基于角度余切值的被动多传感器量测数据关联方法

摘要

本发明公开了一种基于角度余切值的快速数据关联方法，主要解决现有被动多传感器的量测数据关联中关联速度慢关联正确率低的问题。该方法首先采用角度余切值构建统计量，并通过分块预处理建立候选关联集；然后分别采用多次随机迭代的方位角检测和俯仰角检测对候选关联集进行化简；最后通过指示函数和代价函数挑选出正确的关联组合。本发明直接采用角度信息进行数据关联，避免了角度到距离的换算，运算效率明显高于传统方法，具有良好的工程应用价值，可应用于红外制导，信息融合作战，空中交通管制和航天，航空，航海等领域。

主权项

1.一种基于角度余切值的被动多传感器量测数据关联方法，包括如下步骤：1)计算各个传感器获取的所有量测的余切值其中分别表示第i个传感器的第j组量测数据方位角和俯仰角，设置两个初始迭代次数k₁＝0，k₂＝0和两个最大迭代次数N₁，N₂；2)将M个传感器分组为{(S₁S₂S₃)，(S₂S₃S₄)，...，(S_M-2S_M-1S_M)}，其中(S_i-2S_i-1S_i)表示一组传感器组合，S_i表示第i个传感器，按照如下步骤对各组传感器的关联组合量测数据分别进行方位角检测和俯仰角检测，利用通过检测的关联组合量测数据建立候选关联集P：a)方位角检测a1)根据步骤1中的方位角余切值，计算三个传感器量测数据的方位角检验统计量：$F({\alpha }_i^{l_1},{\alpha }_j^{l_2},{\alpha }_k^{l_3})=\cot {\alpha }_k^{l_3}-\cot {\alpha }_j^{l_2}+\frac{\cot {\alpha }_i^{l_1}-\cot {\alpha }_j^{l_2}}{\cot {\alpha }_i^{l_1}-\cot {\theta }_{\mathrm{ijk}}}·\frac{L_{\mathrm{jk}}}{L_{\mathrm{ij}}·\sin {\theta }_{\mathrm{ijk}}}$其中，$L_{\mathrm{ij}}\in \left\{\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2+{(z_i-z_j)}^2}\right\},$θ_ijk∈{∠S_iS_jS_k}，(x_i，y_i，z_i)表示传感器S_i的位置坐标，i，j，k∈Ω＝{1，2，...，M}；a2)计算方位角检验统计量方差：${\sigma }_F^2=R_{\mathrm{ijk}}^1·R_{\mathrm{ijk}}^2·{\sigma }_s^2,$其中，$R_{\mathrm{ijk}}^1=\left[\begin{array}{ccc}{(\frac{L_{\mathrm{kj}}}{L_{\mathrm{ij}}·\sin {\theta }_{\mathrm{ijk}}}·\frac{\cot {\alpha }_j^{l_2}-\cot {\theta }_{\mathrm{ijk}}}{{(\cot {\alpha }_i^{l_1}-\cot {\theta }_{\mathrm{ijk}})}^2})}^2& {(1+\frac{L_{\mathrm{kj}}}{L_{\mathrm{ij}}·\sin {\theta }_{\mathrm{ijk}}}·\frac{1}{\cot {\alpha }_i^{l_1}-\cot {\theta }_{\mathrm{ijk}}})}^2& 1\end{array}\right],$$R_{\mathrm{ijk}}^2={\left[\begin{array}{ccc}{(1+\cot {\alpha }_i^{l_{1}2})}^2& {(1+\cot {\alpha }_j^{l_{2}2})}^2& {(1+\cot {\alpha }_k^{l_{3}2})}^2\end{array}\right]}^T,$σ_s为传感器量测噪声标准差；a3)利用方位角检验统计量方差，设定置信区间[-3σ_F，3σ_F]，若检验统计量落在该置信区间内，则通过检测；否则，予以删除；b)俯仰角检测b1)根据步骤1中的俯仰角余切值，计算俯仰角检验统计量：e_mn＝H_m-H_n其中，m，m∈{1，2，3，4}，m＞n，H₁，H₂，H₃，H₄表示传感器视线确定的四个高度，它们分别为：$H_1=h_{i\left(\mathrm{ik}\right)}=\frac{L_{\mathrm{ik}}}{\cot {\beta }_i}·\frac{\sin {\theta }_{\mathrm{ijk}}(\cot {\alpha }_k-\cot {\theta }_{\mathrm{ijk}})}{\sin {\alpha }_i(\cot {\alpha }_i-\cot {\alpha }_k)},$$H_2=h_{k\left(\mathrm{ik}\right)}=\frac{L_{\mathrm{ik}}}{\cot {\beta }_k}·\frac{\sin {\theta }_{\mathrm{ijk}}(\cot {\alpha }_i-\cot {\theta }_{\mathrm{ijk}})}{\sin {\alpha }_i(\cot {\alpha }_i-\cot {\alpha }_k)}$$H_3=h_{j\left(\mathrm{jk}\right)}=\frac{L_{\mathrm{jk}}}{\cot {\beta }_j}·\frac{1}{\sin {\alpha }_j(\cot {\alpha }_k-\cot {\alpha }_j)},$$H_4=h_{k\left(\mathrm{jk}\right)}=\frac{L_{\mathrm{jk}}}{\cot {\beta }_k}·\frac{1}{\sin {\alpha }_k(\cot {\alpha }_k-\cot {\alpha }_j)};$h_k(ij)表示由传感器i和j确定的第k个传感器定位线的高度，i，j，k∈Ω＝{1，2，...，M}；b2)计算俯仰角检验统计量方差：${\sigma }_{e_{\mathrm{mn}}}^2={(H_m·(\cot {\beta }_p+\frac{1}{\cot {\beta }_p})·{\sigma }_s)}^2+{(H_n·(\cot {\beta }_q+\frac{1}{\cot {\beta }_q})·{\sigma }_s)}^2$其中，m，m∈{1，2，3，4}，m＞m，p，q∈{i，j，k}，p≠q，i，j，k∈Ω＝{1，2，...，M}，σ_s为传感器量测噪声标准差；b3)利用俯仰角检验统计量方差，设定置信区间若俯仰角检验统计量落在置信区间内，则通过检测；否则，予以删除；3)随机选取三个传感器，对这三个传感器的量测数据进行方位角检测，将不能通过检测的关联组合从候选关联集P中删除；4)对通过检测的候选关联集P中所有的关联组合，一一建立指示函数ξ(l_s)＝NUM(P，l_s)，其中，s＝1，2，...，M，NUM(P，l_s)表示候选关联集P中元素l_s的总个数，对于ξ(l_s)＝1的关联组合{l₁，...，l_s，...，l_M}，将其放入最终正确关联集Z中，并删除候选关联集P中含有{l₁，...，l_s，...，l_M}任一元素的关联组合，然后在当前迭代次数k₁上加1即k₁＝k₁+1；5)进一步对候选关联集P进行筛选，若k₁＜N₁，则随机选取三个传感器并保证该三传感器组合在之前筛选中未选取过，利用步骤1中的方位角余切值，对这三个传感器量测数据进行方位角检测，将不能通过检测的关联组合从候选关联集P中删除，返回步骤4；否则，将P放入新的候选关联集Q中，进入步骤6；6)随机选取三个传感器，对这三个传感器的量测数据进行俯仰角检测，将不能通过检测的关联组合从候选关联集Q中删除；7)对通过检测的候选关联集Q中所有的关联组合，一一建立指示函数ξ(l_s)＝NUM(Q，l_s)，其中，s＝1，2，...，M，NUM(Q，l_s)表示候选关联集Q中元素l_s的总个数，对于ξ(l_s)＝1的关联组合{l₁，...，l_s，...，l_M}，将其放入最终正确关联集Z中，并删除候选关联集Q中含有{l₁，...，l_s，...，l_M}任一元素的关联组合，在当前迭代次数k₂上加1即k₂＝k₂+1；8)进一步对候选关联集Q进行筛选，若k₂＜N₂，则随机选取三个传感器并保证该三传感器组合在之前筛选中未选取过，利用步骤1的俯仰角余切值，对这三个传感器量测数据进行俯仰角检测，将不能通过检测的关联组合从候选关联集Q中删除，返回步骤7；否则，将Q放入新的候选关联集R，进入步骤9；9)若候选关联集R不为空集，则对R中所有的关联组合，一一建立代价函数其中，c为e_mn的总个数，选取使得全局代价最小的组合作为最终的关联结果，放入最终正确关联集Z中并作为结果输出；否则，直接将最终正确关联集Z输出。