CN110426702B - 基于多雷达的系统偏差与目标状态的序贯滤波方法及系统 - Google Patents
基于多雷达的系统偏差与目标状态的序贯滤波方法及系统 Download PDFInfo
- Publication number
- CN110426702B CN110426702B CN201910670490.9A CN201910670490A CN110426702B CN 110426702 B CN110426702 B CN 110426702B CN 201910670490 A CN201910670490 A CN 201910670490A CN 110426702 B CN110426702 B CN 110426702B
- Authority
- CN
- China
- Prior art keywords
- radar
- estimation value
- target state
- target
- system deviation
- 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
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
- G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
Abstract
本发明实施例提供一种基于多雷达的系统偏差与目标状态的序贯滤波方法及系统,包括:根据第二雷达的目标状态估计值,通过外推法预测第一雷达的第一目标状态估计值;根据第一雷达上一时刻的系统偏差估计值,通过外推法预测第一雷达的第一系统偏差估计值;根据第一目标状态估计值和第一系统偏差估计值,获取第一雷达的实际量测和估计量测之间的新息;根据新息分别对第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,得到第二目标状态估计值和第二系统偏差估计值;根据第二目标状态估计值和第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测。本发明实施例计算资源大幅减小,提高多雷达探测的精确度。
Description
技术领域
本发明涉及多雷达数据融合处理技术领域,尤其涉及一种基于多雷达的系统偏差与目标状态的序贯滤波方法及系统。
背景技术
在雷达网络中,受地海杂波、气象杂波、噪声,以及探测视距限制等因素影响,探测到目标的雷达很可能会发生变化,即在某一段时刻,目标可能被雷达1和雷达2同时探测到,而在另外一段时间,目标可能被雷达2和雷达3同时探测到。在多雷达数据融合处理中,可以采用预处理的方法对每部雷达的系统偏差进行估计和补偿,在预处理阶段消除系统偏差的影响,也可以将雷达系统偏差作为状态变量的组成部分,与目标状态一起进行联合估计,实现扩维滤波。
现有对于固定结构的扩维滤波误差配准算法或配准算法,需要有效利用多雷达探测数据对目标状态进行精确跟踪,同时还要根据实际情况,对于雷达系统偏差的精确估计和补偿,需要不断的调整融合架构或误差配准算法,这就会使多雷达的数据融合系统或误差配准算法的实现过程变得非常的复杂;同时由于雷达网络中不同雷达对同一目标探测的数据多是异步观测的,需要在融合或误差配准前进行外插或内推,这必然也会引入一部分的偏差,而现有技术中并没有解决此类问题。
因此,现在亟需一种基于多雷达的系统偏差与目标状态的序贯滤波方法及系统来解决上述问题。
发明内容
针对现有技术存在的问题,本发明实施例提供一种基于多雷达的系统偏差与目标状态的序贯滤波方法及系统。
第一方面,本发明实施例提供了一种基于多雷达的系统偏差与目标状态的序贯滤波方法,包括:
根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值;其中,所述第一雷达为当前时刻探测到目标的雷达,所述第二雷达为与当前时刻最近的前一时刻探测到目标的任一雷达;
根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息;
根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值;
根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测。
进一步地,在根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值之前,所述方法还包括:
根据第一雷达上一时刻探测到目标时的量测,对所述第一雷达上一时刻的目标状态和系统偏差进行滤波估计,得到所述第一雷达上一时刻的目标状态估计值和系统偏差估计值;根据第二雷达探测到目标时的量测,对所述第二雷达的目标状态和系统偏差进行滤波估计,得到所述第二雷达的目标状态估计值和系统偏差估计值。
进一步地,在所述根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值之后,所述方法还包括:
根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一目标状态估计值对应的协方差矩阵,所述第一系统偏差估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵。
