[发明专利]基于LS的多模型自适应状态估计方法及系统

说明书

技术领域

本发明涉及数据融合技术领域，特别涉及一种基于LS的多模型自适应状态估计方法及系统。

背景技术

多传感器数据融合是20世纪80年代形成和发展起来的一种自动化信息综合处理技术，在国防上现已发展成为一个十分活跃的热门研究领域，是多学科、多部门、多领域所共同关心的高层次共性关键技术，许多国家都把它列为下一阶段重点发展的关键技术。

多传感器数据融合的主要任务之一就是利用多传感器数据进行目标的状态估计。状态估计就是通过数学方法寻求与观测数据最佳拟合的状态向量。状态估计主要指位置与速度估计，它包括对单传感器探测数据进行运动目标的状态估计、对多传感器组合数据进行运动目标的状态估计(包括同时刻和不同时刻)。随着现代舰艇、航空、航天技术的发展，对数据融合的质量提出了越来越高的要求，也就是对超低或超高速运动目标的状态估计质量提出了更高的标准。

机动目标状态估计属于非线性滤波估计问题，传统的非线性滤波的基本思想是采用参数化的解析形式对系统的非线性进行近似，这不可避免地引入了线性化误差，当误差增大到一定程度是，状态估计精度会有所降低，严重时将导致滤波器发散等问题。

发明内容

有鉴于此，本发明提供一种目标在复杂机动状况下，能够满足多传感器数据融合需求的基于LS的多模型自适应状态估计方法及系统。

一种基于LS的多模型自适应状态估计方法，其包括如下步骤：

S1、获取各传感器对同一运动目标的观测序列，选定中心参考点坐标，计算运动目标观测序列中每点相对于中心参考点的空间直角坐标，形成运动目标在不同时刻的空间直角坐标系中X、Y、Z方向的观测序列；

S2、确定以时间为变量的多项式方程次数以及个数，分别对运动目标在X、Y、Z方向的观测序列进行最小二乘LS的多项式系数估计，从而对运动目标在X、Y、Z方向进行拟合；

S3、根据步骤S2中的多项式方程，分别计算回归平方和与残差平方和进行F检验确定最佳拟合多项式；

S4、对最佳拟合多项式的次幂项进行回归系数的显著性检验确定经过修正的最佳拟合多项式；

S5、利用步骤S4中的经过修正的最佳拟合多项式对时间分别求一次偏导、二次偏导，获得运动目标相应的速度、加速度估计多项式；

S6、输入拟合时刻，对位置估计多项式、速度估计多项式以及加速度估计多项式分别进行目标状态估计，再利用步骤S1中给定的中心参考点，对目标位置状态估计量进行坐标转换，获取相应的位置坐标，再联合速度估计值，完成目标状态估计。

一种基于LS的多模型自适应状态估计系统，其包括如下模块：

观测序列生成模块，用于获取各传感器对同一运动目标的观测序列，选定中心参考点坐标，计算运动目标观测序列中每点相对于中心参考点的空间直角坐标，形成运动目标在不同时刻的空间直角坐标系中X、Y、Z方向的观测序列；

多项式方程系数估计模块，用于确定以时间为变量的多项式方程次数以及个数，分别对运动目标在X、Y、Z方向的观测序列进行最小二乘LS的多项式系数估计，从而对运动目标在X、Y、Z方向进行拟合；

最佳拟合多项式判别模块，用于根据多项式方程系数估计模块中的多项式方程，分别计算回归平方和与残差平方和进行F检验确定最佳拟合多项式；

最佳拟合多项式检验模块，用于对最佳拟合多项式的次幂项进行回归系数的显著性检验确定经过修正的最佳拟合多项式；

速度、加速度估计模块，用于利用最佳拟合多项式检验模块中的经过修正的最佳拟合多项式对时间分别求一次偏导、二次偏导，获得运动目标相应的速度、加速度估计多项式；

目标状态生成模块，用于输入拟合时刻，对位置估计多项式、速度估计多项式以及加速度估计多项式分别进行目标状态估计，再利用观测序列生成模块中给定的中心参考点，对目标位置状态估计量进行坐标转换，获取相应的位置坐标，再联合速度估计值，完成目标状态估计。

本发明提供的基于LS的多模型自适应状态估计方法及系统：不同于现有LS技术多个模型选择的方法，适用于多传感器数据融合目标的状态估计，包括单传感器探测目标的运动状态估计以及多传感器组合数据目标的运动状态估计，有效克服了现有技术需要先验信息以及难以精确地对非线性机动目标的状态估计的缺陷。

附图说明

图1是本发明实施的基于LS的多模型自适应状态估计方法流程图；

图2是图1中步骤S3的子流程图；

图3是本发明实施的基于LS的多模型自适应状态估计系统结构框图；