CN113933798A - 一种基于相似性原理的全局传感器系统误差分区配准算法 - Google Patents

Abstract

本发明公开了一种基于相似性原理的全局传感器系统误差分区配准算法，其包括以下步骤：S1、采集多传感器的所有输出航迹；S2、利用航迹空间相似性原理，计算航迹之间的相关性，自动选择用于误差配准的航迹集合；S3、误差配准的航迹集分区；S4、采用遗传算法计算配准的各传感器不同扇区的系统误差；S5、计算全局匹配方差；S6、选择全局方差最小的传感器系统误差进行传感器误差配准，完成基于相似性原理的全局传感器系统误差分区配准算法。本方法针对多传感器融合中的误差配准难题，利用目标航迹的空间相似性原理，采用遗传算法求解各传感器的系统误差，针对传感器各向系统误差的不一致性，利用分区配准，采用全局匹配方差最小准则，实现分区域系统误差精确配准。该算法可广泛应用于多传感器数据融合系统，解决由于传感器系统误差造成的目标相关错误导致的融合航迹多批、漏批等问题，提高了数据融合后态势的准确性。

Description

一种基于相似性原理的全局传感器系统误差分区配准算法

技术领域

本发明专利涉及电子软件领域，具体涉及多传感器系统误差自动配准算法。

背景技术

数据融合成功的先决条件就是要将各传感器的测量数据在配准系统误差后 无误差地变换到一个公共参考坐标系统，如果系统误差未被补偿，系统误差就 会增加航迹跟踪误差，甚至会出现幻影目标，使得整个系统监视性能严重下降。 对数据融合来说，系统误差造成同一目标在不同传感器的航迹之间有较大的偏 差，给航迹关联和综合带来了模糊和困难，使综合得到的系统航迹性能下降， 丧失了多传感器本身应有的特点。因此在对多雷达数据进行处理时需要寻求有 效的系统误差校正算法。

系统误差配准的难点在于：

(1)根据传感器探测数据计算传感器系统误差难度大，存在多个模糊 解，难以准确估计传感器系统误差；

(2)传感器各向误差通常是不一致的，采用统一误差估计配准将导致 配准后难以满足全方位准确配准的需求。

现有的误差配准方法主要由三种：

(1)采用ADS_B等外部设备进行传感器系统误差计算，该方法需要外接 ADS_B设备，同时由于ADS_B不具备准确的时间配准精度低；

(2)利用无人机或其他飞行器作为合作目标进行误差校准，该方法准确度 高，但实施难度大，成本高；

(3)利用传感器数据进行系统误差估计，常用的方法包括最小二乘估计法、 极大似然估计法、实时精度控制法等，这些方法受随机误差影响大， 而且于目标位置密切相关，实际应用中效果不理想，且没有解决传感 器各向误差不一致的问题。

发明内容

专利针对现有技术中的上述不足，本发明提供的基于相似性原理的全局传 感器系统误差分区配准算法通过将传感器划分为不同的扇区，每个扇区分别计 算传感器系统误差，解决解决传感器各向误差不一致；采用相似性原理自动选 择配准航迹集，不需要人工选择配准航迹；采用遗传算法进行系统误差优化求 解，解决系统误差模糊多解问题，提高求解速度。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种基于特征统计的低空雷达虚假航迹综合抑制方法，其包括以下步 骤：

S1、采集多传感器的所有输出航迹；

S2、利用航迹空间相似性原理，计算航迹之间的相关性，自动选择用于误 差配准的航迹集合，避免人工参与选择配准航迹集；

S3、误差配准的航迹集分区；

S4、采用遗传算法各传感器所有扇区系统误差；

S4、计算全局匹配方差；

S6、选择全局匹配方差最小的传感器系统误差进行传感器误差配准，完成 基于相似性原理的全局传感器系统误差分区配准算法。

在多个传感器的公共探测区域内，不同传感器对同一目标的探测估计是相 似的，传感器的探测误差于目标位置无关。通过度量航迹的相似性测度进行配 准航迹组合自动选择。

对于第i条航迹和第j条航迹，其相似性因子可以表示为

Δ_ij(k)＝(R_i(k)cos(θ_i(k))-R_j(k)cos(θ_j(k)))²+(R_i(k)sin(θ_i(k))-R_j(k)sin(θ_j(k)))²表示k时

