CN112051573A - 一种航迹处理方法及装置、存储介质 - Google Patents
一种航迹处理方法及装置、存储介质 Download PDFInfo
- Publication number
- CN112051573A CN112051573A CN202010878621.5A CN202010878621A CN112051573A CN 112051573 A CN112051573 A CN 112051573A CN 202010878621 A CN202010878621 A CN 202010878621A CN 112051573 A CN112051573 A CN 112051573A
- Authority
- CN
- China
- Prior art keywords
- data
- time
- sensor
- weight value
- trace point
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 102
- 230000004927 fusion Effects 0.000 claims description 42
- 238000012937 correction Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 14
- 238000012935 Averaging Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 description 21
- 238000012544 monitoring process Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 229910005644 SnTi Inorganic materials 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
-
- 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
- G01S13/74—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems
Abstract
一种航迹处理方法及装置、存储介质,所述航迹处理方法包括:获取第一时段内多个传感器对同一目标的点迹数据;根据每个传感器的第一时段内的点迹数据确定该传感器的点迹数据对应的滤波权重值;对第一时段内的所述点迹数据,将所述点迹数据对应的滤波权重值作为根据该点迹数据得到的航速航向数据的权重值,使用卡尔曼滤波对所述航速航向数据进行滤波,得到滤波后的航速航向数据,根据滤波后的航速航向数据确定所述目标的当前位置,以及,根据所述当前位置、所述航速航向数据和需要前推的时间确定前推位置。本实施例提高的方案,提高了航迹准确性。
Description
技术领域
本文涉及数据处理技术,尤指一种航迹处理方法及装置、存储介质。
背景技术
时间不对称广域监视点迹融合处理组件应用于民航监视领域,实现对全球内多个监视传感器接收到的点迹融合成航迹。
目前民航监视领域有卡尔曼滤波平滑技术和大数据融合技术,但卡尔曼滤波算法对确定个数监视传感器并且数据正态分布的情况下,把监视数据转化为指定原点极坐标或者XY二维坐标下的数据,计算航空器的速度和航向,对于固定个数监视源系统实现简单,效果显著。大数据融合技术一般采用的是监督方式学习,主要以决策树及其延申算法和神经网络算法为主,通过调整超参找到一个和预期结果的最优解,在固定个数监视传感器下,通过大数据融合学习到的模型,在测试集合上要优于卡尔曼滤波滤波算法。
而在多种定位的消费电子产品领域内,是采用基于加速传感器和距离传感器、卫星定位以及基站定位方式,每种定位传感器也都包含一定的精度误差,但是通过卡尔滤波算法,可以很好平滑各个传感器的误差,获得更小误差的数据。
发明内容
本申请实施例提供了一种航迹处理方法及装置、存储介质,提高航迹精确性。
本申请实施例提供了一种航迹处理方法,包括:
获取第一时段内多个传感器对同一目标的点迹数据;
根据每个传感器的第一时段内的点迹数据确定该传感器的点迹数据对应的滤波权重值;
对第一时段内的所述点迹数据,将点迹数据对应的滤波权重值作为根据该点迹数据得到的航速航向数据的权重值,使用卡尔曼滤波对所述航速航向数据进行滤波,得到滤波后的航速航向数据,根据滤波后的航速航向数据确定所述目标的当前位置,以及,根据所述当前位置、所述航速航向数据和需要前推的时间确定前推位置。
在一示例性实施例中,所述点迹数据包括经度信息、纬度信息和接收时间;
所述根据每个传感器的第一时段内的点迹数据确定该传感器的点迹数据对应的滤波权重值包括:
对每个传感器,根据该传感器第一时段内的点迹数据获得第一时段内在时间、经度信息、纬度信息构成的坐标系中的第一时间位置曲线;将所述第一时间位置曲线按时间进行均分,得到N1个时间均分点,获取该N1个时间均分点的经度信息、纬度信息;
将全部传感器的时间均分点按照经度信息和纬度信息进行拟合,得到位置拟合线,将所述位置拟合线按长度进行均分,得到N2个位置均分点,该N2个位置均分点将所述位置拟合线划分为长度相同的多个线段;
根据该N2个位置均分点的经度信息和纬度信息获得在时间、经度信息、纬度信息构成的坐标系中的N2条直线,获取该N2条直线中每条直线与每个传感器的第一时间位置曲线的最短距离;
根据每个传感器的所述N2个最短距离确定该传感器的第一权重值,将所述第一权重值作为该传感器的点迹数据对应的滤波权重值。
在一示例性实施例中,所述点迹数据包括经度信息、纬度信息和接收时间;
根据每个传感器的第一时段内的点迹数据确定该传感器的点迹数据对应的滤波权重值包括:
对每个传感器,根据该传感器第一时段内的点迹数据获得第一时段内在时间、经度信息、纬度信息构成的坐标系中的第一时间位置曲线;将所述第一时间位置曲线按时间进行均分,得到N1个时间均分点,获取该N1个时间均分点的经度信息和纬度信息;
将全部传感器的时间均分点按照经度信息和纬度信息进行拟合,得到位置拟合线,将所述位置拟合线按长度进行均分,得到N2个位置均分点,该N2个位置均分点将所述位置拟合线划分为长度相同的多个线段;
根据该N2个位置均分点的经度信息和纬度信息获得在时间、经度信息、纬度信息构成的坐标系中的N2条直线,获取该N2条直线中每条直线与每个传感器的第一时间位置曲线的最短距离;
根据每个传感器的所述N2个最短距离确定该传感器的第一权重值;