进一步地,在所述根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息之后,所述方法还包括:
根据所述第一目标状态估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵,分别获取新息协方差矩阵,以及所述第一目标状态估计值与所述新息之间的互协方差矩阵。
进一步地,在所述根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息之后,所述方法还包括:
根据所述第一系统偏差估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵,获取所述第一系统偏差估计值与所述新息之间的互协方差矩阵。
进一步地,在所述根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值之前,所述方法还包括:
根据所述新息协方差矩阵,分别获取所述第一雷达的目标状态滤波增益和系统偏差滤波增益;
根据所述目标状态滤波增益和所述系统偏差滤波增益,分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值。
具体地,所述根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测,包括:
根据所述第二目标状态估计值和所述第二系统偏差估计值,对滤波更新后的第一雷达的协方差矩阵和互协方差矩阵进行更新处理,获取所述第二目标状态估计值对应的协方差矩阵,所述第二系统偏差估计值对应的协方差矩阵,以及所述第二目标状态估计值和所述第二系统偏差估计值之间的互协方差矩阵。
第二方面,本发明实施例提供了一种基于多雷达的系统偏差与目标状态的序贯滤波系统,包括:
预测模块,用于根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值;其中,所述第一雷达为当前时刻探测到目标的雷达,所述第二雷达为与当前时刻最近的前一时刻探测到目标的任一雷达;
新息获取模块,用于根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息;
滤波更新模块,用于根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值;
目标探测处理模块,用于根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的一种基于多雷达的系统偏差与目标状态的序贯滤波方法及系统,相比现有技术,通过动态调整参与融合和误差配准的雷达,避免在多雷达滤波过程中因某部雷达失去效用而使整体融合网络失效的问题,使得在对组网雷达中任一雷达进行目标状态与雷达系统偏差滤波的过程中,不局限于对单一雷达进行滤波值的选取,而是选取最合适的滤波值对当前雷达状态值进行更新,计算资源大幅减小,提高了多雷达探测的精确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的雷达与目标的位置示意图;
图2为本发明实施例提供的基于多雷达的系统偏差与目标状态的序贯滤波方法的流程示意图;
图3为本发明实施例提供的第一雷达和第二雷达量测时刻的示意图;
图4为本发明实施例提供的基于多雷达的系统偏差与目标状态的序贯滤波系统的结构示意图;
图5为本发明实施例提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在多雷达组网中,其探测区域一般存在重叠部分,每部雷达的探测值包括目标与雷达之间相对位置关系决定的真实值和量测不准确导致的误差值。其中,误差值中包括随机变化的随机量测误差和恒定或缓慢变化的系统偏差。在现有的多雷达数据融合处理中,可以采用预处理的方法对每部雷达的系统偏差进行估计和补偿,在预处理阶段消除系统偏差的影响,也可以将雷达系统偏差作为状态变量的组成部分,与目标状态一起进行联合估计,实现扩维滤波,即将状态变量扩为并利用卡尔曼滤波进行状态变量与偏差的联合估计,利用偏差更新值实时修正状态值,实现对目标的有效跟踪。其中,图1为本发明实施例提供的雷达与目标的位置示意图,可参考图1所示,x表示目标在二维雷达坐标的横坐标,y表示目标在二维雷达坐标的纵坐标,表示目标在横坐标方向上的速率,表示目标在纵坐标方向上的速率,Δr1和Δr2分别表示第一雷达探测到目标的径向距离偏差值和第二雷达探测到目标的径向距离偏差值,Δθ1和Δθ2分别表示第一雷达探测到目标的方位角偏差值和第二雷达探测到目标的方位角偏差值。
然而,在现有多雷达的融合处理算法中,算法的实现过程非常的复杂且计算量大,无法动态调整参与融合和误差配准的雷达,导致在多雷达滤波过程中,出现因某部雷达失去效用而使整体融合网络失效的问题。因此,本发明实施例建立了一种结构灵活的多雷达数据融合方法,可以解决信息源动态变化,量测数据异步条件下的目标状态与雷达系统偏差联合滤波问题,并且在对组网雷达中任一雷达进行目标状态与雷达系统偏差滤波的过程中,不局限于对单一雷达进行滤波值的选取,而是选取最合适的滤波值进行当前雷达状态值更新。
图2为本发明实施例提供的基于多雷达的系统偏差与目标状态的序贯滤波方法的流程示意图,如图2所示,本发明实施例提供了一种基于多雷达的系统偏差与目标状态的序贯滤波方法,包括:
