- Publication number
- CN108871416A CN108871416A CN201810222848.7A CN201810222848A CN108871416A CN 108871416 A CN108871416 A CN 108871416A CN 201810222848 A CN201810222848 A CN 201810222848A CN 108871416 A CN108871416 A CN 108871416A
- Authority
- CN
- China
- Prior art keywords
- intersection points
- sensor
- angle
- false intersection
- redundant data
- 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.)
- Pending
Links
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明属于多传感器、多目标下的数据融合技术领域，公开了一种基于虚假点消除的角度冗余数据关联方法、被动定位系统，所述基于虚假点消除的角度冗余数据关联方法消除虚假点、构造备选集；求解备选集对应的交叉点坐标；精简关联集；求解冗余站与交叉点新测向角；求解代价函数，完成关联匹配。本发明采用对多传感器、多目标的测量数据，利用预关联，消除部分虚假点、构造备选集，进而利用第三站角度冗余信息，求解代价函数，完成数据关联；利用预关联，消除部分虚假点、构造备选集的设计，排除了部分干扰关联组合，提高了关联准确率。
Description
技术领域
本发明属于多传感器、多目标下的数据融合技术领域，尤其涉及一种基于虚假点消除的角度冗余数据关联方法、被动定位系统。
背景技术
目前，业内常用的现有技术是这样的：对于被动定位系统，需要多个测量传感器才能对空间的目标进行定位。而在多目标环境下，由于各测量站无法对目标进行独立定位，所以无法像主动传感器那样完成目标的数据关联。因此被动定位系统首先要解决的就是各个测量站的数据是否来源于同一个目标，把属于同一个目标的测量数据组合起来，完成数据关联。现有技术一提出了基于残差的数据关联算法，该算法对可能的关联组合进行遍历处理，时间复杂度较高，关联准确率较低，不满足实际工程需要。现有技术二提出了基于视线距离的数据关联算法，该算法对可能的关联组合集合做了精简，但是仅仅是基于传感器侦测范围对关联集合做精简，过于简单。现有技术三提出了基于角度冗余信息的虚假点消除算法，该算法利用冗余信息进行数据关联，消除了部分虚假点，提高了关联准确率，但是虚假点数量仍然很庞大，关联准确率不是很理想。
综上所述，现有技术存在的问题是：现有技术的虚假点数量较多，关联集中干扰关联组合太多，导致关联准确率低。
解决上述技术问题的难度和意义：数据关联过程是确定传感器接收到的量测信息和目标对应关系的过程。这是数据融合系统最核心的内容。只有量测信息与目标的正确关联，才能保证我们得到的关于目标的信息是准确的，进而保证数据融合系统的可靠性。虚假点数量太多，所以需要进一步消除虚假点。但是在消除虚假点的过程中，可能会把正确关联组合删除，导致关联不匹配，这是最大的难点。因此提出一种新的方法，在保证关联准确率的前提下，进行虚假点消除。
发明内容
针对现有技术存在的问题，本发明提供了一种基于虚假点消除的角度冗余数据关联方法、被动定位系统。
本发明是这样实现的，一种基于虚假点消除的角度冗余数据关联方法，所述基于虚假点消除的角度冗余数据关联方法采用对多传感器、多目标的测量数据，利用预关联，消除部分虚假点、构造备选集；利用第三站角度冗余信息，求解代价函数，完成数据关联；利用预关联，消除部分虚假点、构造备选集，排除部分干扰关联组合。
进一步，所述基于虚假点消除的角度冗余数据关联方法包括以下步骤：
步骤一，任选两部传感器，进行虚假点消除，构造完备集；
步骤二，求解备选集对应的交叉点坐标；
步骤三，精简关联集，
步骤四，求解冗余站与交叉点新测向角；
步骤五，求解代价函数，完成关联匹配。
进一步，所述步骤一具体包括：
(1)任选两部传感器i1与i2，计算两部传感器任意两个测量之间的视线距离i1≠i2，j1、j2＝1,2,...N。j1、j2分别表示第i1部传感器和第i2部传感器的测量数据编号；
视线距离的求解过程如下：
传感器i1的位置坐标以及对应的方向余弦与由传感器i2的位置坐标以及对应的方向余弦所决定的，那么视线距离可以表示为：
(2)设置一个距离门限DT，某两个测量数据所对应的视线距离大于该门限，这两个测量不相关；DT的大小根据传感器的探测范围、传感器的探测误差来设置，其中为测量误差的均方差，Rmax为传感器的最大探测距离；