将所述第一时段划分为多个融合时段,对任一融合时段,选择该融合时段内的全部或部分点迹数据形成有效数据集合,对该有效数据集合中的任一有效数据,根据有效数据集合中的点迹数据确定该有效数据的第二权重值;根据所述第一权重值和该有效数据的所述第二权重值确定该有效数据的滤波权重值;
所述使用卡尔曼滤波对所述航速航向数据进行滤波,得到滤波后的航速航向数据包括:使用卡尔曼滤波对由有效数据得到的航速航向数据进行滤波,得到滤波后的航速航向数据。
在一示例性实施例中,所述方法还包括:获取该N2条直线中每条直线与每个传感器的第一时间位置曲线的最短距离时,还获取每个传感器的第一时间位置曲线上与所述直线的距离最短的点称为最近点,根据不同传感器与同一条直线的最近点的时间确定不同传感器的时间偏差,根据所述时间偏差对所述点迹数据进行时间偏差纠正;
所述根据有效数据集合的点迹数据确定第二权重值包括:对所述有效数据集合中的点迹数据进行时间偏差纠正后,根据进行时间偏差纠正后的点迹数据确定第二权重值。
在一示例性实施例中,所述选择该融合时段内的全部或部分点迹数据形成有效数据集合包括:对所述融合时段内的点迹数据根据所述时间偏差进行纠正,确定每个点迹数据的纠正后的时间,选择纠正后的时间仍在所述融合时段内的点迹数据;且,进行时间偏差纠正后,所述融合时段内同一传感器存在多个点迹数据时,对同一传感器的多个点迹数据进行拟合得到拟合线,选择距离该拟合线最近且彼此分布尽可能远的两个点迹数据;将所选点迹数据放入有效数据集合。
在一示例性实施例中,所述根据所述第一权重值和该有效数据的所述第二权重值确定该有效数据的滤波权重值包括:
滤波权重值=当前有效数据的第二权重值*(当前有效数据所属的传感器的第一权重值/所有传感器的第一权重值之和)。
在一示例性实施例中,所述根据有效数据集合的点迹数据确定第二权重值包括:
根据有效数据集合中的有效数据确定在时间、经度信息、纬度信息构成的坐标系中的第二时间位置曲线,对该有效数据集合中的任一有效数据,获取该有效数据到第二时间位置曲线的最短距离称为第一距离,获取该有效数据的时间信息,确定所述时间信息下由卡尔曼滤波推算出的所述目标的预测位置,确定所述预测位置到所述第二时间位置曲线的最短距离即为第二距离,将第一距离与第二距离的比值作为该有效数据的第二权重值。
在一示例性实施例中,所述根据每个传感器的所述N2个最短距离确定该传感器的第一权重值包括:
第n个传感器的N2个最短距离分别为SnDi,所述i=1至N2,n=1至N,N为传感器的数量,且i越大,SnDi对应的该传感器的第一时间位置曲线上的时间点的时间越大;
根据SnDj,j为m至N2,预设的SnDj的距离权重,以及,预设的所述传感器n的传感器类型权重确定所述第一权重值;其中,j越大,SnDj的距离权重越大,所述m大于等于1且小于等于N2。
在一示例性实施例中,所述使用卡尔曼滤波对所述航速航向数据进行滤波包括:使用αβ卡尔曼滤波对所述航速航向数据进行滤波,所述滤波权重值为α,前一次滤波得到的航速航向数据的权重值为β,且α+β=1。
在一示例性实施例中,所述α,β取值范围均为0.3至0.7,当计算得到的滤波权重值大于0.7时,取0.7作为滤波权重值,当计算得到的滤波权重值小于0.3时,取0.3作为滤波权重值。
本申请实施例提供一种航迹处理装置,包括存储器和处理器,所述存储器存储有程序,所述程序在被所述处理器读取执行时,实现上述航迹处理方法。
本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述航迹处理方法。
本申请实施例包括一种航迹处理方法,包括:获取第一时段内多个传感器对同一目标的点迹数据;根据每个传感器的第一时段内的点迹数据确定该传感器的点迹数据对应的滤波权重值;对第一时段内的所述点迹数据,将点迹数据对应的滤波权重值作为根据该点迹数据得到的航速航向数据的权重值,使用卡尔曼滤波对所述航速航向数据进行滤波,得到滤波后的航速航向数据,根据滤波后的航速航向数据确定所述目标的当前位置,以及,根据所述当前位置、所述航速航向数据和需要前推的时间确定前推位置。本实施例提供的方案,根据最近一段时间内的数据计算滤波权重值,能动态的变更数据的权重,提高了融合航迹的精确性和收敛性。在无须增加新的传感器的条件下,可以提升航迹融合稳定性并且对于目标的监控跟踪更为精确。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1为本申请实施例提供的航迹处理方法流程图;
图2为本申请实施例提供的航迹处理装置示意图;
图3为本申请实施例提供的计算机可读存储介质示意图。
具体实施方式
本申请描述了多个实施例,但是该描述是示例性的,而不是限制性的,并且对于本领域的普通技术人员来说显而易见的是,在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合,并在具体实施方式中进行了讨论,但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外,任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用,或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合,以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合,以形成另一个由权利要求限定的独特的发明方案。因此,应当理解,在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此,除了根据所附权利要求及其等同替换所做的限制以外,实施例不受其它限制。此外,可以在所附权利要求的保护范围内进行各种修改和改变。
此外,在描述具有代表性的实施例时,说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而,在该方法或过程不依赖于本文所述步骤的特定顺序的程度上,该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的,其它的步骤顺序也是可能的。因此,说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外,针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤,本领域技术人员可以容易地理解,这些顺序可以变化,并且仍然保持在本申请实施例的精神和范围内。
