[发明专利]一种未知干扰影响下传感器的系统偏差配准方法

说明书

本发明所采用的技术方案是：首先通过两部传感器对同一目标的状态的滤波值，构造关于传感器系统偏差的伪量测方程；其次进行与传感器系统偏差状态转移方程的联合，构成新的传感器量测系统模型；最后通过利用与该系统对应的滤波算法进行滤波估计，从而估计出各个传感器的系统偏差。采用本发明所提出的技术方案可有效解决在机动目标的动态演化模型未知且在量测过程中受到外界未知扰动影响的问题，且可对传感器的系统偏差进行准确计算。

技术领域

本发明涉及多源信息融合中的多传感器偏差配准技术领域，尤其涉及一种未知干扰影响下传感器的系统偏差配准方法。

背景技术

信息融合是一种多层次、多方面的处理过程，包括对多源数据进行检测、相关、组合和估计，从而提高状态和身份估计的精度，以及对战场态势和威胁的重要程度进行适时完整的评价。在多传感器协同跟踪中，找到合适的、最优的融合方法是数据融合的关键所在。由于单个传感器量测时会因多种因素使得量测数据不精确，因此对传感器系统偏差进行配准是一个重要的步骤。

融合系统中主要分随机偏差和系统偏差两类，随机偏差可通过滤波方法进行消除，或者通过大量数据测量和分析得到统计特性，进而削弱随机偏差对测量结果的影响。而系统偏差属于确定性的偏差且无法通过滤波方法来消除，需要利用相关算法对其估计并依据估计结果对实际的目标量测进行校准或补偿，这种方法称为系统偏差配准。

传感器的配准是指多传感器数据“无偏差”转换时所需要的处理过程，为解决多传感器的配准问题，传统的配准算法主要有离线估计法、在线估计法及联合估计法三类。传统系统偏差估计算法研究通常假设其具有一定动态演化模型且探测目标具有机动模型，但由于外界不同区域的气候、地形及照射光线的各异，外来人为干扰的增多，系统自身的非线性、多模型等问题的存在，都会导致描述系统的目标运动模型难以建立以及量测结果发生较大突变，因此，很多传统的系统偏差估计算法不再适用解决上述情况下随机性系统偏差问题。因此，对含未知干扰的系统偏差估计方法算法显得尤为重要。

在机动目标的动态演化模型难以建立且传感器受到电磁、敌机、环境等外界非常规外来干扰随机未知扰动影响的情况下，充分利用多个传感器的量测信息，并通过将含未知干扰的状态空间量测信息投影到传感器系统偏差空间，消去原始量测信息中关于系统状态和扰动带来的量测偏差，避免目标运动状态与传感器系统偏差的关联，进而设计一种无偏滤波器来实现对传感器系统偏差的无偏估计，达到对待测目标系统的量测轨迹实时配准的目的。

发明内容

本发明的目的在于提供一种未知干扰影响下传感器的系统偏差配准方法，该方法在机动目标的动态演化模型未知且在量测过程中受到外界未知扰动影响的情况下，可以准确估计传感器的系统偏差。

为实现上述目的，本发明采用如下技术方案，一种未知干扰影响下传感器的系统偏差配准方法，其特征在于，具体包括以下步骤：

步骤1：对待测目标系统进行初始化；

步骤2：建立所述待测目标系统的系统状态空间模型，所述系统状态空间模型包括系统偏差模型、目标状态模型、量测模型；

步骤3：根据所述量测模型中的量测值和卡尔曼滤波算法，将所述量测值由所述目标状态模型对应的目标状态空间转换到所述系统偏差模型对应的系统偏差空间，以构造关于所述传感器的系统偏差的伪量测方程；

步骤4：根据所述伪量测方程与系统偏差状态转移方程，进行滤波器设计；

步骤5：利用所述滤波器计算所述传感器的所述系统偏差；

步骤6：所述系统偏差得到系统偏差估算值，根据所述系统偏差估算值对所述传感器的所述量测值进行配准操作。

进一步，在本发明中，所述步骤1中，所述初始化包括对每个所述传感器的系统偏差值、所述系统状态转移方程和系统量测方程中的噪声协方差值进行设置。