刻两条航迹之间的欧氏距离，R_i(k)为第i条航迹的距离，θ_i(k)为第i条航迹的方位。

ε_ij越小，则航迹i和航迹j的相似度越高。

将两个传感器公共探测区域内的所有航迹分别计算ε_ij，选择满足下式的一 组航迹组合{(i₁,j₁),(i₂,j₂),K,(i_n,j_n)}为配准航迹组。

min(∑ε_ij)，ε_ij≤δ

进一步地，步骤S3的具体方法为：

传感器探测区域按方位划分为16个扇区，每个扇区22.5度，将配准航迹集 合{(i₁,j₁),(i₂,j₂),K,(i_n,j_n)}分配到两个传感器对应扇区。传感器A的第N扇区航迹 可以表示为

如果该扇区内没有可以配对的航迹，则

A_N＝[0]

进一步地，步骤S4的具体方法为：

分区配对后的航迹组合

和

建立误差配准模型。

表示在k时刻传感器A和传感器B的量测； λ＝[ΔR_A,Δθ_A,ΔR_B,Δθ_B]^T表示雷达A和雷达B量测的系统误差，经过误差配准后的 坐标可以表示为：

在同一时刻经过配准后，雷达A和雷达B对同一目标的观测点应该重合， 即满足

构造一个目标函数，用非线性优化的方法估计各雷达的系统误差。误差配 准的目标是使两个雷达观测到的目标航迹都与目标真实位置逼近，如果两个雷 达的观测点都配准到目标真实位置，则配准后的两个测量点之间的距离应该为0， 因此两个雷达配准的目标为寻找一组系统误差值，使配准后航迹点的距离最小， 因此配准的目标可以表示为下式：

G_mn(k)表示在同一时刻雷达A扇区m和雷达B扇区n系统误差配准后对同一 目标量测的欧氏距离，表明了配准后两个测量点相差的程度。若G_mn(k)＝0则表明 经过配准后两个雷达的测量点重合在目标真实位置上，但是由于测量中随机误 差的存在，一般G_mn(k)≠0，误差配准的目的是寻找一组合适的λ使min(G_mn(k))。 对于N次测量的数据，即要在一定的范围内寻找一组λ，使得式

取最 小值。求解过程采用遗传算法。

进一步地，步骤S5的具体方法为：

通过以上四个步骤，可以得到两个传感器A和B的若干区域的系统误差估 计值，对于没有配对航迹的扇区采用前后两个扇区的估计值进行最小二乘插值 计算，传感器A的系统误差可以表示为

对应的方差可以表示为

存在多个系统误差解的情况时，选择满足min(S)的一组系统误差解为配准系 统误差。

本发明的有益效果为：本算法利用多传感器探测航迹的大范围相似性可以 自动选择系统误差配准的航迹集合，减少人为参与过程，提高了误差配准的自 动化程度；采用基于遗传算法的误差配准算法，提高了误差配准的求解速度和 误差估计的精度；采用分区配准方法估计不同扇区的传感器系统误差，解决了 传感器各向误差不一致性造成的系统误差精度低的难题。该算法可以应用于多 传感器数据融合系统，解决系统误差配准的核心难题，有效的提高了数据融合 系统的准确性和适应性。

附图说明

图1为本发明的流程示意图；

图2为7部雷达实际数据经本算法配准前后的探测航迹对比图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理 解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的 普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精 神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保 护之列。

如图1所示，基于相似性原理的全局传感器系统误差分区配准算法包括以 下步骤：

S1、采集多传感器的所有输出航迹；

S2、进行空间坐标转换，将所有传感器的探测航迹转换到统一的坐标系中， 利用航迹相似性原理，计算航迹之间的相关性，自动选择用于误差配准的航迹 集合，避免人工参与选择配准航迹集；

S3、误差配准的航迹集分区；

S4、采用遗传算法各传感器系统所有扇区误差；

S4、计算全局匹配方差；

S6、选择全局匹配方差最小的传感器系统误差进行传感器误差配准，完成 基于相似性原理的全局传感器系统误差分区配准算法。

步骤S2的具体方法为：

在多个传感器的公共探测区域内，不同传感器对同一目标的探测估计是相 似的，传感器的探测误差于目标位置无关。通过度量航迹的相似性测度进行配 准航迹组合自动选择。

对于第i条航迹和第j条航迹，其相似性因子可以表示为

Δ_ij(k)＝(R_i(k)cos(θ_i(k))-R_j(k)cos(θ_j(k)))²+(R_i(k)sin(θ_i(k))-R_j(k)sin(θ_j(k)))²表示k时

刻两条航迹之间的欧氏距离，R_i(k)为第i条航迹的距离，θ_i(k)为第i条航迹的方位。

ε_ij越小，则航迹i和航迹j的相似度越高。

将两个传感器公共探测区域内的所有航迹分别计算ε_ij，选择满足下式的一 组航迹组合{(i₁,j₁),(i₂,j₂),K,(i_n,j_n)}为配准航迹组。

min(∑ε_ij)，ε_ij≤δ

步骤S3的具体方法为：

传感器探测区域按方位划分为16个扇区，每个扇区22.5度，将配准航迹集 合{(i₁,j₁),(i₂,j₂),K,(i_n,j_n)}分配到两个传感器对应扇区。传感器A的第N扇区航迹 可以表示为

如果该扇区内没有可以配对的航迹，则

A_N＝[0]

步骤S4的具体方法为：

分区配对后的航迹组合

和

建立误差配准模型。

表示在k时刻传感器A和传感器B的量测； λ＝[ΔR_A,Δθ_A,ΔR_B,Δθ_B]^T表示雷达A和雷达B量测的系统误差，经过误差配准后的 坐标可以表示为：

在同一时刻经过配准后，雷达A和雷达B对同一目标的观测点应该重合， 即满足

构造一个目标函数，用非线性优化的方法估计各雷达的系统误差。误差配 准的目标是使两个雷达观测到的目标航迹都与目标真实位置逼近，如果两个雷 达的观测点都配准到目标真实位置，则配准后的两个测量点之间的距离应该为0， 因此两个雷达配准的目标为寻找一组系统误差值，使配准后航迹点的距离最小， 因此配准的目标可以表示为下式：

G_mn(k)表示在同一时刻雷达A扇区m和雷达B扇区n系统误差配准后对同一 目标量测的欧氏距离，表明了配准后两个测量点相差的程度。若G_mn(k)＝0则表明 经过配准后两个雷达的测量点重合在目标真实位置上，但是由于测量中随机误 差的存在，一般G_mn(k)≠0，误差配准的目的是寻找一组合适的λ使min(G_mn(k))。 对于N次测量的数据，即要在一定的范围内寻找一组λ，使得式

取最 小值。求解过程采用遗传算法。

步骤S5的具体方法为：

通过以上四个步骤，可以得到两个传感器A和B的若干区域的系统误差估 计值，对于没有配对航迹的扇区采用前后两个扇区的估计值进行最小二乘插值 计算，传感器A的系统误差可以表示为

对应的方差可以表示为

存在多个系统误差解的情况时，选择满足min(S)的一组系统误差解为配准系 统误差。

在具体实施过程中，本方法使用基于Window10系统，使用的编程语言是 C++。在本实施过程中，本方法采用的仿真数据和实测数据来验证系统误差配准 算法的准确性。

采用本发明的系统误差配准算法进行仿真计算，与传统方法进行对比验证， 各向误差一致的验证结果如表1所示。

表1各向误差一致时配准算法仿真结果

各向误差不一致的验证结果如表2所示。

表2各向误差不一致时误差配准算法仿真结果

如表1所示，在各向误差一致时，本发明算法的距离系统误差估计误差为 7.854，已有方法中最好的为RTOC方法，其距离系统误差估计误差为76.596, 本发明算法提高了9.75倍；本发明算法的方位系统误差估计误差为0.079，其他 方法中最好的为极大似然估计方法，其方位系统误差估计误差为0.096，本发明 算法提高了1.21倍，但本发明方法的距离系统估计值比极大似然方法提高了 13.16倍。此实施案例表明，本发明的算法比传统方法更适应距离和方位的系统 误差联合估计，估计精度提高一个数量级。

如表2所示，在各向误差不一致时，本发明算法的距离系统误差估计误差 方差均值为10.0578，其他方法距离误差估计方差最小的为极大似然估计法，其 估计方差为55.64；本发明算法的方位系统误差估计误差方差为0.028，其他方 法中最好的为RTOC方法，其方位系统误差估计误差方差为0.245，本发明算法 提高了8.135倍。此实施案例表明，当各向误差不一致时，传统误差配准算法的 误差估计结果发散，基本不具备误差配准的效果，本发明的算法的估计误差方 差仍保持在15％内，具备良好的误差配准效果。