步骤201,根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值;其中,所述第一雷达为当前时刻探测到目标的雷达,所述第二雷达为与当前时刻最近的前一时刻探测到目标的任一雷达;
步骤202,根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息;
步骤203,根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值;
步骤204,根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测。
本发明实施例提供的基于多雷达的系统偏差与目标状态的序贯滤波方法,相比现有技术,通过动态调整参与融合和误差配准的雷达,避免在多雷达滤波过程中因某部雷达失去效用而使整体融合网络失效的问题,使得在对组网雷达中任一雷达进行目标状态与雷达系统偏差滤波的过程中,不局限于对单一雷达进行滤波值的选取,而是选取最合适的滤波值对当前雷达状态值进行更新,计算资源大幅减小,提高了多雷达探测的精确度。
在上述实施例的基础上,在根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值之前,所述方法还包括:
根据第一雷达上一时刻探测到目标时的量测,对所述第一雷达上一时刻的目标状态和系统偏差进行滤波估计,得到所述第一雷达上一时刻的目标状态估计值和系统偏差估计值;根据第二雷达探测到目标时的量测,对所述第二雷达的目标状态和系统偏差进行滤波估计,得到所述第二雷达的目标状态估计值和系统偏差估计值。
在本发明实施例中,将雷达探测到目标时的目标状态和雷达的系统偏差bi=[Δri Δθi]′作为两类状态向量进行分析,并按照多雷达量测数据到达的先后次序,根据先到先处理的原则,第次对目标状态和系统偏差进行滤波更新,其中,i表示多雷达组网中第i个雷达。因此,在对当前时刻的目标状态和系统偏差进行滤波更新之前,首先获取第一雷达上一时刻的目标状态估计值和系统偏差估计值,以及第二雷达的目标状态估计值和系统偏差估计值。图3为本发明实施例提供的第一雷达和第二雷达量测时刻的示意图,可参考图3所示,在本发明实施例中,以k1+1时刻作为当前时刻进行说明,并且所提到的时刻均表示对应雷达探测到目标时的时刻,则k1+1时刻表示第一雷达的当前时刻,k1时刻表示第一雷达当前时刻的上一时刻,k2时刻表示第二雷达当前时刻最近的前一时刻探测到目标的时刻。
具体地,在k1时刻,第一雷达探测到目标并获得量测Z1(k1)=[r1(k1) θ1(k1)]′,并根据量测Z1(k1),分别对第一雷达上一时刻的目标状态X(k1)和系统偏差b1(k1)进行滤波估计,得到第一雷达上一时刻的目标状态估计值:
和第一雷达上一时刻的系统偏差估计值:
在k2时刻,第二雷达探测到目标并获得量测Z2(k2)=[r2(k2) θ2(k2)]′,并根据量测Z2(k2),分别对第二雷达的目标状态X(k2)和系统偏差b2(k2)进行滤波估计,得到第二雷达的目标状态估计值:
和第二雷达的系统偏差估计值:
其中,r1表示第一雷达和目标之间的径向距离,θ1表示第一雷达和目标之间的方位角,r2表示第二雷达和目标之间的径向距离,θ2表示第二雷达和目标之间的方位角,表示当前时刻之前第i时刻第一雷达探测到目标和当前时刻之前第j时刻第二雷达探测到目标的量测,E表示期望。
在上述实施例的基础上,在所述根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值之后,所述方法还包括:
根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一目标状态估计值对应的协方差矩阵,所述第一系统偏差估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵。
在本发明实施例中,首先,根据第二雷达在k2时刻的目标状态估计值,通过外推法一步预测得到第一雷达在k1+1时刻的第一目标状态估计值并根据第一雷达在k1+1时刻的第一目标状态估计值计算得到对应的协方差矩阵:
PX(k1+1|k2)=F(k1+1,k2)PX(k2|k2)FT(k1+1,k2)+Q(k1+1,k2);
进一步地,根据第一雷达在k1+1时刻的第一目标状态估计值和第一系统偏差估计值,计算得到两者之间对应的互协方差矩阵:
其中,F表示状态转移矩阵,Q表示过程噪声协方差矩阵,T表示矩阵的转置。
在上述实施例的基础上,在所述根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息之后,所述方法还包括:
根据所述第一目标状态估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵,分别获取新息协方差矩阵,以及所述第一目标状态估计值与所述新息之间的互协方差矩阵。
进一步获取第一雷达在k1+1时刻的实际量测和估计量测之间的新息:
在计算得到新息之后,根据第一系统偏差估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵,计算得到新息协方差矩阵:
以及第一目标状态估计值与新息之间的互协方差矩阵:
其中,H表示量测矩阵。
