CN113589239B - 一种雷达测量数据精度容错估计方法 - Google Patents
一种雷达测量数据精度容错估计方法 Download PDFInfo
- Publication number
- CN113589239B CN113589239B CN202110742235.8A CN202110742235A CN113589239B CN 113589239 B CN113589239 B CN 113589239B CN 202110742235 A CN202110742235 A CN 202110742235A CN 113589239 B CN113589239 B CN 113589239B
- Authority
- CN
- China
- Prior art keywords
- fault
- tolerant
- measurement data
- radar
- square
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000009897 systematic effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 abstract description 11
- 238000012896 Statistical algorithm Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开的一种雷达测量数据精度容错估计方法,包括采集雷达跟踪测量数据;建立最小二乘法估计模型,统计随机误差;在最小二乘法估计模型基础上引入容错算子,得到雷达设备精度鉴定结果。本发明一种雷达测量数据精度容错估计方法,针对雷达设备采样信息中的异常数据,对传统最小二乘统计算法进行容错改进,建立容错最小二乘算法,使之具有在含有异常数据情况下依然能够安全可靠运行的容错能力。
Description
技术领域
本发明属于航天测量与控制方法技术领域,具体涉及一种雷达测量数据精度容错估计方法。
背景技术
雷达是一种国际通用的航天测控设备,作为航天器主动段飞行试验任务中主要的测控设备,承担着从运载器起飞到星箭分离弧段的跟踪测量任务,其设备跟踪精度的优劣直接关系到后续任务运载器性能的改进和定型。随着我国航天技术的发展,测控网对雷达系统的测量精度要求越来越高,因此,经常对雷达系统设备精度进行鉴定,提高其测量结果可靠性,是外测数据处理需要认真考虑和解决的问题。
对雷达设备精度的鉴定包括对设备系统误差和随机误差的鉴定,设备系统误差的鉴定已有一套比较成熟的方法,如误差模型最佳弹道估计方法、系统误差分离方法等;而对于雷达设备随机误差的鉴定,典型的方法有最小二乘拟合残差法和变量差分法。需要说明的是,由于变量差分方法只适用于观测数据随机误差序列为白噪声的情况,对于复杂误差噪声序列,会造成统计结果失真,因此,目前外测数据处理中常采用最小二乘拟合残差方法进行测量数据的随机误差统计。
然而,在实际采样过程中,由于环境干扰、设备跟踪性能等因素的影响,雷达跟踪测量数据中会不同程度地存在异常数据,如果不对这些异常数据进行处理,会对雷达设备的精度鉴定产生很大的影响,造成雷达鉴定结果的偏颇和失真。
发明内容
本发明的目的在于提供一种雷达测量数据精度容错估计方法,解决了现有异常数据造成雷达鉴定结果的偏颇和失真的问题。
本发明所采用的技术方案是:一种雷达测量数据精度容错估计方法,包括以下步骤:
步骤1、采集雷达跟踪测量数据;
步骤2、基于步骤1中采集到的数据建立最小二乘法估计模型,统计随机误差;
步骤3、在步骤2中建立的最小二乘法估计模型基础上引入容错算子,得到雷达设备精度鉴定结果。
本发明的特点还在于,
步骤1具体包括:在等间隔采样点t1、t2、…、tN进行数据采样,得到一组雷达跟踪测量数据x1、x2、…、xN,记为序列{xi}。
步骤2具体包括以下步骤:
步骤2.1、建立最小二乘法估计模型:
xi=yi+εi,i=1,2,…,N (1)
式(1)中,yi为真值与系统误差之和,εi为随机误差,N为采样点数;
步骤2.2、将式(1)表示成一个m阶时间多项式(2):
且满足:
步骤2.3、统计随机误差的均方差公式:
步骤3具体为对雷达跟踪测量数据的任意局部弧段进行容错曲线拟合,得到精度的容错估计和批处理式总量估计算法。
步骤3具体包括以下步骤:
步骤3.1、对雷达跟踪测量数据的任意局部弧段进行容错曲线拟合:
其中,p为多项式拟合阶数,则拟合系数的容错估计为
式中
步骤3.2、得到精度的容错估计
