[发明专利]一种基于递推修正的多传感器系统误差配准方法和系统

说明书

本申请提供了一种基于递推修正的多传感器系统误差配准方法和系统，其中，该方法的步骤包括：根据两部雷达获取的同一目标在地理坐标系下的位置差和系统误差与测量的关系方程，构建系统误差估计方程的离散化模型；利用广义最小二乘算法计算初始估计时刻离散化模型的初始迭代参数，然后基于矩阵逆的低秩修正法，通过修正上一时刻的误差估计值获得当前时刻系统误差估计的递推模型，以此递推模型通过迭代对多传感器系统进行误差配准。本方案能够解决传统的基于GLS方法配准需存贮大批数据，等待数据累积，计算量较大，实时性较差以及存在重复性工作等问题，同时可以保证配准方法的收敛速度及对模型参数的鲁棒性。

技术领域

本申请涉及系统误差估计补偿领域，特别涉及一种基于递推修正的多传感器系统误差配准方法和系统。

背景技术

多雷达组网数据处理中，传感器关于目标的量测是在各自独立的局部坐标系下进行的，如果传感器系统误差过大，会导致不同雷达跟踪航迹关联融合失败,所以量测数据在进行信息融合之前必须先配准。当传感器平台固定时，在不考虑区域气候，地形及其他条件情况下，系统误差可认为是固定的。

传统的基于GLS的配准算法适用于对固定系统误差的估计，其鲁棒性较好、收敛较快，但缺点是需等待收到的测量值个数累积到一定量后进行误差估计值计算，需存贮大批数据，计算量较大，实时性较差。当基于已有数据计算的误差不满足精度，增加新的测量值时必须再进行一次完整的计算过程，造成大量重复性工作。

发明内容

为解决上述问题之一，本申请提供了一种基于递推修正的用于多传感器系统的误差配准方法和系统。

根据本申请实施例的第一个方面，提供了一种基于递推修正的多传感器系统误差配准方法，该方法的步骤包括：

根据两部雷达获取的同一目标在地理坐标系下的位置差和系统误差与测量的关系方程，构建系统误差估计方程的离散化模型；

利用广义最小二乘算法计算起始估计时刻离散化模型的初始迭代参数，然后基于矩阵逆的低秩修正法，通过修正上一时刻的系统误差估计值获得当前时刻系统误差估计的递推模型，以此递推模型通过迭代对多传感器系统进行误差配准。

根据本申请实施例的第二个方面，提供了一种基于递推修正的多传感器系统误差配准系统，该系统包括：

建模模块，根据两部雷达获取的同一目标在地理坐标系下的位置差和系统误差与测量的关系方程，构建系统误差估计方程的离散化模型；

配准模块，先利用广义最小二乘算法计算初始估计时刻离散化模型的初始迭代参数，然后基于矩阵逆的低秩修正法，通过修正上一时刻的系统误差估计值获得当前时刻系统误差估计的递推模型，以此递推模型通过迭代对多传感器系统进行误差配准。

本申请所述技术方案通过将历史的误差估计值与实时新测量值结合，在不存储历史测量值的情况下，基于ECEF统一坐标系，利用GLS方法和矩阵逆的低秩修正方法实现对系统误差估计的实时递推修正，由此解决了传统的基于GLS方法配准需存贮大批数据，等待数据累积，计算量较大，实时性较差以及存在重复性工作等问题，同时可以保证配准方法的收敛速度及对模型参数的鲁棒性。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出本方案所述基于递推修正的多传感器系统误差配准方法的流程图。

具体实施方式

为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。