(3)将第i1部探测器的第j1组测量与第i2部探测器的第j2(j2＝1,2,...N)组测量之间的视线距离同门限DT比较，小于门限，说明可能属于关联集
(4)对每个关联集中的关联组合，按照其对应的视线距离升序排序，取前个关联组合作为备选集其中N为同一区域内目标辐射源数。
进一步，所述步骤二具体包括：
对于每个备选集根据几何关系，求解出其备选集中每个关联组合对应的交叉点三维坐标，其中分别为交叉点对应的两组测量数据，其中：
进一步，所述步骤三具体包括：某交叉点的三维坐标的取值方位超过任一传感器的探测范围，将该交叉点删除，该交叉点对应的可能关联组合也对应删除，以精简关联集。
进一步，所述步骤四具体包括：冗余的第三部传感器i3的位置坐标为根据空间几何关系，交叉点与第三部传感器形成的新的方位角、俯仰角表示为：
进一步，所述步骤五具体包括：
(1)设置一个集合Ω，初始化为空；
(2)令j3＝1。j3为传感器i3测量数据编号；
(3)将传感器i3的测量分别与step2中求得的所有的方位角、俯仰角逐一进行比较；对于每一组关联组合Pl＝{1j1,2j2,3j3}，那么关联组合不符合要求；计算出关联组合的代价函数Cost(Pl)；从满足条件的关联组合中选择一个代价函数最小的关联组合同时将中的每个编号加入到集合Ω中；
(4)j3＝j3+1，直到j3＝N，返回(3)，得到最终的关联组合
本发明的另一目的在于提供一种应用所述基于虚假点消除的角度冗余数据关联方法的被动定位系统。
综上所述，本发明的优点及积极效果为：本发明提出了两站进行预关联、构造关联备选集的设计，可以排除许多干扰关联组合，提高关联准确率。正确的数据关联，可以保证各个测量站的测量数据来自于同一个目标，对后续的数据融合过程至关重要，影响数据融合的性能。在早期的数据关联中，人们更关注如何进行目标同一性识别，提出了残差、视线距离等识别方法。然而在实际工程中，提高关联准确率才是至关重要的。本发明采用对多传感器、多目标的测量数据，利用预关联，消除部分虚假点、构造备选集，进而利用第三站角度冗余信息，求解代价函数，完成数据关联；利用预关联，消除部分虚假点、构造备选集的设计，排除了部分干扰关联组合，提高了关联准确率。如图3所示，比较了本发明提出的方法(Me)和基于残差的数据关联方法(algorithm1)、基于视线距离的数据关联算法(algorithm2)及基于角度冗余信息的虚假点消除方法(algorithm3)，从图中可以看出，本发明提出的方法的关联准确率性能明显优于基于残差的数据关联方法(algorithm1)、基于视线距离的数据关联算法(algorithm2)及基于角度冗余信息的虚假点消除方法(algorithm3)。
附图说明
图1是本发明实施例提供的基于虚假点消除的角度冗余数据关联方法流程图。
图2是本发明实施例提供的传感器交叉示意图。
图3是本发明实施例提供的方法性能对比示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在多传感器、多目标场景中，通过消除部分虚假点，排除部分干扰关联组合，精简关联集，以此提高关联准确率，有效地避免完全采用所有传感器进行数据关联带来的运算量较大的问题。
如图1所示，本发明实施例提供的基于虚假点消除的角度冗余数据关联方法包括以下步骤：
S101：消除虚假点、构造备选集；
S102：求解备选集对应的交叉点坐标；
S103：精简关联集；
S104：求解冗余站与交叉点新测向角；
S105：求解代价函数，完成关联匹配。
本发明实施例提供的于虚假点消除的角度冗余数据关联方法具体包括以下步骤：
步骤一：任选两部传感器，进行虚假点消除，构造完备集：
(1a)任选两部传感器i1与i2，如图2所示，计算两部传感器任意两个测量之间的视线距离i1≠i2，j1、j2＝1,2,...N。j1、j2分别表示第i1部传感器和第i2部传感器的测量数据编号。
视线距离的求解过程如下：
传感器i1的位置坐标以及对应的方向余弦与由传感器i2的位置坐标以及对应的方向余弦所决定的，那么视线距离可以表示为：
(1b)设置一个距离门限DT，如果某两个测量数据所对应的视线距离大于该门限，则认为这两个测量不相关。DT的大小可以根据传感器的探测范围、传感器的探测误差来设置，此处设置为其中为测量误差的均方差，Rmax为传感器的最大探测距离。
(1c)将第i1部探测器的第j1组测量与第i2部探测器的第j2(j2＝1,2,...N)组测量之间的视线距离同门限DT比较，如果小于门限，说明可能属于关联集
(1d)对每个关联集中的关联组合，按照其对应的视线距离升序排序，取前个关联组合作为备选集其中N为同一区域内目标辐射源数。
步骤二：求解备选集对应的交叉点坐标：
对于每个备选集根据几何关系，求解出其备选集中每个关联组合对应的交叉点三维坐标，其中分别为该交叉点对应的两组测量数据。其中：
步骤三：精简关联集：