在上述实施例的基础上,在所述根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息之后,所述方法还包括:
根据所述第一系统偏差估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵,获取所述第一系统偏差估计值与所述新息之间的互协方差矩阵。
在上述实施例的基础上,在所述根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值之前,所述方法还包括:
根据所述新息协方差矩阵,分别获取所述第一雷达的目标状态滤波增益和系统偏差滤波增益;
根据所述目标状态滤波增益和所述系统偏差滤波增益,分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值。
在本发明实施例中,根据上述实施例得到的新息协方差矩阵,计算得到第一雷达的目标状态滤波增益:
以及第一雷达的系统偏差滤波增益:
其中,R表示观测噪声协方差矩阵。
和第一雷达的第二系统偏差估计值:
在上述实施例的基础上,所述根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测,包括:
根据所述第二目标状态估计值和所述第二系统偏差估计值,对滤波更新后的第一雷达的协方差矩阵和互协方差矩阵进行更新处理,获取所述第二目标状态估计值对应的协方差矩阵,所述第二系统偏差估计值对应的协方差矩阵,以及所述第二目标状态估计值和所述第二系统偏差估计值之间的互协方差矩阵。
在本发明实施例中,根据上述实施例得到的第二目标状态估计值和第二系统偏差估计值,对滤波更新后的第一雷达的协方差矩阵和互协方差矩阵进行更新处理,分别得到第二目标状态估计值对应的协方差矩阵:
第二系统偏差估计值对应的协方差矩阵:
以及第二目标状态估计值和第二系统偏差估计值之间的互协方差矩阵:
其中,I表示单位矩阵。
根据上述步骤得到滤波更新后的目标状态和系统偏差对应的协方差矩阵以及互协方差矩阵,从而对雷达探测到的目标进行有效跟踪。
本发明各实施例提供的方法相比传统的状态扩维方法以及双阶卡尔曼滤波等方法,所需的计算资源大幅减小,结构灵活,可动态调整参与融合和误差配准的雷达,避免在多雷达滤波过程中出现因某部雷达失去效用而使整体融合网络失效的现象;并且根据量测达到先后次序,依据先到先处理的原则,第次进行目标状态和雷达系统偏差向量的滤波更新。且在某部雷达某一时刻进行状态更新时,不局限于采用本雷达上一时刻滤波值,而是采用组网雷达中与当前时刻最近的上一时刻某部雷达的滤波值,有效解决了观测数据异步问题。
图4为本发明实施例提供的基于多雷达的系统偏差与目标状态的序贯滤波系统的结构示意图,如图4所示,本发明实施例提供了一种基于多雷达的系统偏差与目标状态的序贯滤波系统,包括预测模块401、新息获取模块402、滤波更新模块403和目标探测处理模块404,其中,预测模块401用于根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值;其中,所述第一雷达为当前时刻探测到目标的雷达,所述第二雷达为与当前时刻最近的前一时刻探测到目标的任一雷达;新息获取模块402用于根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息;滤波更新模块403用于根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值;目标探测处理模块404用于根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测。
本发明实施例提供的一种基于多雷达的系统偏差与目标状态的序贯滤波系统,相比现有技术,通过动态调整参与融合和误差配准的雷达,避免在多雷达滤波过程中因某部雷达失去效用而使整体融合网络失效的问题,使得在对组网雷达中任一雷达进行目标状态与雷达系统偏差滤波的过程中,不局限于对单一雷达进行滤波值的选取,而是选取最合适的滤波值对当前雷达状态值进行更新,计算资源大幅减小,提高了多雷达探测的精确度。
在上述实施例的基础上,所述系统还包括:初始化预测模块,用于根据第一雷达上一时刻探测到目标时的量测,对所述第一雷达上一时刻的目标状态和系统偏差进行滤波估计,得到所述第一雷达上一时刻的目标状态估计值和系统偏差估计值;根据第二雷达探测到目标时的量测,对所述第二雷达的目标状态和系统偏差进行滤波估计,得到所述第二雷达的目标状态估计值和系统偏差估计值。
本发明实施例提供的系统是用于执行上述各方法实施例的,具体流程和详细内容请参照上述实施例,此处不再赘述。
图5为本发明实施例提供的电子设备结构示意图,参照图5,该电子设备可以包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令,以执行如下方法:根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值;其中,所述第一雷达为当前时刻探测到目标的雷达,所述第二雷达为与当前时刻最近的前一时刻探测到目标的任一雷达;根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息;根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值;根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测。