和批处理式总量估计算法
上式中s为滑动窗口半点数;c(ti)为时变门限指标。
本发明的有益效果是:本发明一种雷达测量数据精度容错估计方法,针对雷达设备采样信息中的异常数据,对传统最小二乘统计算法进行容错改进,建立容错最小二乘算法,使之具有在含有异常数据情况下依然能够安全可靠运行的容错能力。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
本发明提供了一种雷达测量数据精度容错估计方法,包括以下步骤:
1、最小二乘估计建模
在等间隔采样点t1、t2、…、tN进行数据采样,得到一组观测数据x1、x2、…、xN,记为{xi},序列{xi}可以用下式表示:
xi=yi+εi,i=1,2,…,N (1)
式中,yi为真值与系统误差之和,εi为随机误差,N为采样点数。
由上面描述的数学原理,可将式(1)表示成一个m阶时间多项式:
且满足:
则可定义均方差为
式(5)即为随机误差的均方差公式。
2、容错估计改进
从式(5)可以看出,当测量数据中存在明显偏大或偏小的异常值时,会导致统计结果的失真,为此,本发明在传统最小二乘算法的基础上,引入容错思想,建立容错最小二乘算法。
具体地,对测量数据的任意局部弧段进行容错曲线拟合
其中,p为多项式拟合阶数,则拟合系数的容错估计为
式中
进而得到精度的容错估计
和批处理式总量估计算法
其中s为滑动窗口半点数,c(ti)为时变门限指标,比较式(5)和(9)可以发现,本发明提出的算法增加了容错算子,从而保证了数据异常情况下仍能准确统计出结果,而不会导致统计结果的失真。
实施例
以某次发射跟踪任务测量数据的处理为例,在此次任务中,该雷达方位角数据在177秒~191秒出现异常,为连续15个点的斑点型异常数据。结合公式(8)得到雷达测量数据精度计算结果如下(只给出部分计算结果,其中T为相对时,单位为秒;σA为雷达方位角计算精度,单位为角秒):
Claims (1)
1.一种雷达测量数据精度容错估计方法,其特征在于,包括以下步骤:
步骤1、采集雷达跟踪测量数据;具体包括:在等间隔采样点t1、t2、…、tN进行数据采样,得到一组雷达跟踪测量数据x1、x2、…、xN,记为序列{xi};
步骤2、基于步骤1中采集到的数据建立最小二乘法估计模型,统计随机误差;具体包括以下步骤:
步骤2.1、建立最小二乘法估计模型:
xi=yi+εi,i=1,2,…,N (1)
式(1)中,yi为真值与系统误差之和,εi为随机误差,N为采样点数;
步骤2.2、将式(1)表示成一个m阶时间多项式(2):
且满足:
其中,为方差,令
因此,当N>m+1,应用最小二乘统计估计出系数a,记作
进而得到雷达跟踪测量数据xi的估计值
步骤2.3、统计随机误差的均方差公式:
步骤3、在步骤2中建立的最小二乘法估计模型基础上引入容错算子,得到雷达设备精度鉴定结果;具体为对雷达跟踪测量数据的任意局部弧段进行容错曲线拟合,得到精度的容错估计和批处理式总量估计算法;包括以下步骤:
步骤3.1、对雷达跟踪测量数据的任意局部弧段进行容错曲线拟合:
其中,p为多项式拟合阶数,则拟合系数的容错估计为
式中
步骤3.2、得到精度的容错估计
和批处理式总量估计算法
上式中s为滑动窗口半点数;c(ti)为时变门限指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110742235.8A CN113589239B (zh) | 2021-06-30 | 2021-06-30 | 一种雷达测量数据精度容错估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110742235.8A CN113589239B (zh) | 2021-06-30 | 2021-06-30 | 一种雷达测量数据精度容错估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113589239A CN113589239A (zh) | 2021-11-02 |
CN113589239B true CN113589239B (zh) | 2023-05-16 |
Family
ID=78245606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110742235.8A Active CN113589239B (zh) | 2021-06-30 | 2021-06-30 | 一种雷达测量数据精度容错估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113589239B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235291B (zh) * | 2013-04-24 | 2014-12-10 | 四川九洲空管科技有限责任公司 | 一种航迹滤波的方法 |
