多传感器无源协同测向定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105740203A(43)申请公布日2016.07.06(21)申请号201610172124.7(22)申请日2016.03.23(71)申请人中国电子科技集团公司第十研究所地址610036四川省成都市金牛区茶店子东街48号(72)发明人李思奇(74)专利代理机构成飞(集团)公司专利中心51121代理人郭纯武(51)Int.Cl.G06F17/10(2006.01)G06F17/12(2006.01)G06F17/16(2006.01)权利要求书3页说明书6页附图2页(54)发明名称多传感器无源协同测向定位方法(57)摘要本发明提出了一种多传感器无源协同测向定位方法。利用本发明可显著地提高在多无源传感器观测值跳变、时间不同步、精度差异大的情况下对目标定位能力，实现对目标高精度协同测向定位。本发明通过下述技术方案予以实现：在无源协同测向定位软件中，输入多传感器量测数据，利用预测残差对观测值进行野值判别，采用扩展遗忘因子递推最小二乘滤波算法外推到同一时刻；然后使用量测协方差矩阵计算加权矩阵，构建多传感器的观测线性方程组求解目标位置初始估计值，利用加权高斯牛顿下降法计算增量，并对目标位置进行迭代求解，再对增量的显著性检验统计量进行判决，当判决为估计收敛则退出迭代计算，输出此时迭代估计解作为最终目标定位信息。CN105740203ACN105740203A权利要求书1/3页1.一种多传感器无源协同测向定位方法，其特征在于包括如下步骤：以多传感器数据预处理模块、观测方程构建模块、加权矩阵计算模块、目标初始值估计模块、加权非线性最小二乘估计模块为单元构建多传感器无源协同测向定位软件架构；在无源协同测向定位软件中，输入多传感器量测数据，对多传感器数据进行预处理，计算预测残差，利用预测残差对观测值进行判别野值并剔除野值，野值剔除后采用扩展遗忘因子递推最小二乘滤波算法进行滤波更新，再将每个传感器观测数据统一预测外推到同一时刻，同步多传感器观测数据；然后，利用观测极坐标与直角坐标系的关系，建立多传感器的观测方程；根据每个观测传感器的观测误差构建量测协方差矩阵，计算出加权矩阵和多传感器的观测线性方程组，并采用最小二乘估计方法求解目标位置的初始估计值；采用加权非线性最小二乘估计算法计算量测值残差，把非线性化观测式进行泰勒级数展开，利用加权高斯牛顿下降法计算增量，对目标位置进行迭代求解，计算增量的显著性检验统计量，再对检验统计量进行判决，当判决为估计收敛则退出迭代计算，将此时迭代估计解作为最终目标定位信息，通过多传感器协同定位输出此时迭代估计解作为最终目标定位信息，从而实现对目标的协同测向定位。2.如权利要求1所述的多传感器无源协同测向定位方法，其特征在于：多传感器数据预处理模块读入多传感器量测数据，计算预测残差v(k)＝z(k)-H(k)Y(k|k-1)，其中，v(k)服从均值为零的高斯分布，z(k)为传感器第k次观测方位角θ或俯仰角量测矩阵H(k)＝[10]，第k-1次滤波值对第k次预测值Y(k|k-1)的计算方式如下：Y(k|k-1)＝F(k)Y(k-1)(1)其中，状态转移矩阵Ts为传感器的观测周期，状态估计向量y(k-1)和分别为传感器第k-1次滤波方位角或俯仰角及其变化率。3.如权利要求1所述的多传感器无源协同测向定位方法，其特征在于：多传感器数据预处理模块利用预测残差v(k)对观测值z(k)进行判别，若v(k)≤μσ，则判为正常点，若v(k)＞μσ，则判为野值点，其中，μ为常数，可根据判别概率选取，通常可选3或4；σ为传感器观测噪声标准差。4.如权利要求1所述的多传感器无源协同测向定位方法，其特征在于：多传感器数据预处理模块采用扩展遗忘因子递推最小二乘滤波算法，把通过判别的正常残差数据带入进行滤波更新为：Y(k)＝Y(k|k-1)+K(k)v(k)(2)K(k)＝F(k)P(k-1)F(k)TH(k)T[λI＋H(k)F(k)P(k-1)F(k)TH(k)T]-1(3)P(k)＝λ-1[F(k)P(k-1)F(k)T-K(k)H(k)F(k)P(k-1)F(k)T](4)其中，K(k)为滤波增益；I为2阶单位矩阵；T表示矩阵转置；λ为遗忘因子，满足0＜λ≤1；P(k)为Y(k)的状态滤波协方差矩阵。5.如权利要求1所述的多传感器无源协同测向定位方法，其特征在于：多传感器数据预处理模块把协同定位时间设定在t时刻，将每个传感器观测数据统一预测外推到t时刻，计算同步时刻外推观测值其中，作为传感器在协同定位t时刻外推观测值，预测转移矩阵φ(k)＝[1t-tk]，tk为滤波值Y(k)所在时刻。2CN105740203A权利要求书2/3页6.如权利要求1所述的多传感器无