综上所述，本发明本算法利用多传感器探测航迹的大范围相似性可以自动 选择系统误差配准的航迹集合，减少人为参与过程，提高了误差配准的自动化 程度；采用基于遗传算法的误差配准算法，提高了误差配准的求解速度和误差 估计的精度；采用分区配准方法估计不同扇区的传感器系统误差，解决了传感 器各向误差不一致性造成的系统误差精度低的难题。该算法经过仿真和实际数 据验证，在未知传感器系统误差的前提下，能直接通过共同探测的目标航迹数 据估计出传感器的距离和方位系统误差，工程应用中的限制条件少，误差估计 精度高，能有效的提高融合后的定位跟踪精度，是一种普适、有效的多传感器 系统误差配准算法，可以广泛应用于多传感器数据融合系统，提高数据融合系 统的准确性和适应性。

Claims (4)

1.一种基于相似性原理的全局传感器系统误差分区配准算法，其特征在于，包括以下步骤：

S1、采集多传感器的所有输出航迹；

S2、利用航迹空间相似性原理，计算航迹之间的相关性，自动选择用于误差配准的航迹集合，避免人工参与选择配准航迹集；

S3、误差配准的航迹集分区；

S4、采用遗传算法计算各传感器不同扇区的系统误差；

S5、计算全局匹配方差；

S6、选择全局匹配方差最小的传感器系统误差进行传感器误差配准，完成基于相似性原理的全局传感器系统误差分区配准算法。

2.根据权利要求1所述的利用航迹空间相似性原理，计算航迹之间的相关性，选择用于误差配准的航迹集合，其特征在于所述步骤S2的具体方法为：

定义对于第i条航迹和第j条航迹，其相似性因子可以表示为

Δ_ij(k)＝(R_i(k)cos(θ_i(k))-R_j(k)cos(θ_j(k)))²+(R_i(k)sin(θ_i(k))-R_j(k)sin(θ_j(k)))²表示k时刻两条航迹之间的欧氏距离，R_i(k)为第i条航迹的距离，θ_i(k)为第j条航迹的方位。ε_ij越小，则航迹i和航迹j的相似度越高。

将两个传感器公共探测区域内的所有航迹分别计算ε_ij，选择满足下式的一组航迹组合{(i₁,j₁),(i₂,j₂),K,(i_n,j_n)}为配准航迹组。

min(∑ε_ij)，ε_ij≤δ。

3.根据权利要求1所述的误差配准的航迹集分区方法，其特征在于，所述步骤S3的具体方法为：

传感器探测区域按方位划分为16个扇区，每个扇区22.5度，将配准航迹集合{(i₁,j₁),(i₂,j₂),K,(i_n,j_n)}分配到两个传感器对应扇区。传感器A的第N扇区航迹可以表示为

如果该扇区内没有可以配对的航迹，则

A_N＝[0]。

4.根据权利要求1所述的采用遗传算法各传感器系统误差方法，其特征在于，所述步骤S4的具体方法为：

分区配对后的航迹组合

和

建立误差配准模型。

表示在k时刻传感器A和传感器B的量测；λ＝[ΔR_A,Δθ_A,ΔR_B,Δθ_B]^T表示雷达A和雷达B量测的系统误差，经过误差配准后的坐标可以表示为：

在同一时刻经过配准后，雷达A和雷达B对同一目标的观测点应该重合，即满足

构造一个目标函数，用非线性优化的方法估计各雷达的系统误差。误差配准的目标是使两个雷达观测到的目标航迹都与目标真实位置逼近，如果两个雷达的观测点都配准到目标真实位置，则配准后的两个测量点之间的距离应该为0，因此两个雷达配准的目标为寻找一组系统误差值，使配准后航迹点的距离最小，因此配准的目标可以表示为下式：

G_mn(k)表示在同一时刻雷达A扇区m和雷达B扇区n系统误差配准后对同一目标量测的欧氏距离，表明了配准后两个测量点相差的程度。若G_mn(k)＝0则表明经过配准后两个雷达的测量点重合在目标真实位置上，但是由于测量中随机误差的存在，一般G_mn(k)≠0，误差配准的目的是寻找一组合适的λ使min(G_mn(k))。对于N次测量的数据，即要在一定的范围内寻找一组λ，使得式

取最小值。求解过程采用遗传算法。

Images