CN109782240B - 一种基于递推修正的多传感器系统误差配准方法和系统 - Google Patents
一种基于递推修正的多传感器系统误差配准方法和系统 Download PDFInfo
- Publication number
- CN109782240B CN109782240B CN201910070930.7A CN201910070930A CN109782240B CN 109782240 B CN109782240 B CN 109782240B CN 201910070930 A CN201910070930 A CN 201910070930A CN 109782240 B CN109782240 B CN 109782240B
- Authority
- CN
- China
- Prior art keywords
- error
- system error
- estimation
- model
- registration
- 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
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供了一种基于递推修正的多传感器系统误差配准方法和系统,其中,该方法的步骤包括:根据两部雷达获取的同一目标在地理坐标系下的位置差和系统误差与测量的关系方程,构建系统误差估计方程的离散化模型;利用广义最小二乘算法计算初始估计时刻离散化模型的初始迭代参数,然后基于矩阵逆的低秩修正法,通过修正上一时刻的误差估计值获得当前时刻系统误差估计的递推模型,以此递推模型通过迭代对多传感器系统进行误差配准。本方案能够解决传统的基于GLS方法配准需存贮大批数据,等待数据累积,计算量较大,实时性较差以及存在重复性工作等问题,同时可以保证配准方法的收敛速度及对模型参数的鲁棒性。
Description
技术领域
本申请涉及系统误差估计补偿领域,特别涉及一种基于递推修正的多传感器系统误差配准方法和系统。
背景技术
多雷达组网数据处理中,传感器关于目标的量测是在各自独立的局部坐标系下进行的,如果传感器系统误差过大,会导致不同雷达跟踪航迹关联融合失败,所以量测数据在进行信息融合之前必须先配准。当传感器平台固定时,在不考虑区域气候,地形及其他条件情况下,系统误差可认为是固定的。
传统的基于GLS的配准算法适用于对固定系统误差的估计,其鲁棒性较好、收敛较快,但缺点是需等待收到的测量值个数累积到一定量后进行误差估计值计算,需存贮大批数据,计算量较大,实时性较差。当基于已有数据计算的误差不满足精度,增加新的测量值时必须再进行一次完整的计算过程,造成大量重复性工作。
发明内容
为解决上述问题之一,本申请提供了一种基于递推修正的用于多传感器系统的误差配准方法和系统。
根据本申请实施例的第一个方面,提供了一种基于递推修正的多传感器系统误差配准方法,该方法的步骤包括:
根据两部雷达获取的同一目标在地理坐标系下的位置差和系统误差与测量的关系方程,构建系统误差估计方程的离散化模型;
利用广义最小二乘算法计算起始估计时刻离散化模型的初始迭代参数,然后基于矩阵逆的低秩修正法,通过修正上一时刻的系统误差估计值获得当前时刻系统误差估计的递推模型,以此递推模型通过迭代对多传感器系统进行误差配准。
根据本申请实施例的第二个方面,提供了一种基于递推修正的多传感器系统误差配准系统,该系统包括:
建模模块,根据两部雷达获取的同一目标在地理坐标系下的位置差和系统误差与测量的关系方程,构建系统误差估计方程的离散化模型;
配准模块,先利用广义最小二乘算法计算初始估计时刻离散化模型的初始迭代参数,然后基于矩阵逆的低秩修正法,通过修正上一时刻的系统误差估计值获得当前时刻系统误差估计的递推模型,以此递推模型通过迭代对多传感器系统进行误差配准。
本申请所述技术方案通过将历史的误差估计值与实时新测量值结合,在不存储历史测量值的情况下,基于ECEF统一坐标系,利用GLS方法和矩阵逆的低秩修正方法实现对系统误差估计的实时递推修正,由此解决了传统的基于GLS方法配准需存贮大批数据,等待数据累积,计算量较大,实时性较差以及存在重复性工作等问题,同时可以保证配准方法的收敛速度及对模型参数的鲁棒性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出本方案所述基于递推修正的多传感器系统误差配准方法的流程图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本方案的核心思路是基于递推修正的系统误差配准算法是基于地球中心坐标系(ECEF)的广义最小二乘的ECEF-GLS误差配准技术和矩阵逆的低秩修正方法,实现在不需要历史测量值的情况下,随着实时新测量值的不断加入,对系统误差估计值进行实时递推修正。
如图1所示,本方案公开了一种基于递推修正的多传感器系统误差配准方法。该方法首先将传感器的地理系坐标以及传感器关于目标坐标的局部测量值统一转化到ECEF坐标系下;然后基于ECEF坐标系,对系统误差与量测数据之间的关系建模并形成相应的离散化模型;最后基于离散化模型,通过迭代修正进行系统误差估计;误差估计达到精度要求,迭代结束。具体步骤为:
第一步地理坐标系的转换。
将雷达在局部笛卡尔坐标下量测的k时刻目标位置转换到地心为原点的ECEF坐标系下,
式中:[xis yis zis]T为雷达i的ECEF坐标;[xim yim zim]T为目标在雷达i的局部笛卡尔坐标系下的坐标位置,[xt yt zt]T表示该局部量测值的ECEF坐标,Ti表示雷达站i的地理坐标[Bis Lis Sis]T向ECEF坐标系转换的旋转矩阵,这里Bis表示大地纬度,Lis表示大地经度,Sis表示基于参考椭球体的高度。
第二步系统误差与量测数据之间的关系建模,具体包括如下子步骤:
1)计算同一目标在ECEF坐标系下两部雷达的坐标位置差:
在地球中心坐标系(ECEF)下利用广义最小二乘(GLS)算法进行系统误差估计需要两部雷达的数据,即i=1,2。根据式(1),对于同一目标,两部雷达量测的ECEF坐标位置差应该为
其中,[xim yim zim]T是雷达量测的极坐标经坐标系转化对应的笛卡尔坐标,设雷达量测为pim=[rim εim βim]T,其中,rim为斜距,εim为方位角,βim为俯仰角,
2)建立系统误差和量测的关系方程式:
记为雷达i的量测值(同时包含系统误差和随机误差),p'im=[r'im ε'im β'im]T为雷达只考虑系统误差的量测值(不包含随机误差),令p'=[r'1m ε'1mβ'1m r'2m ε'2m β'2m]T,那么表示由随机噪声导致的误差;记δ=[δ1δ2]=[Δr1 Δε1 Δβ1 Δr2 Δε2 Δβ2]T为雷达1,2的系统误差,pim=p'im-δi为不含误差的量测。
对于同一目标,[Δxt Δyt Δzt]=[0 0 0]。将pim=p'im-δi及式(4)带入式(3),式(3)的右端是关于多元变量(p',δ)的函数f(p',δ),将函数f(p',δ)在处进行一阶Taylor展开(本质上是对公式(4)中的[xim(k) yim(k) zim(k)]T进行Taylor展开),并舍去高阶项可以得出如下模型方程:
3)系统误差估计方程的离散化模型构建。
Y(k)=Gkδ(k)+V(k) (6)
其中,δ(k)表示系统误差在k时刻的估计值,Y(k),Gk是k时刻与量测有关的量,V(k)表示k时刻量测中随机噪声导致的误差。具体地,
V(k)=Fkδ'(k) (12)
第三步基于GLS方法计算起始估计时刻离散化模型方程(6)中的初始迭代参数:
在没有任何先验信息条件下,系统误差与测量的关系方程中δ0取值为[0 0 0 0 00]T,在工程应用中,为保证精度,通常基于多个量测(不失一般性,设量测值数量Nk=k>1)计算系统误差的初始估计值,基于GLS方法计初始估计时刻系统误差初始估计值的具体公式为:记
至此完成了基于递推修正的多传感器系统误差配准。
本方案所述基于递推修正的多传感器系统误差配准方法可以通过电子设备实现其误差配准功能,所述电子设备包括:存储器,一个或多个处理器;存储器与处理器通过通信总线相连;处理器被配置为执行存储器中的指令;所述存储介质中存储有用于执行如上所述方法中各个步骤的指令。该方法还可以记载于计算机可读存储介质中,通过计算机可读存储介质上存储有计算机程序实现误差配准功能,该程序被处理器执行时实现如上所述方法的步骤。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (4)
1.一种基于递推修正的多传感器系统误差配准方法,其特征在于,该方法的步骤包括:
根据两部雷达获取的同一目标在地理坐标系下的位置差和系统误差与测量的关系方程,构建系统误差估计方程的离散化模型;
利用广义最小二乘算法计算初始估计时刻离散化模型的初始迭代参数,然后基于矩阵逆的低秩修正法,通过修正上一时刻的误差估计值获得当前时刻系统误差估计的递推模型,以此递推模型通过迭代对多传感器系统进行误差配准;其中,
所述两部雷达获取的同一目标在地理坐标系下的位置差为:
其中,[xim yim zim]T为雷达量测的极坐标经坐标系转化对应的笛卡尔坐标,设雷达量测为pim=[rim εim βim]T,rim为斜距,εim为方位角,βim为俯仰角,则,
所述系统误差与测量的关系方程为:
所述系统误差估计方程的离散化模型为:Y(k)=Gkδ(k)+V(k),其中,δ(k)表示系统误差在k时刻的估计值,Y(k),Gk是k时刻与量测有关的量,V(k)表示k时刻量测中随机噪声导致的误差;
所述初始迭代参数包括:
在没有任何先验信息条件下,系统误差与测量的关系方程中的δ0取值为[0 0 0 0 0 0]T;
基于多个时刻的累积测量值进行初始误差配准,即设启动误差配准的起始估计时刻为k,k时刻之前累积收到Nk个量测值,假设Nk=k,利用广义最小二乘算法求解离散化模型计算初始估计时刻系统误差估计值:
2.根据权利要求1所述的多传感器系统误差配准方法,其特征在于,所述根据两部雷达在地理坐标系下的位置差和系统误差与测量的关系方程,构建系统误差估计方程的离散化模型的步骤之前包括:
对两部雷达获取的同一目标的位置信息进行坐标转换,获得地理坐标系下的位置信息。
3.一种基于递推修正的多传感器系统误差配准系统,其特征在于,该系统包括:
建模模块,根据两部雷达获取的同一目标在地理坐标系下的位置差和系统误差与测量的关系方程,构建系统误差估计方程的离散化模型;
配准模块,利用广义最小二乘算法计算初始估计时刻离散化模型的初始迭代参数,然后基于矩阵逆的低秩修正方法,通过修正上一时刻的误差估计值获得当前时刻系统误差估计的递推模型,以此递推模型通过迭代对多传感器系统进行误差配准;其中,
所述两部雷达获取的同一目标在地理坐标系下的位置差为:
其中,[xim yim zim]T为雷达量测的极坐标经坐标系转化对应的笛卡尔坐标,设雷达量测为pim=[rim εim βim]T,rim为斜距,εim为方位角,βim为俯仰角,则,
所述系统误差与测量的关系方程为:
所述系统误差估计方程的离散化模型为:Y(k)=Gkδ(k)+V(k),其中,δ(k)表示系统误差在k时刻的估计值,Y(k),Gk是k时刻与量测有关的量,V(k)表示k时刻量测中随机噪声导致的误差;
所述初始迭代参数包括:
在没有任何先验信息条件下,系统误差与测量的关系方程中的δ0取值为[0 0 0 0 0 0]T;
基于多个时刻的累积测量值进行初始误差配准,即设启动误差配准的起始估计时刻为k,k时刻之前累积收到Nk个量测值,假设Nk=k,利用广义最小二乘算法求解离散化模型计算初始估计时刻系统误差估计值:
所述递推模型为:
其中,Ck为随机向量V(k)的协方差矩阵。
4.根据权利要求3所述的多传感器系统误差配准系统,其特征在于,该系统还包括:转换模块,对两部雷达获取的同一目标的位置信息进行坐标转换,获得地理坐标系下的位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910070930.7A CN109782240B (zh) | 2019-01-25 | 2019-01-25 | 一种基于递推修正的多传感器系统误差配准方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910070930.7A CN109782240B (zh) | 2019-01-25 | 2019-01-25 | 一种基于递推修正的多传感器系统误差配准方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109782240A CN109782240A (zh) | 2019-05-21 |
CN109782240B true CN109782240B (zh) | 2021-04-02 |
Family
ID=66502448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910070930.7A Active CN109782240B (zh) | 2019-01-25 | 2019-01-25 | 一种基于递推修正的多传感器系统误差配准方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109782240B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221263B (zh) * | 2019-07-03 | 2021-12-14 | 北京电子工程总体研究所 | 多传感器系统的误差估计方法和系统 |
CN112904996B (zh) * | 2019-12-04 | 2023-05-12 | 上海交通大学 | 车载抬头显示设备画面补偿方法及装置、存储介质和终端 |
CN112285701B (zh) * | 2020-10-22 | 2024-05-10 | 香港中文大学(深圳) | 三维组网雷达系统误差校正方法 |
CN112347088B (zh) * | 2020-10-28 | 2024-02-20 | 南京邮电大学 | 一种数据可信度优化方法、存储介质和设备 |
CN112579974A (zh) * | 2020-12-22 | 2021-03-30 | 安徽地势坤光电科技有限公司 | 一种数字微镜工作角度误差的修正方法及设备 |
CN114030652B (zh) * | 2021-09-22 | 2023-09-12 | 北京电子工程总体研究所 | 一种避障路径规划方法和系统 |
CN114383631A (zh) * | 2021-12-10 | 2022-04-22 | 中国兵器工业集团第二一四研究所苏州研发中心 | 基于最小二乘、泰勒展开和综合残差组合的实时标定方法 |
CN116380148B (zh) * | 2023-04-06 | 2023-11-10 | 中国人民解放军93209部队 | 多传感器目标跟踪系统的两级时空误差标校方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692621A (zh) * | 2012-05-23 | 2012-09-26 | 中国人民解放军海军航空工程学院 | 一种ads-b与雷达的联合系统误差估计方法 |
CN104808183A (zh) * | 2015-04-22 | 2015-07-29 | 南京信息工程大学 | 一种改进的广义最小二乘误差配准方法 |
CN106443605A (zh) * | 2016-10-14 | 2017-02-22 | 中国人民解放军海军航空工程学院 | 基于实时质量控制ecef‑gls系统误差自适应配准方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226980B (zh) * | 2017-12-23 | 2022-02-08 | 北京卫星信息工程研究所 | 基于惯性测量单元的差分gnss与ins自适应紧耦合导航方法 |
-
2019
- 2019-01-25 CN CN201910070930.7A patent/CN109782240B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692621A (zh) * | 2012-05-23 | 2012-09-26 | 中国人民解放军海军航空工程学院 | 一种ads-b与雷达的联合系统误差估计方法 |
CN104808183A (zh) * | 2015-04-22 | 2015-07-29 | 南京信息工程大学 | 一种改进的广义最小二乘误差配准方法 |
CN106443605A (zh) * | 2016-10-14 | 2017-02-22 | 中国人民解放军海军航空工程学院 | 基于实时质量控制ecef‑gls系统误差自适应配准方法 |
Non-Patent Citations (2)
Title |
---|
4.3.2 递推最小二乘参数估计;苗学问 等;《航空器预测与健康管理》;20150831;第62-64页 * |
多源信息协同处理与融合方法;折晓宇;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140115;正文第37-45页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109782240A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109782240B (zh) | 一种基于递推修正的多传感器系统误差配准方法和系统 | |
CN111208492B (zh) | 车载激光雷达外参标定方法及装置、计算机设备及存储介质 | |
CN105629263B (zh) | 一种对流层大气延迟误差估计改正方法和改正系统 | |
CN108896047B (zh) | 分布式传感器网络协同融合与传感器位置修正方法 | |
CN107315171B (zh) | 一种雷达组网目标状态与系统误差联合估计算法 | |
CN110231638B (zh) | 一种无线网络下的载波相位定位方法及装置 | |
CN109085564B (zh) | 一种定位方法及装置 | |
CN104713560A (zh) | 基于期望最大化的多源测距传感器空间配准方法 | |
CN109141413B (zh) | 具有数据缺失uwb行人定位的efir滤波算法及系统 | |
CN113091742B (zh) | 一种融合定位方法、装置、电子设备及存储介质 | |
CN115063465B (zh) | 一种基于激光雷达的无人车行驶路况建模方法 | |
CN114139109A (zh) | 一种目标跟踪方法、系统、设备、介质及数据处理终端 | |
CN109655060B (zh) | 基于kf/fir和ls-svm融合的ins/uwb组合导航算法及系统 | |
CN112163052B (zh) | 一种信息缺失量测下的多传感器空间配准方法 | |
CN109343013B (zh) | 一种基于重启机制的空间配准方法和系统 | |
CN113310505A (zh) | 传感器系统的外参标定方法、装置及电子设备 | |
CN109375159B (zh) | 纯方位加权约束总体最小二乘定位方法 | |
CN109164419B (zh) | 基于交互式多模型的多平台无序量测处理方法 | |
CN110132283A (zh) | 一种无人机光电平台对地面静止目标定位方法及系统 | |
CN107421543B (zh) | 一种基于状态扩维的隐函数量测模型滤波方法 | |
CN113189541B (zh) | 一种定位方法、装置及设备 | |
CN111123323B (zh) | 一种提高便携设备定位精度的方法 | |
CN115291168A (zh) | 一种基于最大一致的水下目标协同定位方法及系统 | |
CN114442133A (zh) | 无人机定位方法、装置、设备及存储介质 | |
CN109959918B (zh) | 一种固态体定位的方法、装置及计算机存储介质 |
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 |