卡尔曼滤波算法是基于传感器的误差进而推算下一个状态以及其误差,对传感器个数无法确定的,数据收敛不能很好的发挥作用;而且传感器数据延迟时间以及时间对齐程度不尽相同,导致推导数据状态会出现相反的效果,因此无论在数据处理中采用接收时间或者采用传感器给出的时间,均无法很好的发挥作用。
而采用大数据融合算法方式,因为模型本身需要构建测试集合,测试集合包括预期结果和传感器数据两部分,因此在没有预期结果的数据集合或者无法确定传感器个数的情况下,无法获得有效的模型;同时也会因为数据的时间问题,导致模型训练失败,而且大数据融合算法的无法收敛的特点,导致无法精确衡量每条数据的误差。
因多个传感器的数据延误时间差不同和传感器个数不确定导致的融合航迹点精确性不高、收敛性低的技术问题。
本申请实施例中提供一种航迹处理方法,接收传感器的点迹数据后,分组点迹数据,每组点迹数据对应于一个目标(比如航空器);通过预设定时间隔触发航迹处理方法,通过第一时段内的点迹数据计算得到滤波权重值,进而通过卡尔曼滤波对带有滤波权重值的数据和前一次卡尔曼滤波得到的数据进行数据滤波,计算出目标当前的位置、前推位置以及航速航向。
图1为本申请实施例提供的航迹处理方法的流程图。如图1所示,本申请实施例提供一种航迹处理方法,包括:
步骤101,获取第一时段内多个传感器对同一目标的点迹数据;
步骤102,根据每个传感器的第一时段内的点迹数据确定该传感器的点迹数据对应的滤波权重值;
步骤103,对第一时段内的所述点迹数据,将点迹数据对应的滤波权重值作为根据点迹数据得到的航速航向数据的权重值,使用卡尔曼滤波对所述航速航向数据进行滤波,得到滤波后的航速航向数据,根据滤波后的航速航向数据确定所述目标的当前位置,以及,根据所述当前位置、所述航速航向数据和需要前推的时间确定前推位置。
本实施例提供的方案,根据最近一段时间内的数据计算滤波权重值,能动态的变更数据的权重,提高了融合航迹的精确性和收敛性。在无须增加新的传感器的条件下,可以提升航迹融合稳定性并且对于目标的监控跟踪更为精确。
在一示例性实施例中,可以周期性执行上述航迹处理方法,或者,定时执行上述航迹处理方法。
在一示例性实施例中,接收到的点迹数据可能包括多个传感器多个目标的点迹数据,可以对点迹数据进行分组,同一目标的点迹数据作为一组,再将同一目标同一传感器的点迹数据作为一组。
在一示例性实施例中,所述点迹数据包括目标的经度信息、纬度信息和接收时间,所述接收时间即进行航迹处理的设备接收到传感器发送的经度信息、纬度信息等的时间。所述点迹数据还可包括目标的高度信息等。
在一示例性实施例中,所述第一时段可以根据需要设置,比如设置为1分钟,此处仅为示例,可以是其他时长。
在一示例性实施例中,所述目标比如为航空器,或者,可以是其他需要定位的设备,比如运动手表、导弹等。航迹代表目标的行进轨迹,包括航空器的轨迹以及其他设备的轨迹。
在一示例性实施例中,所述传感器比如为雷达等。
在一示例性实施例中,可以对传感器进行分类。不同类型的传感器的精度、持续运行能力以及性能不同,对系统稳定性运行产生不同的影响,因此,可以把传感器分为多个类别,为每个类别设置一个传感器类型权重。比如可以分为消费监视传感器、商用监视传感器、民航监视传感器、精密进近雷达、场监雷达这几个类别,分别设置对应的传感器类型权重。传感器类型权重可以和传感器的性能相关,可以为高性能的传感器配置更大的传感器类型权重,高性能的传感器其数据更为准确,为高性能的传感器配置更大的传感器类型权重,相应的高性能传感器的数据的权重同样变大,有利于提高算法性能。性能可以用传感器的精度衡量,为高精度的传感器设置更大的传感器类型权重,为低精度的传感器设置更小的传感器类型权重。本实施例中,传感器类型仅为示例,可以根据需要自定义传感器类型以及其权重。在另一实施例中,可以不设置传感器类型权重。比如,在使用相同类型的传感器时,可以不设置传感器类型权重。当然,使用不同类型的传感器时,可以不设置传感器类型权重。
在一示例性实施例中,对于不同的传感器类型,可以设置不同的权重值,存放于monitor_type_weight.xml,比如,民用监视传感器、商用监视传感器、民航监视传感器、精密进近雷达、场监雷达的传感器类型权重值可以分别为1:2:4:8:16,此处权重值仅为示例,可以根据需要调整。其中xml的格式为:
上述格式仅为示例,可以根据需要使用其他格式存放。
在一示例性实施例中,所述根据每个传感器的第一时段内的点迹数据确定该传感器的点迹数据对应的滤波权重值包括:
对每个传感器,根据该传感器第一时段内的点迹数据获得第一时段内在时间、经度信息、纬度信息构成的坐标系中的第一时间位置曲线;将所述第一时间位置曲线按时间进行均分,得到N1个时间均分点,获取该N1个时间均分点的经度信息和纬度信息;相邻的时间均分点之间的时间间隔相同。比如,第一时段为1分钟,N1为15时,将第一时间位置曲线每隔4秒取一个点作为时间均分点;
将全部传感器的时间均分点按照经度信息和纬度信息进行拟合,得到位置拟合线,将所述位置拟合线按长度进行均分,得到N2个位置均分点,该N2个位置均分点将所述位置拟合线划分为长度相同的多个线段;位置拟合线即为一个坐标为经度信息,另一个坐标为纬度信息的坐标系中的拟合线;将全部传感器的时间均分点按照经度信息和纬度信息进行拟合是指,存在N个传感器,每个传感器N1个时间均分点时,将N*N1个时间均分点进行拟合。
根据该N2个位置均分点的经度信息、纬度信息获得在时间、经度信息、纬度信息构成的坐标系中的N2条直线,获取该N2条直线中每条直线与每个传感器的第一时间位置曲线的最短距离;每条直线的经度信息和纬度信息即为对应的位置均分点的经度细信息和纬度信息。其中,第i个位置均分点对应的直线与第n个传感器的第一时间位置曲线存在最短距离SnDi,n=1至N,i=1至N2;n为传感器编号,比如,第一个位置均分点对应的直线与第一个传感器的第一时间位置曲线存在最短距离S1D1,第N2个位置均分点对应的直线与第一个传感器的第一时间位置曲线存在最短距离S1DN2。
根据每个传感器的N2个最短距离确定该传感器的第一权重值,将所述第一权重值作为该传感器的点迹数据对应的滤波权重值。
在一实施例中,对每个传感器,根据该传感器第一时段内的点迹数据获得第一时段内在时间、经度信息、纬度信息构成的坐标系中的第一时间位置曲线包括:
根据该传感器第一时段内的点迹数据通过最小二乘算法进行拟合,获得所述第一时间位置曲线;所述第一时段内的点迹数据可以是至少8个相对均匀且均匀性偏差不超过15%的点迹数据;可以舍去偏差过大的点迹数据,具体拟合方式本申请实施例对此不作限定。