CN109048893A (zh) * | 2018-07-27 | 2018-12-21 | 浙江工业大学 | 一种基于单目rgb相机的机械臂定位方法 |
CN110058205B (zh) * | 2019-05-24 | 2023-03-14 | 中国人民解放军陆军炮兵防空兵学院郑州校区 | 一种基于迭代最近点算法的警戒雷达系统误差校正方法 |
CN110543720B (zh) * | 2019-09-03 | 2021-06-08 | 北京交通大学 | 基于sdae-elm伪量测模型的状态估计方法 |
CN111693962B (zh) * | 2020-06-18 | 2023-03-14 | 中国人民解放军空军研究院战略预警研究所 | 一种基于交叉检验的目标运动模型估计方法 |
CN111985077B (zh) * | 2020-07-10 | 2024-03-22 | 西安理工大学 | 一种航天器外弹道跟踪数据斑点型野值识别和修正方法 |
-
2021
- 2021-06-30 CN CN202110742235.8A patent/CN113589239B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113589239A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110058205B (zh) | 一种基于迭代最近点算法的警戒雷达系统误差校正方法 | |
CN114609912B (zh) | 基于伪线性最大相关熵卡尔曼滤波的仅测角目标追踪方法 | |
CN107688179B (zh) | 基于多普勒信息辅助的综合概率数据互联方法 | |
CN110375772B (zh) | 自适应卡尔曼滤波的环形激光器随机误差建模与补偿方法 | |
CN108960334B (zh) | 一种多传感器数据加权融合方法 | |
CN110231620B (zh) | 一种噪声相关系统跟踪滤波方法 | |
CN110188810A (zh) | 一种基于密度聚类的在线野值检测、识别与修正方法 | |
CN111259332B (zh) | 一种杂波环境下的模糊数据关联方法及多目标跟踪方法 | |
CN113589239B (zh) | 一种雷达测量数据精度容错估计方法 | |
CN109856623B (zh) | 一种针对多雷达直线航迹线的目标状态估计方法 | |
CN112906213B (zh) | 一种机载电子设备剩余寿命自适应预测方法 | |
CN112068092B (zh) | 一种用于高精度弹道实时定轨的抗差加权观测融合平方根ukf滤波方法 | |
CN111624549B (zh) | 非共视条件下无源滤波跟踪方法 | |
CN112255612A (zh) | 一种雷达航迹随机抖动性评估方法 | |
CN109656271B (zh) | 一种基于数据关联思想的航迹软关联方法 | |
CN112229406A (zh) | 一种多余度引导全自动着陆信息融合方法及系统 | |
CN109188422B (zh) | 一种基于lu分解的卡尔曼滤波目标跟踪方法 | |
CN109375160B (zh) | 纯方位无源定位中一种测角误差估计方法 | |
CN112747773B (zh) | 基于Allan方差和随机多项式提高陀螺仪精度的方法 | |
CN112710306A (zh) | 列车用bds与ins组合导航的自定位方法 | |
CN112880659B (zh) | 一种基于信息概率的融合定位方法 | |
CN109856624B (zh) | 一种针对单雷达直线航迹线的目标状态估计方法 | |
CN114690227A (zh) | 基线模糊度检核方法、装置、设备及存储介质 | |
CN112965965A (zh) | 一种基于模糊预测系统的野值剔除方法、系统及计算机相关产品 | |
CN113640789A (zh) | 一种光电经纬仪与异址雷达联合弹道容错定位方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |