CN110361006A - 局部航迹分维度的选择性航迹状态估计融合方法 - Google Patents

Abstract

本发明是局部航迹分维度的选择性航迹状态估计融合方法。本发明对局部航迹进行读取和预处理，进行时间对准和空间对准；对局部航迹按纬度进行拆分，利用基于灰色接近关联度的航迹质量衡量算法进行单纬度下的航迹质量计算，并分维度排序；设置循环次数，根据航迹质量依据选择单纬度航迹数，将两条高质量的单纬度航迹和进行航迹状态估计融合，得到融合航迹，确定系统航迹；当融合航迹的航迹质量大于高质量的单纬度航迹的航迹质量，本发明实现了局部航迹的选择性融合，维度拆分后，再经过算法结构实现航迹选择，并采用局部航迹与局航迹的多传感器的简单凸组合融合方法后，融合生成的系统航迹精度有所提高。

Description

局部航迹分维度的选择性航迹状态估计融合方法

技术领域

本发明涉及水声探测位技术领域，是一种局部航迹分维度的选择性航迹状态估计融合方法。

背景技术

当前的航迹状态估计融合研究，有很多典型的航迹状态估计融合方法，融合所有的局部航迹，而较差的局部航迹参与融合，会导致系统航迹质量高的下降，同时增加了融合时间。由此产生了基于对航迹质量的判断以实现加权融合或选择性融合的方法。但是这种判断方法以对航迹的整体性质量的判断作为选择或加权的依据，未考虑到局部航迹各维度之间具有不同的误差的特点，导致各维度整体性误差较高的航迹参与到融合，而单维度误差很大，其他维度精准的数据被剔除的情况出现，忽略了局部航迹维度对航迹质量的影响。

发明内容

本发明为解决局部航迹融合导致系统航迹质量差，单纬度误差大的问题，提供了一种局部航迹分维度的选择性航迹状态估计融合方法，本发明提供了以下技术方案：

一种局部航迹分维度的选择性航迹状态估计融合方法，所述方法包括如下步骤：

步骤一：对局部航迹进行读取和预处理，进行时间对准和空间对准；

步骤二：对局部航迹按纬度进行拆分，利用基于灰色接近关联度的航迹质量衡量算法进行单纬度下的航迹质量计算，并分维度排序；

步骤三：设置循环次数，根据航迹质量依据选择单纬度航迹数，将两条高质量的单纬度航迹和进行航迹状态估计融合，得到融合航迹，确定单纬度系统航迹；

步骤四：当融合航迹的航迹质量大于高质量的单纬度航迹的航迹质量，设置循环次数进行循环多次融合，直至融合航迹的航迹质量小于前一次的融合航迹的航迹质量，则跳出循环；选取所述前一次的融合航迹作为系统航迹；

步骤五：对x，y，z纬度进行步骤三至步骤四操作，将x，y，z各维度下航迹状态估计融合生成的系统航迹进行组合，得到最终的系统航迹。

优选地，所述步骤二具体为：

第一步：对局部航迹按纬度进行拆分，分为笛卡尔坐标系下的x，y，z维度的局部航迹；

第二步：利用所有局部航迹的平均航迹与各局部航迹序列的灰色接近关联度作为各局部航迹的航迹质量，通过下式计算单纬度第i条的局部航迹的航迹质量：

S_{x_i}＝(x_i(1),x_i(2),...,x_i(n)) (4)

其中，为k时刻的平均航迹，h(S_{x_i})为单纬度下第i条局部航迹的航迹质量，为单维度下的平均航迹，S_{x_i}为单纬度下的局部航迹，M为航迹的总数目，k表示第k个时刻，n表示截至的第n个时刻；

第三步：对单纬度所有的局部航迹根据航迹质量由高到低进行重新排序，依次排列为到并记录对应的航迹质量到

优选地，所述步骤三具体为：

第一步：设置融合次数，当融合次数为1次时，根据航迹质量作为依据选择单纬度航迹数，将两条高质量的单纬度下航迹和进行航迹状态估计融合，通过凸组合融合得到单纬度融合航迹通过下式表示单纬度融合航迹：

其中，为单纬度融合航迹，为单纬度局部航迹，Pⁱ为局部航迹对应的滤波误差协方差阵，P为生成的单纬度融合航迹对应的误差协方差对应矩阵，N为传感器数目；

第二步：计算单纬度融合航迹与高质量的单纬度航迹的航迹质量，当的航迹质量小于高质量的局部航迹的航迹质量时,则单维度的航迹融合结束，采用高质量的单纬度航迹作为当前纬度的系统航迹。

优选地，所述传感器数目大于2。

优选地，所述步骤四具体为：

第一步：设置融合次数，令融合次数为i+1次时，选择航迹和S_i+1进行融合，得到融合航迹

第二步：将与的航迹质量进行对比，当的航迹质量小于的航迹质量时，跳出循环，选取航迹S_i-1'作为系统航迹。

优选地，所述步骤五具体为：

第一步：对每个时刻的x，y，z纬度进行步骤三至步骤四操作，得到x，y，z为的系统航迹；

第二步：对x，y，z为的系统航迹进行分维度融合，得到最终的系统航迹。

本发明具有以下有益效果：

本发明实现了局部航迹的选择性融合，维度拆分后，再经过算法结构实现航迹选择，并采用局部航迹与局航迹的多传感器的简单凸组合融合方法后，融合生成的系统航迹精度有所提高。

附图说明

图1是局部航迹分维度的选择性航迹状态估计融合方法流程图。

图2是单纬度融合流程图。

图3单纬度伪代码图

具体实施方式

以下结合具体实施例，对本发明进行了详细说明。

具体实施例一：

跟图1所示，本发明提供一种局部航迹分维度的选择性航迹状态估计融合方法，所述方法包括如下步骤：

步骤一：对局部航迹进行读取和预处理，进行时间对准和空间对准；

步骤二：对局部航迹按纬度进行拆分，利用基于灰色接近关联度的航迹质量衡量算法进行单纬度下的航迹质量计算，并分维度排序；

步骤三：设置循环次数，根据航迹质量依据选择单纬度航迹数，将两条高质量的单纬度航迹和进行航迹状态估计融合，得到融合航迹，确定单纬度系统航迹；

步骤四：当融合航迹的航迹质量大于高质量的单纬度航迹的航迹质量，设置循环次数进行循环多次融合，直至融合航迹的航迹质量小于前一次的融合航迹的航迹质量，则跳出循环；选取所述前一次的融合航迹作为系统航迹；

步骤五：对x，y，z纬度进行步骤三至步骤四操作，将x，y，z各维度下航迹状态估计融合生成的系统航迹进行组合，得到最终的系统航迹。

步骤二为：

第一步：对局部航迹按纬度进行拆分，分为笛卡尔坐标系下的x，y，z维度的局部航迹；

第二步：利用所有局部航迹的平均航迹与各局部航迹序列的灰色接近关联度作为各局部航迹的航迹质量，通过下式计算单纬度第i条的局部航迹的航迹质量：

S_{x_i}＝(x_i(1),x_i(2),...,x_i(n)) (4)

其中，为k时刻的平均航迹，h(S_{x_i})为单纬度下第i条局部航迹的航迹质量，为单维度下的平均航迹，S_{x_i}为单纬度下的局部航迹，M为航迹的总数目，k表示第k个时刻，n表示截至的第n个时刻；

第三步：对单纬度所有的局部航迹根据航迹质量由高到低进行重新排序，依次排列为到并记录对应的航迹质量到

步骤三为：

第一步：设置融合次数，当融合次数为1次时，根据航迹质量作为依据选择单纬度航迹数，将两条高质量的单纬度下航迹和进行航迹状态估计融合，通过凸组合融合得到单纬度融合航迹通过下式表示单纬度融合航迹：

其中，为单纬度融合航迹，为单纬度局部航迹，Pⁱ为局部航迹对应的滤波误差协方差阵，P为生成的单纬度融合航迹对应的误差协方差对应矩阵，N为传感器数目；

第二步：计算单纬度融合航迹与高质量的单纬度航迹的航迹质量，当的航迹质量小于高质量的局部航迹的航迹质量时,则单维度的航迹融合结束，采用高质量的单纬度航迹作为当前纬度的系统航迹。

步骤四为：

第一步：设置融合次数，令融合次数为i+1次时，选择航迹和S_i+1进行融合，得到融合航迹

第二步：将与的航迹质量进行对比，当的航迹质量小于的航迹质量时，跳出循环，选取航迹S_i-1'作为系统航迹。

步骤五具体为：

第一步：对每个时刻的x，y，z纬度进行步骤三至步骤四操作，得到x，y，z为的系统航迹；

第二步：对x，y，z为的系统航迹进行分维度融合，得到最终的系统航迹。

具体实施例二：

以x维度为例，将质量最高的两条单维度下航迹和进行航迹状态估计融合，得出融合航迹(此时i＝1,第一次融合形成的x维度系统航迹)，如果则此维度的航迹融合结束，采用航迹质量最高的局部航迹作为x维度系统航迹，否则执行步骤4。

步骤4.循环执行i＝i+1,选择到进行融合，得到航迹(第i次融合形成的x维度系统航迹)，直至(航迹质量较上一次融合不再提高)时跳出循环，选取航迹S_i-1'作为此维度下的系统航迹；若i+1＝n(即全部航迹参与了融合)，仍不满足则将作为此维度下的系统航迹。y和z轴的融合步骤与x轴的同理。

分维度策略的验证:

采用Monte Carlo方法进行100次仿真实验，表4-2统计了采用分维度融合策略和未采取该策略的基于信息量分析的航迹状态估计融合方法，对目标1进行航迹状态估计融合x轴方向的平均误差，y轴方向的平均误差，z轴方向的平均误差。

表4.2采用分维度融合策略与否的航迹融合平均误差对比

表4.3统计采用分维度融合策略与否的融合平均融合时间

由表4-2和表4-3可知，采用了分维度融合策略后，航迹状态估计融合的精度有所提高，而其计算量却有所增加。但是由于分维度策略在各个维度上的计算互不相关，故各维度的计算可以采取并行计算的机制，并行计算后，各维度融合方法相同，计算时间相近，而单维度下的计算量有所减少，从而从整体上减少了融合时间，提高了融合效率。该方法可以将“差”的局部航迹的单维度的数据剔除，使高质量的数据参与到融合过程，从而更高效的提高航迹状态估计融合的精度。

融合算法的对比：

采用Monte Carlo方法进行100次的仿真实验，表4.7统计了对观测航迹目标进行航迹过滤，时间空间配准后，并分别采用MF方法，SF方法，WCF方法和选择上述两种融合结构进行航迹状态估计融合x轴方向、y轴方向与z轴方向的平均误差。

表4.7采用不同融合结构的平均误差

表4.8统计了对对采用MF方法，SF方法，WCF方法和选择上述两种融合结构进行航迹状态估计融合的平均计算时间,其中SF和WCF方法均为采用2个航迹进行融合的算法，再进行迭代计算的结构。

表4.8采用不同融合结构的平均融合时间

综合以上表4-7和表4-8可以看出MF方法和SF方法速度快，但是获得的系统航迹精度较低；WCF方法虽然得到精度较高的系统航迹，但是其计算量高于MF方法和SF方法。选择性状态估计融合以较小的计算量达到了较高的精度。但是融合时间较SF方法有所增加。

以上所述仅是局部航迹分维度的选择性航迹状态估计融合方法的优选实施方式，局部航迹分维度的选择性航迹状态估计融合方法的保护范围并不仅局限于上述实施例，凡属于该思路下的技术方案均属于本发明的保护范围。应当指出，对于本领域的技术人员来说，在不脱离本发明原理前提下的若干改进和变化，这些改进和变化也应视为本发明的保护范围。