或者,通过机器学习算法(决策树、随机森林算法、梯度提升树以及神经网络算法)或卡尔曼滤波算法,推算出第一时段内的不同时刻目标的位置,获得所述第一时间位置曲线。
在一示例性实施例中,确定第i个位置均分点对应的直线与第n个传感器的第一时间位置曲线的最短距离SnDi时,还获取第n个传感器的第一时间位置曲线上与第i个位置均分点对应的直线距离最短的点,称为最近点,该最近点的时间为SnTi,根据不同传感器与同一条直线的最近点的时间确定不同传感器的时间偏差,根据所述时间偏差对所述点迹数据进行时间纠正。
可以设置基准时间,将每个传感器的点迹数据的时间基于基准时间进行纠正,基准时间可以是进行航迹处理的设备的系统时间,也可以是某一个传感器的时间;后续处理中基准时间均为系统时间,不再赘述。
本实施例提供的时间偏差确定方式仅为示例,可以根据需要使用其他方式确定时间偏差,本申请实施例对此不作限定。另外,时间偏差在稳定系统中可能保持不变,因此,无需每次都计算时间偏差,可以按需要触发时间偏差的计算,比如,系统中的传感器发生变化(有传感器加入或退出),或者,可以周期性触发时间偏差的计算,计算周期可以大于第一时段的时长,比如,可以是多个第一时段,等等。
本实施例提供的方案,对不同传感器的点迹数据的时间进行同步,提高了航迹的精确性。
在一示例性实施例中,所述根据每个传感器的所述N2个最短距离确定该传感器的第一权重值包括:
第n个传感器的N2个最短距离分别为SnDi,所述i=1至N2,n=1至N,n为传感器的编号,且,SnDi对应的该传感器的第一时间位置曲线上的最近点的时间SnTi越大,即i越大,时间越靠后;
根据SnDj,j为m至N2,预设的SnDj的距离权重,以及,预设的所述传感器n的传感器类型权重确定所述第一权重值;在一示例性实施例中,j越大,SnDj的距离权重越大。其中,m大于等于1且小于等于N2。其中,对任一传感器,最短距离SnDj越小,相应的第一权重值越大;
其中,Wj为SnDj的距离权重,Qn为传感器n的传感器类型权重,即传感器n的第一权重值与最短距离SnDj,j为m至N2、距离权重和传感器类型权重有关。不同的传感器中,传感器类型权重越大,其第一权重值越大在一示例性实施例中,距离权重,传感器类型权重均相同时,或者,不设置距离权重,传感器类型权重时,
在一示例性实施例中,根据每个传感器的第一时段内的点迹数据确定该传感器的点迹数据对应的滤波权重值包括:
根据每个传感器的N2个最短距离确定该传感器的第一权重值;可参考前一实施例确定该传感器的第一权重值,此处不再赘述;
将所述第一时段划分为多个融合时段,对任一融合时段,选择该融合时段内的全部或部分点迹数据形成有效数据集合,对该有效数据集合中的任一有效数据(即有效数据集合中的点迹数据,称为有效数据),根据有效数据集合的点迹数据确定该有效数据的第二权重值;根据所述第一权重值和该有效数据的所述第二权重值确定该有效数据的滤波权重值;
所述使用卡尔曼滤波对所述航速航向数据进行滤波,得到滤波后的航速航向数据包括:使用卡尔曼滤波对由有效数据得到的航速航向数据进行滤波,得到滤波后的航速航向数据。
在一示例性实施例中,根据有效数据集合的点迹数据确定第二权重值包括:对所述有效数据集合中的点迹数据进行时间偏差纠正后,根据进行时间偏差纠正后的点迹数据确定第二权重值。
在一示例性实施例中,根据所述第一权重值和所述第二权重值确定该有效数据的滤波权重值包括:
滤波权重值=当前有效数据的第二权重值*(当前有效数据所属的传感器的第一权重值/所有传感器的第一权重值之和)。
在一示例性实施例中,所述根据有效数据集合的点迹数据确定该有效数据的第二权重值包括:
根据有效数据集合确定在时间、经度信息、纬度信息构成的坐标系中的第二时间位置曲线,对该有效数据集合中的任一有效数据,获取该有效数据到第二时间位置曲线的最短距离称为第一距离,获取该有效数据的时间信息,确定所述时间信息下由卡尔曼滤波推算出的所述目标的预测位置,确定所述预测位置到所述第二时间位置曲线的最短距离即为第二距离,将第一距离与第二距离的比值作为该有效数据的第二权重值。比如,有效数据集合中包括4个点迹数据分别为S1,S2,S3,S4,进行时间纠正后的时间分别为t1,t2,t3,t4,且t1<t2<t3<t4,使用S1,S2,S3,S4进行拟合,得到第二时间位置曲线,对有效数据S1,确定S1到第二时间位置曲线的最短距离即第一距离S11,根据前一次卡尔曼滤波得到的t0时刻的位置信息,以及,t0时刻的航速航向数据,得到t1时刻(S1对应的时间)的位置信息,即预测位置,确定该预测位置到第二时间位置曲线的最短距离即为第二距离S12,第一距离S11与第二距离S12的比值即为有效数据S1的第二权重值,再根据有效数据S1对应的传感器的第一权重值,可以得到有效数据S1的滤波权重值,使用该滤波权重值进行卡尔曼滤波。对第二个有效数据S2,确定S2到第二时间位置曲线的最短距离即第一距离S21,根据前一次卡尔曼滤波得到的t1时刻的位置信息,以及,t1时刻的航速航向数据,得到t2时刻(S2对应的时间)的位置信息,即t2时刻的预测位置,确定该预测位置到第二时间位置曲线的最短距离即为第二距离S22,第一距离S21与第二距离S22的比值即为有效数据S2的第二权重值,再根据有效数据S2对应的传感器的第一权重值,可以得到有效数据S2的滤波权重值,使用该滤波权重值进行卡尔曼滤波。依次类推,直到完成有效数据S4的卡尔曼滤波,得到时刻t4的航速航向数据以及预测位置,如果需要前推一段时间,可以根据时刻t4的航速航向数据以及预测位置、前推时间得到前推位置。
在一示例性实施例中,所述选择该融合时段内的全部或部分点迹数据形成有效数据集合包括:对所述融合时段内的点迹数据根据所述时间偏差进行纠正,确定每个点迹数据的纠正后的时间,选择纠正后的时间仍在所述融合时段内的点迹数据;且,进行时间偏差纠正后,所述融合时段内同一传感器存在多个点迹数据时,对同一传感器的多个点迹数据进行拟合(比如最小二乘拟合)得到拟合线,选择距离该拟合线最近且彼此分布尽可能远的两个点迹数据;将所选点迹数据放入有效数据集合。比如,融合时段为第一时段的第一个4s时,获取第一时段内的第0至第4s中的点迹数据,进行时间偏差纠正,如果存在点迹数据的纠正后的时间落入0~4s外的时间段,则去除该点迹数据,剩下的点迹数据中,如果同一传感器存在多个点迹数据时,对同一传感器的多个点迹数据进行拟合(比如最小二乘拟合)得到拟合线,选择距离该拟合线最近且彼此分布尽可能远的两个点迹数据,将所选的点迹数据放入有效数据集合,如果同一传感器的点迹数据不超过两个,则直接放入有效数据集合即可。本实施例提供的方案,可以获取单个传感器中最优的数据,可以提高卡尔滤波鲁棒性。在另一实施例中,可以对点迹数据进行时间偏差纠正后,获取落在融合时段内的点迹数据,该融合时段内同一传感器存在多个点迹数据时,对同一传感器的多个点迹数据进行拟合(比如最小二乘拟合)得到拟合线,选择距离该拟合线最近且彼此分布尽可能远的两个点迹数据,放入有效数据集合,当同一传感器存在不多于2个点迹数据时,直接将该传感器的点迹数据放入有效数据集合。同一传感器选择不多于两个点迹数据仅为示例,在其他实施例中,可以选择多个点迹数据。
在一示例性实施例中,所述使用卡尔曼滤波对所述航速航向数据进行滤波包括:使用αβ卡尔曼滤波对所述航速航向数据进行滤波,前一次滤波得到的航速航向数据的权重值为β,当前点迹数据得到的航速航向数据的权重值即前述滤波权重值为α,且α+β=1。在另一实施例中,α+β可以为1之外的其他值,为1时其滤波效果较好。本实施例中,αβ卡尔曼滤波采用动态权重方式,通过不同传感器以及其数据,快速收敛推导出的数据误差。
卡尔曼滤波过程比如为:
根据第一时段内的点迹数据,确定每个传感器的第一权重值;
对每个融合时段,比如第一时段为1分钟,融合时段为4s时,获取每4s的点迹数据,首先获取第一个4s的点迹数据,进行处理得到有效数据集合,假设有效数据集合中包括4个数据分别为S1,S2,S3,S4,进行时间纠正后的时间分别为t1,t2,t3,t4,前一次卡尔曼滤波为时刻t0,其输出滤波后的航速航向数据,以及,t0时刻的预测位置S0’;
取第一个数据S1,计算S1的权重α1(通过S1所属的传感器的第一权重值和以及S1的第二权重值计算得到,参考前述实施例的说明,不再赘述),根据S1与t0时刻的位置S0’计算得到当前的航速航向数据,将该航速航向数据(权重值为α1)与前一次输出的滤波后的航速航向数据(权重值为β1,比如为β1=1-α1)进行卡尔曼滤波,得到新的航速航向数据,根据该新的航速航向数据以及之前的位置S0’得到t1时刻的预测位置S1’,输出预测位置S1’以及新的航速航向数据。
取第二个数据S2,计算S2的权重α2,得到根据S2和S1’得到当前的航速航向数据,将该航速航向数据(权重值为α2)与前一次输出的滤波后的航速航向数据(权重值为β2,比如为β2=1-α2)进行卡尔曼滤波,得到新的航速航向数据,根据该新的航速航向数据以及之前的位置S1’得到t2时刻的预测位置S2’,输出预测位置S2’以及新的航速航向数据;依次类推,取第三个数据S3和S4,得到t4时刻的预测位置S4’,输出预测位置S4’以及新的航速航向数据;如果需要前推,比如,t4时刻不是第4秒,需要前推到第4s时,根据预测位置S4’以及新的航速航向数据以及t4与4s的时间差,得到前推位置。获取下一个融合时段的点迹数据,同上处理方式,不再赘述。
在另一实施例中,可以不使用αβ卡尔曼滤波,以第一个数据S1为例,计算S1的权重α1(通过S1所属的传感器的第一权重值和以及S1的第二权重值计算得到,参考前述实施例的说明,不再赘述),根据S1与t0时刻的位置S0’计算得到当前的航速航向数据,将该航速航向数据(权重值为α1)与前一次输出的滤波后的航速航向数据(使用固定权重值)进行卡尔曼滤波,得到新的航速航向数据,根据该新的航速航向数据以及之前的位置S0’得到t1时刻的预测位置S1’,输出预测位置S1’以及新的航速航向数据。
在一示例性实施例中,所述α,β取值范围均为0.3至0.7,当计算得到的滤波权重值大于0.7时,取0.7作为滤波权重值,当计算得到的滤波权重值小于0.3时,取0.3作为滤波权重值。0.3~0.7相当于正态分布在一个标准差范围内数据,通过此值的限制,可以支持数据权重较大的值,保证航空器的机动性;同时可以在存在噪音数据时,把标准差范围外的数据的噪音降低到最小。本实施例中,限制了权重比的范围,保证了结果的鲁棒性。在另一实施例中,α,β取值范围可以是0.3至0.7之外的值。
本实施例中,点迹数据可以采用JSON化的数据格式来支持多元化的数据接入。在一示例性实施例中,数据格式可以如下:
{
“ssr_id”:XX,传感器识别号,在接入中对不同的传感器使用不同的编号
“tod”:XX,//数据接收时间,单位毫秒,在接入中自动添加此时间
“lat”:XX,//纬度,单位度,若不存在或者验证无效,此项不填写
“lon”:XX,//经度,单位度,若不存在或者验证无效,此项不填写
“alt”:XX,//高度,单位米,若不存在或者验证无效,此项不填写;超过报文允许的最大高度,使用负数表示
“mode3A”:XX,//二次雷达A模式的代码,若不存在或者验证无效,此项不填写
“callSign”:XX,//航空器呼号/航班号,若不存在或者验证无效,此项不填写
“addr24”:XX,//24位地址码,使用10进制的整数表示,若不存在或者验证无效,此项不填写
“trace_no”:XX//传感器自定义航迹号,若是没有生成航迹号,则不填写
}
上述内容仅为示例,可以根据需要增减内容。另外,可以使用JSON化的数据格式,本申请实施例对此不作限定。
本实施例中,接入JSON格式的数据,支持传统空管监视传感器、新型的监视源的融合能力,提供了广域融合能力。
下面通过一示例对技术方案进行说明。
本实施例中,第一时段为一分钟,融合时段为4s。获取最近1分钟内单个传感器的至少8个相对均匀且均匀性偏差不超过15%的点迹数据,通过最小二乘算法,获得拟合线,即第一时间位置曲线,并确定单个传感器下航迹的航速和航向,也可以通过机器学习算法(决策树、随机森林算法、梯度提升树以及神经网络算法)或卡尔曼滤波算法来代替最小二乘算法拟合线,反算航空器在此1分钟内每4秒的位置,为了更精确或者稍微粗略情况下,可以更改反采样的频率。多航迹对齐就是对反采样的位置数据进行最小二乘拟合得到位置拟合线,通过位置拟合线获得在一分钟内的位置相对均匀15个位置点,进而通过15个位置点计算距离各个传感器的第一时间位置曲线的最近位置(最近点)及其距离SnDi(例如传感器S1的15个位置点最近距离S1D1~S1D15)并计算出在其传感器下的相对时间,通过和系统时间比较,确定各个传感器的相对时间和系统时间差。
确定传感器n的第一权重值:
通过时间对齐中的15个最近距离中的后6个SnDi,1-SnD10/MAX(SnD10,…,SnD15),1-SnD11/MAX(SnD10,…,SnD15),…,1-SnD15/MAX(SnD10,…,SnD15),权重值W10至W15分别为1,2,4,8,16,32,Qn为传感器n的类型权重值,则:
确定第二权重值:
