[发明专利]一种ECEF坐标系下概率假设密度滤波雷达空间误差配准方法

说明书

技术领域

本发明属于传感器误差配准技术领域，特别是涉及一种ECEF坐标系下的概率假设密度滤波雷达系统误差融合估计方法。

背景技术

雷达观测的空间误差主要分为随机误差和系统误差两类，随机误差可以通过滤波的方法消除；而系统误差是一种确定性误差，滤波方法无法消除，需要进行估计，进而对雷达观测进行补偿，这一过程称为雷达空间误差配准。在多雷达融合跟踪系统中，雷达空间误差配准已成为多雷达融合处理的先决条件。

现有的雷达空间误差配准方法一般是利用两部雷达重叠观测区域的公共目标进行雷达系统误差估计，主要可以归纳为离线估计方法和在线估计方法两类。离线估计方法是通过对一段时间的雷达观测数据进行数据拟合，从而估计出系统误差，如最小二乘方法、最大似然估计方法等。在线估计主要是利用滤波方法实现系统误差的递推估计。在线估计方法与离线方法相比具有可实现实时误差校正的优点，因此得到国内外学者的更多关注。Herrero和Dhar分别提出利用Kalman滤波实现目标运动状态与系统误差联合估计方法，Haim提出了利用神经网络进行系统误差估计的方法。但上述方法都是建立在立体几何投影坐标系的基础上，主要用于二坐标雷达(获得斜距和方位角观测)的空间误差配准。对于三坐标雷达(获得斜距、方位角和俯仰角观测)的空间误差配准一般采用地心地固坐标系(Earth-centered Earth-fixed coordinate，ECEF)作为公共坐标系。Zhou提出了基于ECEF坐标系的最小二乘空间误差配准方法，Ristic提出了基于ECEF坐标系的最大似然空间误差配准方法。

无论是上述基于数据拟合的离线估计方法还是基于滤波的在线估计方法，均以数据关联关系已知为前提，即已知目标在多雷达观测的数据关联关系。然而由于空间误差与数据关联耦合的影响，在进行空间误差配准之前，正确地获得多雷达观测的关联关系是十分困难的，而且错误的关联关系将会严重地影响空间误差配准结果。

2003年Mahler在随机有限集理论(RFS)框架下提出了传递目标状态集合后验概率密度一阶统计矩的概率假设密度(Probability hypothesis density，PHD)滤波理论。PHD滤波器将复杂的多目标状态空间的运算转换为单目标状态空间内的运算，有效避免了多目标状态估计中复杂的数据关联问题。2006年Vo提出了线性高斯条件下PHD滤波器的近似形式高斯混合PHD(Gaussian Mixture PHD,GM-PHD)滤波器，给出了线性高斯条件的PHD滤波器的封闭解形式。由于PHD滤波器避免复杂的数据关联过程，部分学者已将概率假设密度滤波方法应用与雷达空间误差配准中。Lian和Li分别提出了扩展状态向量的PHD滤波器的雷达系统误差估计方法，同时估计目标的运动状态和系统误差，但由于系统误差与目标状态耦合，在目标数较多的情况下效果不理想。但到目前为止尚未发现ECEF坐标系下系统误差与目标状态解耦合的概率假设密度滤波雷达空间误差配准方法方面的报道。

发明内容

为了解决上述问题，本发明的目的在于提供一种ECEF坐标系下概率假设密度滤波雷达空间误差配准方法。

为了达到上述目的，本发明提供的ECEF坐标系下概率假设密度滤波雷达空间误差配准方法包括按顺序进行的下列步骤：

2)建立ECEF坐标系下的雷达系统误差观测方程的S1阶段；

2)建立雷达系统误差状态转移方程的S2阶段；

3)利用步骤2)获得的雷达系统误差状态转移方程构造雷达系统误差状态有限集合，利用步骤1)获得的雷达系统误差观测方程构造雷达系统误差观测有限集合的S3阶段；

4)利用概率假设密度滤波器，结合步骤3)获得的雷达系统误差状态有限集合和雷达系统误差观测有限集合，对雷达系统误差进行融合估计而得到雷达系统误差的估计值的S4阶段。

在步骤1)中，所述的建立ECEF坐标系下的雷达系统误差观测方程的方法是：首先利用坐标投影技术将目标在两部雷达中获得的极坐标观测数据分别转换为以雷达为中心的直角坐标系下的观测数据，并在观测数据处利用一阶泰勒级数近似展开；然后将以雷达为中心的直角坐标系下的观测数据转换为ECEF坐标系下的观测数据，建立起目标在ECEF坐标系下的观测关系；比较同一目标在两部雷达的ECEF坐标系下的观测数据关系，利用同一目标在两部雷达观测数据中真实位置坐标相同的特征，建立雷达系统误差观测方程。