[发明专利]一种多源测距下联合目标定位与传感器配准方法

说明书

技术领域

本发明属于导航与定位技术领域，涉及一种多源测距下联合目标定位与传感器配准方法。

背景技术

多传感器空间配准主要是为了消除传感器的系统偏差，从而可以提高对目标的定位精度。目前，针对空间配准的方法主要包括序贯处理方法和批处理方法，序贯处理方法主要有基于滤波技术的在线估计、联合在线估计算法以及解耦在线估计算法，其计算量较小。批处理配准方法主要包括最小二乘法、广义最小二乘法、极大似然法和精确最大似然法等。该类算法需要对一段时间内的数据进行集中处理，因此计算量相对较大。

基于滤波技术的在线估计、联合在线估计算法以及解耦在线估计算法，其主要是将系统偏差当做待估的状态量进行滤波估计求解，通过构造等效量测方程和系统状态方程，进行递推的滤波计算，实时得到系统偏差的估计值。而批处理方法，如最小二乘法、广义最小二乘法和精确最大似然法等，通过某一时间段内的数据进行集中处理，求取本段时间内的最优估计值，计算量随着数据的增多而增大，且其主要是针对同类传感器空间配准。

在多传感器只存在某一量测信息的条件下，如量测信息只有测距信息，上述方法往往无法进行配准或是估计效果不理想，这是因为，在只有测距信息下，无法构造等效量测方程，从而无法进行滤波或是批处理计算偏差，或是信息量较少，在进行滤波估计时导致估计效果较差。

发明内容

为了克服现有技术中存在的问题，本发明的目的是提供一种基于极大似然的多源测距下联合目标定位与传感器配准方法，在多传感器只存在测距信息的环境下，能对传感器系统偏差进行估计求解，得到目标的位置信息。该配准方法相对于其他方法，具有精度更高、适用场景更广等优点。

为了达到上述目的，提供了一种多源测距下联合目标定位与传感器配准方法，包括以下步骤：

步骤1，初始化测距传感器系统偏差估计值β⁰为零，表示初始化时第n个测距传感器的系统偏差估计值；n取值为自然数；由于无法得到传感器系统偏差值的范围，可将其初始值设置为零，进行迭代计算。

步骤2，计算在上次迭代得到的系统偏差估计值β^l-1(l为已经进行的迭代次数)下，计算各传感器量测时刻k的目标初始位置X⁰(k)，表示第n个测距传感器量测时刻k的目标初始位置；在测量信息为径向距离、方位角的环境下，目标的初始位置可以通过非线性的量测方程反推求解，而在多源测距环境下，能利用到的信息只有距离信息，无法通过量测方程反推得到目标的初始位置信息。本方法中将交互式多模型算法(IMM)引入来求解目标的初始位置X⁰(k)。具体操作是，在上一次迭代得到的系统偏差估计值β^l-1下，使用多个运动模型拟合目标运动状态，利用所有传感器的测距信息进行并行滤波，从而得到共同目标的位置状态。在知道共同目标位置的条件下，就可以求取在各传感器距离量测下的

步骤3，求取本次迭代的系统偏差估计β^l：利用步骤2得到的目标初始位置计算得到其本次迭代的系统偏差估计值；

步骤4，判断系统偏差估计值是否收敛，即|β^l-β^l-1|≤ε，ε为一较小的正实数，一般取0.01。如果收敛，各个测距传感器的系统偏差估计为β＝[β₁β₂…β_n]^T，执行步骤5，β_n表示第n个测距传感器的系统偏差估计值；如果没有收敛，返回步骤2；

步骤5，求取目标位置：利用收敛的系统偏差估计β，计算得到其最大似然估计，即不同测距传感器在相同量测时刻下的融合位置。

本发明步骤2包括如下步骤：

步骤2-1，本发明使用了在多源测距模型下的极大似然算法原理。考虑存在n个测距传感器对共同的一个目标进行量测的场景，各传感器的位置已知，测距传感器的量测模型如下：

z(k)＝h(x(k))+β+w(k)(1)