融合时段为4秒,获取最近4秒内所有点迹,进行过滤操作,获得有效数据集合;其中,所述过滤操作可以包括:通过在时间对齐中获得各个传感器和系统的时间偏差,确定各个点迹在系统的时间。若是时间早于当前融合时段,则忽略本数据;若晚于当前融合时段,则作为遗留数据作为下个融合时段的数据使用,剩余的数据中每个传感器最多采集2条,若存在单个传感器数据很多,则先采用最小二乘算法对此传感器的数据拟合,获取距离拟合线最近且彼此位置尽可能的远的两个点;
对有效数据集合中的点迹数据做最小二乘拟合得到第二时间位置拟合线,计算有效数据集合中每个有效数据到第二时间位置拟合线的最短距离SnFilterDistance,n代表有效数据所属的传感器的编号。
第二权重值=SnFilterDistance/KMFilterDistance[t],其中KMFilterDistance[t]表示当前有效数据所属的时间对应的卡尔曼滤波推算出的预测位置与第二时间位置拟合线的最短距离;
根据第二权重值和当前有效数据所属的第一权重值得到获得当前有效数据的滤波权重值。
αβ卡尔曼滤波实现:
对融合时段内的每个有效数据,对本次需要滤波的有效数据进行时间纠偏以及结合上次αβ卡尔曼滤波数据计算出传感器数据的航速和航向,然后使用卡尔曼滤波结合权重进行数据的滤波,计算出αβ卡尔曼滤波后的新航速航向,然后通过上次滤波后的位置点以及当前时刻与前一次滤波的时刻的差值,计算出当前时刻的位置;
把所有的有效数据依次滤波完成,然后根据最后一次滤波后位置、系统时间、航速航向、需要前推的时间,计算出前推位置,然后把当前位置、前推位置和航速航向作为数据服务提供出来。
本申请实施例中,即使传感器个数存在变化,通过传感器类型、最近一段时间内数据计算出传感器第一权重值以及各传感器在待融合的时段内第二权重值,计算出滤波权重值,减低偏离数据的权重,实现传感器在增减进而使得数据本身在融合的占比中修正,提高航迹精确性。
本申请实施例提供的方案,同样适用于基于多类传感器定位的精密电子产品领域在基于时间不同步传感器个数时刻变化的情景。
如图2所示,本申请实施例提供一种航迹处理装置20,包括存储器210和处理器220,所述存储器210存储有程序,所述程序在被所述处理器220读取执行时,实现任一实施例所述的航迹处理方法。
如图3所示,本申请实施例提供一种计算机可读存储介质30,所述计算机可读存储介质30存储有一个或者多个程序40,所述一个或者多个程序40可被一个或者多个处理器执行,以实现任一实施例所述的航迹处理方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
Claims (12)
1.一种航迹处理方法,包括:
获取第一时段内多个传感器对同一目标的点迹数据;
根据每个传感器的第一时段内的点迹数据确定该传感器的点迹数据对应的滤波权重值;
对第一时段内的所述点迹数据,将所述点迹数据对应的滤波权重值作为根据该点迹数据得到的航速航向数据的权重值,使用卡尔曼滤波对所述航速航向数据进行滤波,得到滤波后的航速航向数据,根据滤波后的航速航向数据确定所述目标的当前位置,以及,根据所述当前位置、所述航速航向数据和需要前推的时间确定前推位置。
2.根据权利要求1所述的航迹处理方法,其特征在于,
所述点迹数据包括经度信息、纬度信息和接收时间;
所述根据每个传感器的第一时段内的点迹数据确定该传感器的点迹数据对应的滤波权重值包括:
对每个传感器,根据该传感器第一时段内的点迹数据获得第一时段内在时间、经度信息、纬度信息构成的坐标系中的第一时间位置曲线;将所述第一时间位置曲线按时间进行均分,得到N1个时间均分点,获取该N1个时间均分点的经度信息、纬度信息;
将全部传感器的时间均分点按照经度信息和纬度信息进行拟合,得到位置拟合线,将所述位置拟合线按长度进行均分,得到N2个位置均分点,该N2个位置均分点将所述位置拟合线划分为长度相同的多个线段;
根据该N2个位置均分点的经度信息和纬度信息获得在时间、经度信息、纬度信息构成的坐标系中的N2条直线,获取该N2条直线中每条直线与每个传感器的第一时间位置曲线的最短距离;
根据每个传感器的所述N2个最短距离确定该传感器的第一权重值,将所述第一权重值作为该传感器的点迹数据对应的滤波权重值。
3.根据权利要求1所述的航迹处理方法,其特征在于,
所述点迹数据包括经度信息、纬度信息和接收时间;
根据每个传感器的第一时段内的点迹数据确定该传感器的点迹数据对应的滤波权重值包括:
对每个传感器,根据该传感器第一时段内的点迹数据获得第一时段内在时间、经度信息、纬度信息构成的坐标系中的第一时间位置曲线;将所述第一时间位置曲线按时间进行均分,得到N1个时间均分点,获取该N1个时间均分点的经度信息和纬度信息;
将全部传感器的时间均分点按照经度信息和纬度信息进行拟合,得到位置拟合线,将所述位置拟合线按长度进行均分,得到N2个位置均分点,该N2个位置均分点将所述位置拟合线划分为长度相同的多个线段;
根据该N2个位置均分点的经度信息和纬度信息获得在时间、经度信息、纬度信息构成的坐标系中的N2条直线,获取该N2条直线中每条直线与每个传感器的第一时间位置曲线的最短距离;
根据每个传感器的所述N2个最短距离确定该传感器的第一权重值;
将所述第一时段划分为多个融合时段,对任一融合时段,选择该融合时段内的全部或部分点迹数据形成有效数据集合,对该有效数据集合中的任一有效数据,根据有效数据集合中的点迹数据确定该有效数据的第二权重值;根据所述第一权重值和该有效数据的所述第二权重值确定该有效数据的滤波权重值;
所述使用卡尔曼滤波对所述航速航向数据进行滤波,得到滤波后的航速航向数据包括:使用卡尔曼滤波对由有效数据得到的航速航向数据进行滤波,得到滤波后的航速航向数据。
4.根据权利要求3所述的航迹处理方法,其特征在于,所述方法还包括:获取该N2条直线中每条直线与每个传感器的第一时间位置曲线的最短距离时,还获取每个传感器的第一时间位置曲线上与所述直线的距离最短的点称为最近点,根据不同传感器与同一条直线的最近点的时间确定不同传感器的时间偏差,根据所述时间偏差对所述点迹数据进行时间偏差纠正;
所述根据有效数据集合的点迹数据确定第二权重值包括:对所述有效数据集合中的点迹数据进行时间偏差纠正后,根据进行时间偏差纠正后的点迹数据确定第二权重值。
5.根据权利要求4所述的航迹处理方法,其特征在于,所述选择该融合时段内的全部或部分点迹数据形成有效数据集合包括:对所述融合时段内的点迹数据根据所述时间偏差进行纠正,确定每个点迹数据的纠正后的时间,选择纠正后的时间仍在所述融合时段内的点迹数据;且,进行时间偏差纠正后,所述融合时段内同一传感器存在多个点迹数据时,对同一传感器的多个点迹数据进行拟合得到拟合线,选择距离该拟合线最近且彼此分布尽可能远的两个点迹数据;将所选点迹数据放入有效数据集合。
