[发明专利]一种雷达组网目标状态与系统误差联合估计算法

说明书

本发明提供一种雷达组网目标状态与系统误差联合估计算法，步骤如下，根据机载雷达测量原理，结合机载平台的地理位置及姿态角，构建出含有系统误差、测量噪声以及目标状态的每部机载雷达量测数学模型；根据目标运动状态，联合每部机载雷达的系统误差，构建出每一时刻含有过程噪声的扩维后目标运动状态数学模型；根据上两步构建的数学模型，设置测量噪声、过程噪声、扩维后目标运动状态初值及其估计误差协方差矩阵初值，应用CKF滤波方法，实现对目标运动状态及每部机载雷达系统误差的实时同步估计。本发明解决了传统基于坐标投影的二维平面系统误差配准算法中存在的诸如数据变形、无法估计俯仰角系统误差及不适于远距离系统误差配准等问题。

技术领域

本发明涉及雷达组网信息融合目标跟踪领域，特别是涉及量测高精度、系统高维数、复杂强非线性条件下的机载雷达多平台协同跟踪领域，具体涉及一种雷达组网目标状态与系统误差联合估计算法。

背景技术

雷达组网信息融合所能带来的巨大效益已经得到了世界各国的公认。尽管雷达组网信息融合技术依然在不断飞速发展，但是由于实际系统中各雷达探测目标误差的存在，系统实时融合效果的保障已成为雷达组网信息融合技术领域长期以来十分棘手的问题。实际应用表明，在多雷达组网跟踪系统中，雷达系统误差的存在会导致目标跟踪均方根误差比理论值要大。当雷达系统误差太大时，就会出现多部雷达融合跟踪甚至不如单部雷达目标跟踪效果的情况。最恶劣情况下，雷达系统误差会导致来自同一轨迹的多雷达量测互联失败，产生相对同一目标的多条航迹，这样本来是同一个目标的航迹，却由于相互偏差较大而可能被认为是不同的目标，从而给航迹关联及融合带来模糊和困难，使融合得到的系统航迹的性能下降。尤其是在目标密集、编队飞行等复杂的场景中更容易造成航迹关联混乱、融合精度降低，进而使整体系统融合失去意义，丧失了雷达组网系统本身应有的优点。因此，雷达组网系统误差配准技术是确保雷达网性能稳定所不可缺少的基础和关键技术，其目的是准确估计并消除组网雷达的系统误差。

从坐标转换的角度来看，常用的雷达组网系统误差配准算法主要可以分为两类：其中一类是基于球(极)投影的二维平面系统误差配准算法。该类算法是把各雷达的量测投影到与地球正切的局部载体坐标系上，然后再变换到二维平面来估计各雷达的系统误差。此类方法在工程上应用较多，具有算法简单、便于实现等优点，但是此类雷达系统误差配准技术也存在以下缺陷：

①球(极)投影法虽然利用高阶近似来提高精度，但由于地球是椭球而不是圆球，所以在投影时会给测量引入误差；

②球(极)投影法会使数据变形。球(极)保角投影，只保证方位角不变形，并不能保证斜距不变形，这样会导致系统误差不再是常数，而且与量测有关；

③在二维公共坐标系中只能估计方位角和径向距离的系统误差，无法估计俯仰角系统误差。

所以基于球(极)投影法的系统误差配准技术通常用于短距离雷达组网系统误差配准，而对于远距离雷达系统误差的配准，我们多采用基于地心地固(ECEF)坐标系的雷达系统误差配准技术。

从数据处理的角度来看，雷达组网系统误差配准算法又可分为离线处理法和在线处理法。离线处理法主要包括最小二乘算法(LS)、广义最小二乘算法(GLS)、最大似然算法(ML)和精确极大似然估计算法(EML)。该类算法需要对一段时间内的数据进行集中处理，因此计算量相对比较大。在线处理法主要是基于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的实时估计算法，计算量相对较小。但是EKF需要计算雅克比矩阵，在量测高精度、系统高维数、复杂强非线性的情况下往往不能很好的近似系统状态的后验概率密度函数，导致滤波精度大大降低，甚至造成滤波发散。虽然UKF避免了EKF的缺点，估计精度有一定的提高，但当UKF应用于高维非线性系统时，其确定性采样点的权值容易出现负值的情况，导致其矩积分中引入截断误差，无法保证数值稳定性和状态协方差矩阵的半正定性，造成滤波精度下降。

发明内容

本发明的目的在于提供一种雷达组网目标状态与系统误差联合估计算法，克服或减轻现有技术的至少一个上述缺陷。