一种同平台配置的雷达与红外传感器进行空间配准的方法

摘要

本发明适用于数据融合技术领域，提供了一种同平台配置的雷达与红外传感器进行空间配准的方法，所述方法包括：建立以极坐标位置、直角坐标速度和极坐标配准偏差为状态向量的系统状态方程和量测方程；用前两个时刻雷达与红外传感器的量测通过UT变换得到系统状态向量的初始化值；根据系统的状态方程、量测方程和状态向量的初始化值，对量测数据进行UKF滤波配准，得到红外传感器相对于雷达的空间配准偏差本发明克服了现有雷达与红外传感器空间配准的局限性，提高了配准的精度。

主权项

1.一种同平台配置的雷达与红外传感器进行空间配准的方法，其特征在于，所述方法包括下述步骤：根据系统的状态向量，建立系统的状态方程，即：X(t_k+1)=[h₁(t_k),h₂(t_k),h₃(t_k),h₄(t_k),h₅(t_k),h₆(t_k),h₇(t_k),h₈(t_k)]^T+W(t_k)，其中：$h_1\left(t_k\right)=\mathrm{sqrt}({({\xi }_x\left(t_k\right)+\stackrel{·}{x}\left(t_k\right)·T)}^2+{({\xi }_y\left(t_k\right)+\stackrel{·}{y}\left(t_k\right)·T)}^2+{({\xi }_z\left(t_k\right)+\stackrel{·}{z}\left(t_k\right)·T)}^2),$$h_2\left(t_k\right)=\arctan \left(\frac{{\xi }_x\left(t_k\right)+\stackrel{·}{x}\left(t_k\right)·T}{{\xi }_y\left(t_k\right)+\stackrel{·}{y}\left(t_k\right)·T}\right),$$h_3\left(t_k\right)=\arctan \left(\frac{{\xi }_z\left(t_k\right)+\stackrel{·}{z}\left(t_k\right)·T}{\mathrm{sqrt}{(({\xi }_x\left(t_k\right)+\stackrel{·}{x}\left(t_k\right)·T)}^2+{({\xi }_y\left(t_k\right)+\stackrel{·}{y}\left(t_k\right)·T)}^2)}\right),$$h_4\left(t_k\right)=\stackrel{·}{x}\left(t_k\right),$$h_5\left(t_k\right)=\stackrel{·}{y}\left(t_k\right),$$h_6\left(t_k\right)=\stackrel{·}{z}\left(t_k\right),$h₇(t_k)=Δθ(t_k)，h₈(t_k)=Δη(t_k)，而且，T为雷达与红外传感器经时间配准过后的采样周期，ξ_x(t_k)=r(t_k)cosη(t_k)sinθ(t_k)、ξ_y(t_k)=r(t_k)cosη(t_k)cosθ(t_k)、ξ_z(t_k)=r(t_k)sinη(t_k)、分别表示k时刻直角坐标系下目标位置、速度在三个坐标轴上的分量，W(t_k)是过程噪声，它的协方差矩阵为$Q=\mathrm{diag}\left(\right[{\delta }_1^2,{\delta }_2^2,...,{\delta }_{L_1}^2\left]\right);$根据状态变量和雷达与红外传感器的测量特性，建立系统的量测方程，即：其中，(ρ_r(t_k),θ_r(t_k)，η_r(t_k))为雷达的量测值，(θ_i(t_k),η_i(t_k))为红外传感器的量测值，n_j(t_k),j=1,2,...,L₂是系统的量测噪声，它的协方差矩阵为(r(t_k),θ(t_k),η(t_k))为k时刻目标距离、方位角、俯仰角的状态值，(Δθ(t_k),Δη(t_k))为k时刻红外方位角与俯仰角偏差的状态值；将前两个时刻雷达与红外传感器的量测通过UT变换得到系统状态向量的初始化值：$X\left(t_0\right)={[{\rho }_r\left(t_0\right),{\theta }_r\left(t_0\right),{\eta }_r\left(t_0\right),\stackrel{·}{x}\left(t_0\right),\stackrel{·}{y}\left(t_0\right),\stackrel{·}{z}\left(t_0\right),\mathrm{\Delta \theta }\left(t_0\right),\mathrm{\Delta \eta }\left(t_0\right)]}^T;$根据系统的状态方程、量测方程和状态向量的初始化值，对后续量测数据进行UKF滤波配准，得到红外传感器相对于雷达的空间配准偏差所述根据系统的状态方程、量测方程和状态向量的初始化值，对后续量测数据进行UKF滤波配准，得到红外传感器相对于雷达的空间配准偏差的步骤如下：（a）、对状态向量和协方差进行初始化操作，即：${\hat{x}}_1\left(0\right)=X\left(t_0\right)={[{\rho }_r\left(t_0\right),{\theta }_r\left(t_0\right),{\eta }_r\left(t_0\right),{\stackrel{·}{x}}_0,{\stackrel{·}{y}}_0,{\stackrel{·}{z}}_0,\mathrm{\Delta \theta }\left(t_0\right),\mathrm{\Delta \eta }\left(t_0\right)]}^T,$$P_a^{*}\left(0\right)=E[(x_a^{*}\left(0\right)-{\hat{x}}_a^{*}\left(0\right))$${(x_a^{*}\left(0\right)-{\hat{x}}_a^{*}\left(0\right))}^T]=\left[\begin{array}{ccc}{P}_1\left(0\right)& 0& 0\\ 0& Q& 0\\ 0& 0& R\end{array}\right],$其中，P₁(0)是X(t₀)的协方差矩阵，${\hat{x}}_a^{*}\left(0\right)={\left[\begin{array}{cc}{\hat{x}}_1^T\left(0\right),& 0^T\end{array}\right]}^T$是扩维后的状态向量；（b）、对扩维后的状态向量用2L+1个对称的σ点来近似；（c）、计算σ点通过状态方程的传播，生成得到状态预测估计和预测协方差；（d）、计算状态向量和量测之间的交互协方差；（e）、对新获取得到的量测进行滤波更新，得到系统偏差值；重复步骤(b)～(e)，得到系统偏差值，直到配准偏差不再明显变化。