资源描述：
《一种利用ukf进行协作式和非协作式目标空间配准的方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、一种利用UKF进行协作式和非协作式目标空间配准的方法摘要:多传感器空间配准任务中的一个难点就是球坐标系向笛卡尔坐标系转换带来的非线性因素,利用UKF可有效实现空间测量误差的非线性在线估计。在同一传感器组合配置下,提出了一种利用协作式目标空间误差补偿信息,进一步改善非协作式目标空间位置补偿精度的方法。仿真实验表明:该方法可实现对于非协作式目标状态及位置误差的有效估计。 关键词:信息融合空间配准无味卡尔曼滤波在线误差补偿采样策略 :TP39:A:1007-9416(2011)03-0080-03 1、引言 多传感器信息融合技术在拓
2、展时、空、频等战场感知空间,提高整体作战效能上有突出优势,是近年研究热点。空间配准是进行有效信息融合的前提步骤,在大量多平台多传感器协同的融合任务中起到数据支持的关键作用。 目前空间配准主要包括两大类[1]:离线估计和在线估计。离线处理方法以解决传感器系统偏差(固定常数)为主要目的。方法主要包括:最小二乘法(LS)、广义最小二乘法(GLS)、最大似然法和精确极大似然估计等,对非固定误差因素无法给出有效评测。在线处理方法,主要用于实时估计系统偏差,能较好表现复杂环境、噪声影响及特殊运动状态下的误差动态变化,具有更好的灵活性和适用性。在线估
3、计方法主要包括:基于卡尔曼滤波、改进的卡尔曼滤波以及无味卡尔曼滤波算法。利用无味卡尔曼滤波(UKF)可避免线性化近似的特点,把估计偏差扩展作为系统的状态向量,避免了计算雅克比(Jacobian)矩阵,在满足精度同时实时性高,可完成传感器数据之间的在线空间误差估计。 论文利用UKF在多传感器空间误差估计方面的优势,提出了在同一空域范围内,同一传感器配置下,协同完成协作式目标和非协作式目标空间误差补偿的方法。仿真实验验证了研究方法的有效性。 2、模型描述 2.1空间关系说明 在同一观测空域范围内,设有两个传感器,传感器A和传感器B
4、,对同一个目标MK的距离、方位角和俯仰角进行量测。配准原理如图1所示。 假设传感器A位于坐标原点(0,0,0),传感器B位于(u,v,a点的计算: 对状态初始状态, 状态的初始条件扩维得, 状态协方差为:(11) 式中:Q为状态噪声方差,R为量测噪声方差。 对于Sigma采样策略:,计算Ｌ个Sigma点的,即:(12) 相应地每个Sigma点的权值可由下式计算: 式中:。其中:为尺度因子;k为第二尺度参数,通常取为0;为状态分布参数,正态情况下最优值为２。 根据比列修正对称Sigma点采样公式,分别求出状态预测方程、量测
5、预测值和协方差。 状态预测方程:(14) 状态预测方程:(17) 滤波更新方程: 其中:为滤波增益矩阵 3.2参考坐标系选择对位置估计精度的影响分析 如前文假设,传感器对目标观测是以球坐标系表述,涉及:距离r、方位角、和俯仰角,即。对目标位置的有效描述一般采用笛卡尔坐标系,即,两者之间关系有:(24) 对上式求的偏导的: 在前文分析中,选择传感器之一作为主参考坐标框架坐标原点,分析可知以原点为中心的传感器误差相对较小,不在坐标原点的传感器的转换的精度差一些。若非指定模式,必须考虑可带来更高精度位置估计的选择方案,若两传感器
6、系统误差明显存在优劣,则择优即可;否则,应根据综合考虑三个变量的影响,来选择坐标原点。同理,参考坐标轴存在同样问题。在某距离范围内,应考虑的动态特点予以调整,有望获得更高精度的误差在线估计。 3.3协作式目标与非协作式目标在空间配准中的协同运用方法 参见图2。首先针对协作式目标,可借助多种手段获取其状态信息,明确目标轨迹,在先验知识支持下,获得较精确的误差估计值。然后用于对非协作式目标的状态估计包括动态误差估计,进而修正其运动轨迹。基本步骤如下: 4、仿真实验 4.1对于协作式目标是匀速运动UKF的空间配准 对两个传感器A、B进
7、行仿真研究,假设协作式目标是匀速直线运动,确定传感器A位于坐标原点,传感器B位于(u,v,的距离偏差,0.0035rad的方位角偏差和0.0157rad的高低角偏差,即:Δr=0.9km,Δθ=0.0035rad,Δη=0.0157rad。对于协作式目标仿真结果如图: 如图3、图4可以看出配准随着轨迹的时间和所测的轨迹长短有大关系,刚开始误差呈波动,随着测量轨迹延伸,配准数据逐渐逼近真实值。 如图5所示,我们可以从仿真的结果可以看出本文所使用的测量估算算法是比较好的,随着测量时间的加长和目标轨迹的延长,过了15个采样点后,估算效果越来
8、越好。精度在0.25m 4.2利用测量协作式目标的误差补偿到非协作式目标中 假设非协作式目标在协作式目标上方飞过,轨迹方程为:xB(k)=3*k+120,yB(k)=100,zB(k)=4