6.根据权利要求3所述的航迹处理方法,其特征在于,所述根据所述第一权重值和该有效数据的所述第二权重值确定该有效数据的滤波权重值包括:
滤波权重值=当前有效数据的第二权重值*(当前有效数据所属的传感器的第一权重值/所有传感器的第一权重值之和)。
7.根据权利要求3至6任一所述的航迹处理方法,其特征在于,所述根据有效数据集合的点迹数据确定第二权重值包括:
根据有效数据集合中的有效数据确定在时间、经度信息、纬度信息构成的坐标系中的第二时间位置曲线,对该有效数据集合中的任一有效数据,获取该有效数据到第二时间位置曲线的最短距离称为第一距离,获取该有效数据的时间信息,确定所述时间信息下由卡尔曼滤波推算出的所述目标的预测位置,确定所述预测位置到所述第二时间位置曲线的最短距离即为第二距离,将第一距离与第二距离的比值作为该有效数据的第二权重值。
8.根据权利要求2至6任一所述的航迹处理方法,其特征在于,所述根据每个传感器的所述N2个最短距离确定该传感器的第一权重值包括:
第n个传感器的N2个最短距离分别为SnDi,所述i=1至N2,n=1至N,N为传感器的数量,且i越大,SnDi对应的该传感器的第一时间位置曲线上的时间点的时间越大;
根据SnDj,j为m至N2,预设的SnDj的距离权重,以及,预设的所述传感器n的传感器类型权重确定所述第一权重值;其中,j越大,SnDj的距离权重越大,所述m大于等于1且小于等于N2。
9.根据权利要求1至6任一所述的航迹处理方法,其特征在于,所述使用卡尔曼滤波对所述航速航向数据进行滤波包括:使用αβ卡尔曼滤波对所述航速航向数据进行滤波,所述滤波权重值为α,前一次滤波得到的航速航向数据的权重值为β,且α+β=1。
10.根据权利要求9所述的航迹处理方法,其特征在于,所述α,β取值范围均为0.3至0.7,当计算得到的滤波权重值大于0.7时,取0.7作为滤波权重值,当计算得到的滤波权重值小于0.3时,取0.3作为滤波权重值。
11.一种航迹处理装置,其特征在于,包括存储器和处理器,所述存储器存储有程序,所述程序在被所述处理器读取执行时,实现如权利要求1至10任一所述的航迹处理方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至10任一所述的航迹处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010878621.5A CN112051573A (zh) | 2020-08-27 | 2020-08-27 | 一种航迹处理方法及装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010878621.5A CN112051573A (zh) | 2020-08-27 | 2020-08-27 | 一种航迹处理方法及装置、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112051573A true CN112051573A (zh) | 2020-12-08 |
Family
ID=73600352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010878621.5A Pending CN112051573A (zh) | 2020-08-27 | 2020-08-27 | 一种航迹处理方法及装置、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112051573A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115041483A (zh) * | 2022-06-13 | 2022-09-13 | 合肥仁洁智能科技有限公司 | 一种清扫机器人及其控制方法 |
CN115331488A (zh) * | 2022-10-13 | 2022-11-11 | 湖南省通用航空发展有限公司 | 通用航空器的数据处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5451960A (en) * | 1994-06-10 | 1995-09-19 | Unisys Corporation | Method of optimizing the allocation of sensors to targets |
JPH09257933A (ja) * | 1996-03-21 | 1997-10-03 | Mitsubishi Electric Corp | 測距装置 |
JP2005091279A (ja) * | 2003-09-19 | 2005-04-07 | Mitsubishi Electric Corp | センサ管理装置及びセンサ管理方法 |
FR3018383A1 (fr) * | 2014-03-07 | 2015-09-11 | Airbus Operations Sas | Procede et dispositif de determination de parametres de navigation d'un aeronef lors d'une phase d'atterrissage. |
CN110501006A (zh) * | 2019-08-29 | 2019-11-26 | 电子科技大学 | 一种异类传感器联合航迹关联与跟踪方法 |
CN110673148A (zh) * | 2019-10-25 | 2020-01-10 | 海鹰企业集团有限责任公司 | 一种主动声纳目标实时航迹解算方法 |
-
2020
- 2020-08-27 CN CN202010878621.5A patent/CN112051573A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5451960A (en) * | 1994-06-10 | 1995-09-19 | Unisys Corporation | Method of optimizing the allocation of sensors to targets |