如果某交叉点的三维坐标的取值方位超过任一传感器的探测范围，那么可以将该交叉点删除，该交叉点对应的可能关联组合也对应删除，以精简关联集。
步骤四：求解冗余站与交叉点新测向角：
冗余的第三部传感器i3的位置坐标为根据空间几何关系，交叉点与第三部传感器形成的新的方位角、俯仰角可表示为：
步骤五：求解代价函数，完成关联匹配：
(5a)设置一个集合Ω，初始化为空；
(5b)令j3＝1。j3为传感器i3测量数据编号；
(5c)将传感器i3的测量分别与step2中求得的所有的方位角、俯仰角逐一进行比较。对于每一组关联组合Pl＝{1j1,2j2,3j3}，如果那么该关联组合不符合要求。如果计算出该关联组合的代价函数Cost(Pl)。从满足条件的关联组合中选择一个代价函数最小的关联组合同时将中的每个编号加入到集合Ω中。
(5d)j3＝j3+1，直到j3＝N，返回(5c)。这样就得到了最终的关联组合
下面结合对比对本发明的有益效果是详细的描述。
本发明和基于残差的数据关联方法(王成，李少洪，黄槐.测向交叉定位系统的多目标测量数据关联[J].系统工程与电子技术.2002,24(9))、基于视线距离的数据关联方法(辛云宏，杨万海.被动多站多目标的测量数据关联算法研究[J].宇航学报，2005 26(6))及基于角度冗余信息的虚假点消除方法(陈红，蔡晓霞，谭坤，贾占彪.基于冗余信息的虚假点消除算法[J].空军工程大学学报，2009.03(12))进行了对比，比较了在不同分离度d(目标距离参数)下的关联准确率性能。
如图3所示，比较了本发明提出的方法(Me)和基于残差的数据关联方法(algorithm1)、基于视线距离的数据关联算法(algorithm2)及基于角度冗余信息的虚假点消除方法(algorithm3)，从图中可以看出，本发明提出的方法的关联准确率性能明显优于基于残差的数据关联方法(algorithm1)、基于视线距离的数据关联算法(algorithm2)及基于角度冗余信息的虚假点消除方法(algorithm3)。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于虚假点消除的角度冗余数据关联方法，其特征在于，所述基于虚假点消除的角度冗余数据关联方法采用对多传感器、多目标的测量数据，利用预关联，消除部分虚假点、构造备选集；利用第三站角度冗余信息，求解代价函数，完成数据关联；利用预关联，消除部分虚假点、构造备选集，排除部分干扰关联组合。
2.如权利要求1所述的基于虚假点消除的角度冗余数据关联方法，其特征在于，所述基于虚假点消除的角度冗余数据关联方法包括以下步骤：
步骤一，任选两部传感器，进行虚假点消除，构造完备集；
步骤二，求解备选集对应的交叉点坐标；
步骤三，精简关联集，
步骤四，求解冗余站与交叉点新测向角；
步骤五，求解代价函数，完成关联匹配。
3.如权利要求2所述的基于虚假点消除的角度冗余数据关联方法，其特征在于，所述步骤一具体包括：
(1)任选两部传感器i1与i2，计算两部传感器任意两个测量之间的视线距离i1≠i2，j1、j2＝1,2,...N；j1、j2分别表示第i1部传感器和第i2部传感器的测量数据编号；
视线距离的求解过程如下：
传感器i1的位置坐标以及对应的方向余弦与由传感器i2的位置坐标以及对应的方向余弦所决定的，那么视线距离可以表示为：
(2)设置一个距离门限DT，某两个测量数据所对应的视线距离大于该门限，这两个测量不相关；DT的大小根据传感器的探测范围、传感器的探测误差来设置，其中为测量误差的均方差，Rmax为传感器的最大探测距离；
(3)将第i1部探测器的第j1组测量与第i2部探测器的第j2(j2＝1,2,...N)组测量之间的视线距离同门限DT比较，小于门限，说明可能属于关联集
(4)对每个关联集中的关联组合，按照其对应的视线距离升序排序，取前个关联组合作为备选集其中N为同一区域内目标辐射源数。
4.如权利要求2所述的基于虚假点消除的角度冗余数据关联方法，其特征在于，所述步骤二具体包括：
对于每个备选集根据几何关系，求解出其备选集中每个关联组合对应的交叉点三维坐标，其中分别为交叉点对应的两组测量数据，其中：
5.如权利要求2所述的基于虚假点消除的角度冗余数据关联方法，其特征在于，所述步骤三具体包括：某交叉点的三维坐标的取值方位超过任一传感器的探测范围，将该交叉点删除，该交叉点对应的可能关联组合也对应删除，以精简关联集。
6.如权利要求2所述的基于虚假点消除的角度冗余数据关联方法，其特征在于，所述步骤四具体包括：冗余的第三部传感器i3的位置坐标为根据空间几何关系，交叉点与第三部传感器形成的新的方位角、俯仰角表示为：
7.如权利要求2所述的基于虚假点消除的角度冗余数据关联方法，其特征在于，所述步骤五具体包括：
(1)设置一个集合Ω，初始化为空；
(2)令j3＝1，j3为传感器i3测量数据编号；