Claims (6)

1.一种局部航迹分维度的选择性航迹状态估计融合方法，其特征是：所述方法包括如下步骤：

步骤一：对局部航迹进行读取和预处理，进行时间对准和空间对准；

步骤二：对局部航迹按纬度进行拆分，利用基于灰色接近关联度的航迹质量衡量算法进行单纬度下的航迹质量计算，并分维度排序；

步骤三：设置循环次数，根据航迹质量依据选择单纬度航迹数，将两条高质量的单纬度航迹和进行航迹状态估计融合，得到融合航迹确定单纬度系统航迹；

步骤四：当融合航迹的航迹质量大于高质量的单纬度航迹的航迹质量，设置循环次数进行循环多次融合，直至融合航迹的航迹质量小于前一次的融合航迹的航迹质量，则跳出循环；选取所述前一次的融合航迹作为系统航迹；

步骤五：对x，y，z纬度进行步骤三至步骤四操作，将x，y，z各维度下航迹状态估计融合生成的系统航迹进行组合，得到最终的系统航迹。

2.根据权利要求1所述的一种局部航迹分维度的选择性航迹状态估计融合方法，其特征是：所述步骤二具体为：

第一步：对局部航迹按纬度进行拆分，分为笛卡尔坐标系下的x，y，z维度的局部航迹；

第二步：利用所有局部航迹的平均航迹与各局部航迹序列的灰色接近关联度作为各局部航迹的航迹质量，通过下式计算单纬度第i条的局部航迹的航迹质量：

S_{x_i}＝(x_i(1),x_i(2),...,x_i(n)) (4)

其中，为k时刻的平均航迹，h(S_{x_i})为单纬度下第i条局部航迹的航迹质量，为单维度下的平均航迹，S_{x_i}为单纬度下的局部航迹，M为航迹的总数目，k表示第k个时刻，n表示截至的第n个时刻；

第三步：对单纬度所有的局部航迹根据航迹质量由高到低进行重新排序，依次排列为到并记录对应的航迹质量到

3.根据权利要求1所述的一种局部航迹分维度的选择性航迹状态估计融合方法，其特征是：所述步骤三具体为：

第一步：设置融合次数，当融合次数为1次时，根据航迹质量作为依据选择单纬度航迹数，将两条高质量的单纬度下航迹和进行航迹状态估计融合，通过凸组合融合得到单纬度融合航迹通过下式表示单纬度融合航迹：

其中，为单纬度融合航迹，为单纬度局部航迹，Pⁱ为局部航迹对应的滤波误差协方差阵，P为生成的单纬度融合航迹对应的误差协方差对应矩阵，N为传感器数目；

第二步：计算单纬度融合航迹与高质量的单纬度航迹的航迹质量，当的航迹质量小于高质量的局部航迹的航迹质量时,则单维度的航迹融合结束，采用高质量的单纬度航迹作为当前纬度的系统航迹。

4.根据权利要求3所述的一种局部航迹分维度的选择性航迹状态估计融合方法，其特征是：所述传感器数目大于2。

5.根据权利要求1所述的一种局部航迹分维度的选择性航迹状态估计融合方法，其特征是：所述步骤四具体为：

第一步：设置融合次数，令融合次数为i+1次时，选择航迹和S_i+1进行融合，得到融合航迹

第二步：将与的航迹质量进行对比，当的航迹质量小于的航迹质量时，跳出循环，选取航迹S_i-1'作为系统航迹。

6.根据权利要求1所述的一种局部航迹分维度的选择性航迹状态估计融合方法，其特征是：所述步骤五具体为：

第一步：对每个时刻的x，y，z纬度进行步骤三至步骤四操作，得到x，y，z为的系统航迹；

第二步：对x，y，z为的系统航迹进行分维度融合，得到最终的系统航迹。