JPH09257933A (ja) * | 1996-03-21 | 1997-10-03 | Mitsubishi Electric Corp | 測距装置 |
JP2005091279A (ja) * | 2003-09-19 | 2005-04-07 | Mitsubishi Electric Corp | センサ管理装置及びセンサ管理方法 |
FR3018383A1 (fr) * | 2014-03-07 | 2015-09-11 | Airbus Operations Sas | Procede et dispositif de determination de parametres de navigation d'un aeronef lors d'une phase d'atterrissage. |
CN110501006A (zh) * | 2019-08-29 | 2019-11-26 | 电子科技大学 | 一种异类传感器联合航迹关联与跟踪方法 |
CN110673148A (zh) * | 2019-10-25 | 2020-01-10 | 海鹰企业集团有限责任公司 | 一种主动声纳目标实时航迹解算方法 |
Non-Patent Citations (3)
Title |
---|
ZHANG HAI-CHAO;QIU HONG-ZHUAN: "Weighted Kalman filter: Method", PROCEEDINGS OF 2004 CHINESE CONTROL AND DECISION CONFERENCE, pages 239 - 243 * |
吴显亮;官慧峰;尹良泽;: "多雷达系统数据融合与航迹预测", 数学的实践与认识, no. 15, pages 162 - 175 * |
张倩;欧壮杰;贺华;: "基于卡尔曼滤波的数据融合技术在系统航迹中的研究与应用", 航空科学技术, no. 01, pages 16 - 20 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115041483A (zh) * | 2022-06-13 | 2022-09-13 | 合肥仁洁智能科技有限公司 | 一种清扫机器人及其控制方法 |
CN115331488A (zh) * | 2022-10-13 | 2022-11-11 | 湖南省通用航空发展有限公司 | 通用航空器的数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113108791B (zh) | 一种导航定位方法及导航定位设备 | |
US9223007B2 (en) | Kalman filtering with indirect noise measurements | |
CN112051573A (zh) | 一种航迹处理方法及装置、存储介质 | |
CN111077549B (zh) | 位置数据修正方法、装置和计算机可读存储介质 | |
US10139253B2 (en) | Adjustment of interrupt timestamps of signals from a sensor based on an estimated sampling rate of the sensor | |
CN101711369A (zh) | 位置跟踪设备和方法 | |
CN111788851B (zh) | 车辆和用于控制车辆的方法 | |
JP2003536077A (ja) | 適応gps/ins統合システム | |
KR20180052075A (ko) | 항법 시스템 | |
CN101009925B (zh) | 定位技术 | |
US8880001B1 (en) | Collaborative positioning, navigation and timing | |
CN113301508B (zh) | 一种飞行器位置估计、欺骗检测的方法 | |
CN112902989B (zh) | 数据误差标定方法、装置、电子设备和存储介质 | |
CN109690248B (zh) | 用于确定与移动设备的估计海拔相关联的海拔误差值的系统和方法 | |
US9223006B2 (en) | Method and device for localizing objects | |
US20040109475A1 (en) | Method for locating and tracking communication units in a synchronous wireless communication system | |
CN107272038B (zh) | 一种高精度定位的方法及设备 | |
CN113504796B (zh) | 无人机轨迹处理方法、装置、电子设备和存储介质 | |
CN109889983A (zh) | 一种室内定位方法、装置、设备和系统 | |
CN116182873B (zh) | 室内定位方法、系统及计算机可读介质 | |
JP5924280B2 (ja) | 車間距離演算装置 | |
KR20150075143A (ko) | 위치 오차 보정 장치 및 그 방법 | |
CN104792336B (zh) | 一种飞行状态测量方法及装置 | |
CN114111767A (zh) | 基于多信息融合对线路设计线型进行优化的方法 | |
CN115903443B (zh) | 用于卫星的时间校准系统及方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240119 Address after: No. 301 Weigou (East Campus), Chaoyang District, Beijing, 100015 Applicant after: Civil Aviation Air Traffic Control Technology and Equipment Development Co.,Ltd. Address before: 100192 802, block B, science and technology wealth center, 8 Xueqing Road, Haidian District, Beijing Applicant before: AERO-INFO TECHNOLOGIES Co.,Ltd. |
|
TA01 | Transfer of patent application right |