[发明专利]一种基于EM-CKS的机载多平台多传感器系统误差配准算法

说明书

本发明提供了一种基于EM‑CKS的机载多平台多传感器系统误差配准算法，该算法包括如下步骤：步骤一：数学建模；步骤二：容积卡尔曼滤波器和平滑器实现；步骤三：基于EM‑CKS的多传感器系统误差配准算法。本发明所提出的方法对传统多传感器系统误差配准算法做了改进，解决了传统在线联合估计法需要精确已知系统误差状态空间模型的问题。其次，本发明所提出的方法具有很强的数值稳定性，解决了传统非线性高斯滤波器在量测高精度、系统高维数、复杂强非线性情况下对系统状态后验概率密度函数近似精度不高这一问题，有效实现了对机载多平台多传感器的系统误差配准，提高了多平台多传感器对目标的跟踪精度，同时还提升了目标跟踪的可靠性和稳定性。

技术领域

本发明属于多传感器信息融合及目标跟踪领域，具体涉及量测高精度、系统高维度、复杂强非线性条件下的机载多平安协同跟踪领域。

背景技术

机载多平台多传感器信息融合技术能够充分利用各类数据的特点，获取不同视角、不同传感器、不同特征的互补数据，大大扩展了探测区域的覆盖面积，提高了信息利用效率，加快了数据更新速率，从而能够显著提升飞机编队对目标的跟踪能力，提供更快捷的航迹起始速度，更短的航迹收敛时间，更精确的航迹跟踪精度和更稳定的航迹连续性。

然而在舰载机编队飞行等复杂的目标跟踪场景中，系统误差的存在会导致航迹关联混乱、融合精度降低等问题。导致产生这种现象的原因是不同机载平台上的传感器测量信息都是在各自的测量坐标系下获得的，当飞机编队对目标信息进行融合跟踪时，需要将这些测量信息转换到同一参考坐标系中才能进行关联滤波。由于受到机载平台自身定位误差、传感器测量误差及安装误差等诸多系统误差因素的影响，加之坐标转换又不可避免地会放大上述误差，导致融合中心在公共参考坐标系下难以将源于同一目标的测量值关联起来，严重影响目标航迹的稳定性和跟踪精度。因此，系统误差配准是多源信息融合的前提，为保证后继多平台多传感器信息融合的精度，有必要开展多平台系统误差配准技术研究。

随着对系统误差配准研究的不断深入，一些消除系统误差影响的方法逐渐发展起来，主要分为2类：离线估计补偿法和在线联合估计法。离线估计补偿法首先估计出系统误差，然后对目标量测进行修正，并基于修正后的量测估计目标的真实状态，如最小二乘法、广义最小二乘法、极大似然算法等。此类算法都是假设系统误差是缓慢变化的，从而对某一时间段内的量测数据进行批处理，但不能对系统误差的变化做出实时地调整，缺乏实时性。在线联合估计法考虑到系统误差和目标状态的相互作用，将系统误差作为目标状态的分量同时对二者进行估计，如扩维高斯滤波算法等。但此类算法需要精确已知系统误差的状态空间模型，然而在实际工程应用中，系统误差的状态空间模型可能是不准确的或者是未知的，从而恶化扩维高斯滤波器的性能，甚至导致滤波器发散。

发明内容

发明目的：

为了解决上述问题，本发明紧密结合工程应用背景，提出一种基于EM-CKS的机载多平台多传感器系统误差配准算法。

技术方案：

为了达到上述目的，本发明提供了如下技术方案：

首先将传感器量测系统误差视为系统待估计的未知参数，构建了新的传感器量测方程，从而将机载平台多传感器系统误差配准问题转化成含未知参数的非线性系统辨识问题。其次，该方法引入期望最大化算法框架，并利用容积卡尔曼滤波器和平滑器近似计算完整的对数似然函数期望。最后，将近似计算的对数似然函数期望进行最大化处理，并通过解析更新反复迭代的方式获得各传感器系统误差的参数估计。

步骤一：期望最大化算法实现

考虑如下状态空间形式的离散非线性系统：

其中，x_k∈Rⁿ和z_k∈R^m分别表示k时刻的状态向量和量测向量，

n和m分别表示状态维数和量测维数。