(3)将传感器i3的测量分别与step2中求得的所有的方位角、俯仰角逐一进行比较；对于每一组关联组合Pl＝{1j1,2j2,3j3}，那么关联组合不符合要求；计算出关联组合的代价函数Cost(Pl)；从满足条件的关联组合中选择一个代价函数最小的关联组合同时将中的每个编号加入到集合Ω中；
(4)j3＝j3+1，直到j3＝N，返回(3)，得到最终的关联组合
8.一种应用权利要求1～7任意一项所述基于虚假点消除的角度冗余数据关联方法的被动定位系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810222848.7A CN108871416A (zh) | 2018-03-19 | 2018-03-19 | 基于虚假点消除的角度冗余数据关联方法、被动定位系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810222848.7A CN108871416A (zh) | 2018-03-19 | 2018-03-19 | 基于虚假点消除的角度冗余数据关联方法、被动定位系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108871416A true CN108871416A (zh) | 2018-11-23 |
Family
ID=64326128
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810222848.7A Pending CN108871416A (zh) | 2018-03-19 | 2018-03-19 | 基于虚假点消除的角度冗余数据关联方法、被动定位系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108871416A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111398896A (zh) * | 2020-04-02 | 2020-07-10 | 哈尔滨工程大学 | 基于基准线成对交叉定位点距离的虚假点去除预处理方法 |
| CN112666515A (zh) * | 2020-11-10 | 2021-04-16 | 西安交通大学 | 一种快速被动传感器网络多目标定位方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101907461A (zh) * | 2010-06-24 | 2010-12-08 | 西安电子科技大学 | 基于角度余切值的被动多传感器量测数据关联方法 |
| CN102338874A (zh) * | 2011-06-24 | 2012-02-01 | 浙江大学 | 用于被动式多传感器目标跟踪的全局概率数据关联方法 |
| CN103685483A (zh) * | 2013-11-29 | 2014-03-26 | 中国科学技术大学 | 一种基于目标信号相对位置配对的传感器网络数据关联方法 |
| CN103954940A (zh) * | 2014-01-21 | 2014-07-30 | 中国人民解放军海军航空工程学院 | 雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法 |
| CN105676170A (zh) * | 2016-01-06 | 2016-06-15 | 中国航空无线电电子研究所 | 一种用于多目标无源定位与跟踪的虚假点去除方法 |
-
2018
- 2018-03-19 CN CN201810222848.7A patent/CN108871416A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101907461A (zh) * | 2010-06-24 | 2010-12-08 | 西安电子科技大学 | 基于角度余切值的被动多传感器量测数据关联方法 |
| CN102338874A (zh) * | 2011-06-24 | 2012-02-01 | 浙江大学 | 用于被动式多传感器目标跟踪的全局概率数据关联方法 |
| CN103685483A (zh) * | 2013-11-29 | 2014-03-26 | 中国科学技术大学 | 一种基于目标信号相对位置配对的传感器网络数据关联方法 |
| CN103954940A (zh) * | 2014-01-21 | 2014-07-30 | 中国人民解放军海军航空工程学院 | 雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法 |
