[发明专利]一种基于BLUE的雷达与红外观测数据融合方法、系统

说明书

本发明公开了一种基于BLUE的雷达与红外观测数据融合方法、系统，属于多传感器融合技术领域，包括以下步骤：S1：滤波器初始化；S2：一步状态估计；S3：最终状态估计；S4：递推估计目标状态。本发明通过引入方位观测权值，构造出更精确的方位估计，克服方位误差余弦的非线性影响，改善径向估计精度；通过改进和修正量测转换模型，实现两坐标雷达和红外传感器数据在BLUE滤波架构下的融合，具有很好的应用潜力，值得被推广使用。

技术领域

本发明涉及多传感器融合技术领域，具体涉及一种基于BLUE的雷达与红外观测数据融合方法、系统。

背景技术

分布式多传感器融合是当前研究的热点问题。以雷达和红外传感器数据融合为例，雷达具有方位和斜距观测，能够全天候工作，但容易被反辐射武器打击；红外传感器不辐射信号，抗毁伤性能好，方位精度高，但无法提供斜距信息。两种传感器优势互补，协同探测融合后，可以有效提升对目标的跟踪能力。

BLUE滤波器能以较小的计算量处理非线性滤波问题，在雷达目标跟踪中有广泛应用。现有BLUE滤波方法存在两个缺陷：1、方位观测误差较大时，雷达到目标的视线方向(径向)上会出现比较大的非线性误差，BLUE滤波对该非线性误差的处理不够精细，导致估计精度下降；2、BLUE滤波需要完备观测集(方位、斜距观测)构造出转换量测模型后，才能对目标实施跟踪，红外传感器只有方位观测，无法采用传统BLUE滤波器跟踪目标。下面分析这两个缺陷的产生原因。

BLUE滤波采用斜距观测r_m和方位观测θ_m构建出采样时刻的转换量测z_k，表达式如下：

其中，r是目标到雷达真实距离，是斜距观测误差，θ是真实方位，是方位观测误差。较大时，在雷达视线方向会出现明显的精度下降，原因分析如下：

假设θ＝0，即在视线坐标系内，式1变为如下形式：

表示视线坐标系内的转换量测。将方位误差的三角函数展开后，有：

忽略式3的二阶以上高阶项和测距误差，近似得到式4：

式4中与是线性关系，满足高斯分布；是的非线性函数，其误差特性呈现非高斯分布，导致径向滤波精度下降。

由式1可见传统转换量测模型需要斜距观测，红外传感器没有斜距观测，无法直接构造转换量测。因此，提出一种基于BLUE的雷达与红外观测数据融合方法、系统。

发明内容

本发明所要解决的技术问题在于：如何提高各传感器径向跟踪精度，并且实现红外传感器的BLUE滤波，提供一种基于BLUE的雷达与红外观测数据融合方法。

本发明是通过以下技术方案解决上述技术问题的。

雷达和红外传感器组网工作，组网中心位于原点，两坐标雷达位置X_R＝[x_R y_R]^T，红外传感器位置X_I＝[x_I y_I]^T，目标状态方程如下：

x_k＝F_kx_k-1+G_kv_k  (5)

其中，x_k、F_k为时刻k的目标状态和状态转移矩阵，目标匀速运动时，F_k表达式为：