此外,上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的基于多雷达的系统偏差与目标状态的序贯滤波方法,例如包括:根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值;其中,所述第一雷达为当前时刻探测到目标的雷达,所述第二雷达为与当前时刻最近的前一时刻探测到目标的任一雷达;根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息;根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值;根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于多雷达的系统偏差与目标状态的序贯滤波方法,其特征在于,包括:
根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值;其中,所述第一雷达为当前时刻探测到目标的雷达,所述第二雷达为与当前时刻最近的前一时刻探测到目标的任一雷达;
根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息;
根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值;
根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测;
其中,在所述根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值之后,所述方法还包括:
根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一目标状态估计值对应的协方差矩阵,所述第一系统偏差估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵;
其中,在所述根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息之后,所述方法还包括:
根据所述第一目标状态估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵,分别获取新息协方差矩阵,以及所述第一目标状态估计值与所述新息之间的互协方差矩阵;
其中,在所述根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值之前,所述方法还包括:
根据所述新息协方差矩阵,分别获取所述第一雷达的目标状态滤波增益和系统偏差滤波增益;
根据所述目标状态滤波增益和所述系统偏差滤波增益,分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值;
其中,所述根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测,包括:
根据所述第二目标状态估计值和所述第二系统偏差估计值,对滤波更新后的第一雷达的协方差矩阵和互协方差矩阵进行更新处理,获取所述第二目标状态估计值对应的协方差矩阵,所述第二系统偏差估计值对应的协方差矩阵,以及所述第二目标状态估计值和所述第二系统偏差估计值之间的互协方差矩阵。
2.根据权利要求1所述的基于多雷达的系统偏差与目标状态的序贯滤波方法,其特征在于,在根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值之前,所述方法还包括:
根据第一雷达上一时刻探测到目标时的量测,对所述第一雷达上一时刻的目标状态和系统偏差进行滤波估计,得到所述第一雷达上一时刻的目标状态估计值和系统偏差估计值;根据第二雷达探测到目标时的量测,对所述第二雷达的目标状态和系统偏差进行滤波估计,得到所述第二雷达的目标状态估计值和系统偏差估计值。
3.根据权利要求1所述的基于多雷达的系统偏差与目标状态的序贯滤波方法,其特征在于,在所述根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息之后,所述方法还包括:
根据所述第一系统偏差估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵,获取所述第一系统偏差估计值与所述新息之间的互协方差矩阵。
4.一种基于多雷达的系统偏差与目标状态的序贯滤波系统,其特征在于,包括:
预测模块,用于根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值;其中,所述第一雷达为当前时刻探测到目标的雷达,所述第二雷达为与当前时刻最近的前一时刻探测到目标的任一雷达;
新息获取模块,用于根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息;
滤波更新模块,用于根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值;
目标探测处理模块,用于根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测;
