[发明专利]一种最小化后验距离的传感器路径优化方法

权利要求书

1.一种最小化后验距离的传感器路径优化方法，其特征在于，该方法具体包括以下步骤：

(1)k时刻，目标状态估计量服从高斯分布，即：

其中，表示k时刻目标动力学状态，x_k、y_k、分别表示目标在二位笛卡尔坐标系中x、y方向上的位置、速度状态信息；Z^k＝{Z¹,Z²,...,Z^k-1,Z^k}，表示1～k时刻传感器获取测量集合；P_k|k分别表示目标状态估计均值、估计误差协方差。

(2)在k时刻，进行目标状态估计时域预测：

其中，P_k+1|k分别表示目标状态估计均值、估计误差协方差矩阵时域预测；F_k+1、Q_k+1分别表示k时刻目标状态转移矩阵、目标运动过程噪声误差协方差矩阵；

(3)结合传感器k时刻所处位置S_k，分别遍历各个传感器可选运动速度矢量(其中i表示传感器可选运动速度矢量序号)(图2)，计算选择不同运动速度矢量并运动一个采样周期后传感器所处位置下文将以为例详细叙述；

(4)结合步骤(2)所得目标状态估计时域预测信息p(X_k+1|Z^k)、传感器所处不同位置分别计算两者之间相对位置状态，然后生成虚拟测距、测角信息

(5)利用虚拟测量信息更新目标状态估计信息：

其中，为新息协方差矩阵；为传感器观测雅可比矩阵；R_k+1为传感器测量误差协方差矩阵；表示卡尔曼增益矩阵；I表示单位矩阵；

(6)结合k+1时刻传感器位置利用虚拟测量更新所得目标状态估计后验均值中位置信息，计算传感器与目标之间距离

(7)分别遍历各个传感器可选运动速度矢量重复步骤(2)～(6)，计算得到不同运动速度矢量情况下传感器与目标后验状态之间距离

(8)利用“最小化目标后验状态与传感器之间距离”准则，选择最优传感器运动速度矢量：

(9)按照最优传感器运动速度矢量，传感器运动至指定位置获取k+1时刻真实目标测量Z_k+1，同时利用式(2)～式(8)，利用真实测量信息对目标状态估计进行更新，得k+1时刻目标状态估计信息

(10)重复步骤(1)～步骤(9)，进行时域迭代计算，最终获取各个时刻目标状态估计信息。