[发明专利]一种多传感器多目标跟踪偏差估计方法

说明书

技术领域

本发明涉及一种目标跟踪偏差估计方法，尤其涉及一种多传感器多目标跟踪偏差估计方法。

背景技术

一般来说，由于有偏传感器不能自己配准自身偏差，需要一个比照的对象，所以传感器的配准都需要两个或两个以上传感器来进行。

在Friedland B.Treatment of bias in recursive filtering[J].IEEE Transactions on Automatic Control,1969,14(4):359-367.中将偏差配准问题视为一个两传感器问题并用未知偏差量扩展状态向量，这种方法的弊端是在扩维向量维数增加时计算量也将明显增大。如Nabaa N,Bishop R H.Solution to a multisensor tracking problem with sensor registration errors[J].IEEE Transactions on Aerospace&Electronic Systems,1999,35(1):354-363.中所述，大多数偏差估计算法直接作用于量测值并需要本地传感器的卡尔曼增益来进行偏差的估计。然而在实际系统中，传感器可能只向融合中心提供滤波航迹。所以，虽然偏差估计与补偿的方法很多，仍需要一种只需要滤波状态及其协方差矩阵的偏差估计算法。

多传感器信息融合(Multi-sensor Information Fusion,MSIF)，就是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程。在多传感器信息融合系统中，就位置(空间)级融合系统的结构而论，有集中式、分布式结构。目前针对融合中心无本地传感器卡尔曼增益的情况，欠缺有效估计传感器偏差的方法。

发明内容

本发明鉴于背景技术的以上问题提出，用于解决背景技术中存在的问题，至少是提供一种有益的选择。

为了实现以上目的，本发明公开了一种多传感器多目标跟踪偏差估计方法，包括以下步骤：还原步骤，还原本地传感器量测值u_s(k|k)及本地传感器量测值协方差矩阵U_s(k|k)；卡尔曼增益获取步骤，利用所述还原步骤获得的本地传感器量测值协方差矩阵获得卡尔曼增益W_s,k；虚拟量测获取步骤，利用所述卡尔曼增益W_s,k，获取偏差向量的虚拟量测融合偏差向量虚拟量测获得步骤，根据所获得的偏差向量的虚拟量测，获得融合偏差向量虚拟量测；偏差估计向量b_s(k)与偏差估计协方差矩阵获取步骤，根据所述偏差向量的虚拟量测以及所述融合偏差向量虚拟量测获得偏差估计向量b_s(k)与偏差估计协方差矩阵Σ_s(k)。

根据本发明的一种实施方式，所述还原步骤利用逆卡尔曼滤波还原本地传感器量测值及其协方差矩阵。

根据本发明的一种实施方式，在所述卡尔曼增益获取步骤中，利用W_s,k＝P_s(k|k')H(k)^T[H(k)P_s(k|k')H(k)^T+R_s,k]^-1与R_s,k＝H(k)U_s(k|k)H(k)^T求卡尔曼增益W_s,k，其中P_s(k|k')为传感器s的状态协方差矩阵预测值，H(k)为量测矩阵，R_s,k为量测协方差矩阵，上标T表示转移矩阵。

根据本发明的一种实施方式，在所述虚拟量测获取步骤中，利用求偏差向量的虚拟量测其中F(k,k')为状态转移矩阵，H_s(k)是第s个传感器的量测矩阵，为本地传感器滤波状态向量，为本地传感器上一时刻的滤波状态向量。

根据本发明的一种实施方式，在所述融合偏差向量虚拟量测获得步骤中，利用W_f,k＝P_f(k|k')H(k)^T[H(k)P_f(k|k')H(k)^T+R_f,k]^-1获得融合卡尔曼增益并利用以下公式获得融合偏差向量虚拟量测

其中上标s表示传感器的编号，下标f表示融合。