其中,在所述根据第二雷达的目标状态估计值,通过外推法对第一雷达探测到目标时的目标状态进行一步预测,得到第一目标状态估计值;根据所述第一雷达上一时刻的系统偏差估计值,通过外推法对所述第一雷达探测到目标时的系统偏差估计值进行一步预测,得到第一系统偏差估计值之后,所述系统还包括:
根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一目标状态估计值对应的协方差矩阵,所述第一系统偏差估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵;
其中,在所述根据所述第一目标状态估计值和所述第一系统偏差估计值,获取所述第一雷达的估计量测,以用于获取所述第一雷达的实际量测和估计量测之间的新息之后,所述系统还包括:
根据所述第一目标状态估计值对应的协方差矩阵,以及所述第一目标状态估计值和所述第一系统偏差估计值之间的互协方差矩阵,分别获取新息协方差矩阵,以及所述第一目标状态估计值与所述新息之间的互协方差矩阵;
其中,在所述根据所述新息分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值之前,所述系统还包括:
根据所述新息协方差矩阵,分别获取所述第一雷达的目标状态滤波增益和系统偏差滤波增益;
根据所述目标状态滤波增益和所述系统偏差滤波增益,分别对所述第一雷达上一时刻的目标状态估计值和系统偏差估计值进行滤波更新,分别得到所述第一雷达的第二目标状态估计值和第二系统偏差估计值;
其中,所述根据所述第二目标状态估计值和所述第二系统偏差估计值,获取相应的协方差矩阵和互协方差矩阵,以用于对目标进行探测,包括:
根据所述第二目标状态估计值和所述第二系统偏差估计值,对滤波更新后的第一雷达的协方差矩阵和互协方差矩阵进行更新处理,获取所述第二目标状态估计值对应的协方差矩阵,所述第二系统偏差估计值对应的协方差矩阵,以及所述第二目标状态估计值和所述第二系统偏差估计值之间的互协方差矩阵。
5.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至3任一项所述基于多雷达的系统偏差与目标状态的序贯滤波方法的步骤。
6.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至3任一项所述基于多雷达的系统偏差与目标状态的序贯滤波方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910670490.9A CN110426702B (zh) | 2019-07-24 | 2019-07-24 | 基于多雷达的系统偏差与目标状态的序贯滤波方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910670490.9A CN110426702B (zh) | 2019-07-24 | 2019-07-24 | 基于多雷达的系统偏差与目标状态的序贯滤波方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110426702A CN110426702A (zh) | 2019-11-08 |
CN110426702B true CN110426702B (zh) | 2021-06-08 |
Family
ID=68410583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910670490.9A Active CN110426702B (zh) | 2019-07-24 | 2019-07-24 | 基于多雷达的系统偏差与目标状态的序贯滤波方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110426702B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107315171A (zh) * | 2017-07-02 | 2017-11-03 | 中国航空工业集团公司雷华电子技术研究所 | 一种雷达组网目标状态与系统误差联合估计算法 |
CN108896986A (zh) * | 2018-04-23 | 2018-11-27 | 电子科技大学 | 一种基于预测值的量测转换序贯滤波机动目标跟踪方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9606848B2 (en) * | 2013-03-12 | 2017-03-28 | Raytheon Company | Iterative Kalman filtering |
US10175348B2 (en) * | 2014-10-08 | 2019-01-08 | Src, Inc. | Use of range-rate measurements in a fusion tracking system via projections |
CN107632295A (zh) * | 2017-09-15 | 2018-01-26 | 广东工业大学 | 一种基于时序卷积神经网络的雷达回波外推方法 |
-
2019