| CN105676170A (zh) * | 2016-01-06 | 2016-06-15 | 中国航空无线电电子研究所 | 一种用于多目标无源定位与跟踪的虚假点去除方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘航等: "基于冗余信息的被动传感器数据关联方法研究", 《第25届中国控制会议》 * |
| 姚怡等: "一种机载IRST组网多目标定位中的虚假点去除算法", 《科学技术与工程》 * |
| 王海晏: "《激光数据链路》", 31 December 2016, 西安电子科技大学出版社 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111398896A (zh) * | 2020-04-02 | 2020-07-10 | 哈尔滨工程大学 | 基于基准线成对交叉定位点距离的虚假点去除预处理方法 |
| CN111398896B (zh) * | 2020-04-02 | 2020-12-22 | 哈尔滨工程大学 | 基于基准线成对交叉定位点距离的虚假点去除预处理方法 |
| CN112666515A (zh) * | 2020-11-10 | 2021-04-16 | 西安交通大学 | 一种快速被动传感器网络多目标定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107229033B (zh) | 基于高度维分段搜索的多目标到达时间差定位方法 | |
| CN110135485A (zh) | 单目相机与毫米波雷达融合的物体识别与定位方法和系统 | |
| CN104807460B (zh) | 无人机室内定位方法及系统 | |
| CN108061889A (zh) | Ais与雷达角度系统偏差的关联方法 | |
| CN109557532B (zh) | 基于三维霍夫变换的检测前跟踪方法、雷达目标检测系统 | |
| EP3403116B1 (en) | Method for calibrating a local positioning system based on time-difference-of-arrival measurements | |
| CN105044669A (zh) | 三站测时差立体定位方法 | |
| CN106056625B (zh) | 一种基于地理同名点配准的机载红外运动目标检测方法 | |
| CN111079859A (zh) | 一种无源多站多目标测向交叉定位与虚假点去除方法 | |
| CN110441760B (zh) | 一种基于先验地形图的大范围海底地形图拓展构图方法 | |
| CN103458504B (zh) | 一种基于序列的传感器节点定位方法及装置 | |
| CN109376208A (zh) | 一种基于智能终端的定位方法、系统、存储介质及设备 | |
| CN108871416A (zh) | 基于虚假点消除的角度冗余数据关联方法、被动定位系统 | |
| CN106872942A (zh) | 用于分布式多点定位监视系统的定位精度解算方法 | |
| CN107607904B (zh) | 一种基于测角信息的多目标同一性识别方法 | |
| CN113075648B (zh) | 一种无人集群目标定位信息的聚类与滤波方法 | |
| CN109917404A (zh) | 一种室内定位环境特征点提取方法 | |
| CN111913171A (zh) | 一种低空红外目标精确定位方法及系统 | |
| CN108834047A (zh) | 一种路径损耗模型的ap选择室内定位方法 | |
| CN103616664B (zh) | 一种无参概率密度估计的无源交叉定位方法及系统 | |
| CN114449533B (zh) | 基站部署方法、环境感知方法、装置、计算机设备和存储介质 | |
| Liu et al. | An iterative approach based on contextual information for matching multi‐scale polygonal object datasets | |
| CN109633678A (zh) | 大视场光电成像跟踪系统多约束条件航迹起始检测方法 | |
| CN112434261B (zh) | 基于标校卫星的测控装备精度鉴定方法 | |
| Mikhalev et al. | Passive emitter geolocation using agent-based data fusion of AOA, TDOA and FDOA measurements |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181123 |