- 2019-07-24 CN CN201910670490.9A patent/CN110426702B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107315171A (zh) * | 2017-07-02 | 2017-11-03 | 中国航空工业集团公司雷华电子技术研究所 | 一种雷达组网目标状态与系统误差联合估计算法 |
CN108896986A (zh) * | 2018-04-23 | 2018-11-27 | 电子科技大学 | 一种基于预测值的量测转换序贯滤波机动目标跟踪方法 |
Non-Patent Citations (2)
Title |
---|
Target Tracking by Neural Network Maneuver Detection and Input Estimation;Farid Amoozegar et al.;《proceedings international radar conference》;19950511;第143-148页 * |
基于预测信息的量测转换序贯滤波目标跟踪;彭瀚 等;《系统工程与电子技术》;20190331;第41卷(第3期);第549-554页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110426702A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109100714B (zh) | 一种基于极坐标系的低慢小目标跟踪方法 | |
Farina | Target tracking with bearings–only measurements | |
Schuster et al. | Probabilistic data association for tracking extended targets under clutter using random matrices | |
CN108089183B (zh) | 一种用于异步多基地雷达系统的检测跟踪一体化方法 | |
CN107728124B (zh) | 一种基于信息熵的多雷达动态调节方法及装置 | |
AU2009289008A1 (en) | Estimating a state of at least one target | |
CN109782269B (zh) | 一种分布式多平台协同有源目标跟踪方法 | |
CN110889862B (zh) | 一种网络传输攻击环境中多目标跟踪的组合测量方法 | |
CN108549062B (zh) | 一种用于海面搜索雷达的系统平台及多模型目标跟踪方法 | |
CN112630771A (zh) | 一种基于毫米波设备的多目标跟踪方法及系统 | |
CN110231620B (zh) | 一种噪声相关系统跟踪滤波方法 | |
CN112098960A (zh) | 确定用于道路车辆雷达自动对准控制器的雷达传感器的对准角度的方法 | |
CN109782290B (zh) | 一种防止跟踪偏离的自动水声目标方位跟踪方法 | |
CN113093187B (zh) | 一种无道路信息辅助的csar地面动目标跟踪方法 | |
Herrero et al. | On-line multi-sensor registration for data fusion on airport surface | |
CN110426702B (zh) | 基于多雷达的系统偏差与目标状态的序贯滤波方法及系统 | |
CN109765574B (zh) | 一种单基站gnss转发式欺骗源定位方法及装置 | |
Yong et al. | An asynchronous sensor bias estimation algorithm utilizing targets’ positions only | |
CN114565010A (zh) | 一种基于数据融合的自适应卡尔曼噪声估计方法及系统 | |
Kramer et al. | Tracking of multiple target types with a single neural extended Kalman filter | |
EP4042197A1 (fr) | Procede et dispositif d'estimation de l'etat d'une cible manoeuvrante par un radar mobile | |
CN113821907A (zh) | 针对大型平面天线阵列系统的幅度和相位自动校准方法 | |
Nussbaum et al. | EM-based Radar Signal Processing and Tracking | |
LanFeng et al. | Angle estimation for two unresolved Swerling I targets in monopulse radar | |
Schuster et al. | Target tracking in marine environment using automotive radar and laser range sensor |
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 |