多传感器信息融合中的空间配准技术研究

论文摘要

多传感器信息融合系统是有效实现时、空、频覆盖,提高决策效能的重要技术手段,在军事和民用领域均有广泛的应用前景。空间配准是信息融合中的前期处理步骤,可实现对不同坐标系表述框架下、异地配置下的多传感器、多平台、多系统间空间信息描述的统一,是完成高精度融合检测、跟踪、识别以及高级分析任务中不可缺少的处理环节。空间配准一般涉及离线估计和在线估计两种。后者在复杂战场环境下,对各种因素干扰带来的瞬时位置误差提供了更精确的描述。UKF是在线估计方法中较有效的一种解决策略。因不需要对非线性系统强制线性化,避免了繁琐的雅克比矩阵计算,其收敛速度和配准精度都高于EKF,而计算量与之相当,因此可在完成状态估计的同时实现非线性的空间位置误差补偿。空间配准任务中的一个难点就是极坐标系向笛卡尔坐标系转换带来的非线性因素,利用UKF可有效实现空间测量误差的非线性在线估计。在同一感知范围内,在同一传感器组合配置下,基于协作式目标可获取的先验知识,论文提出了一种利用协作式目标空间误差补偿信息,进一步改善非协作式目标空间位置补偿精度的方法。围绕工程实现需求,论文主要从坐标原点的配置、坐标轴的配置以及传感器之间距离对测量结果和配准精度的影响等方面,进一步分析了所提方法的性能和适应性。围绕上述研究思路,设计了多组仿真实验,结果验证了方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 课题背景
• 1.2 课题来源及意义
• 1.2.1 空间配准在信息融合中的关键性
• 1.2.2 空间配准误差的主要来源和解决方法
• 1.3 研究内容及论文安排
• 第二章 空间配准的基本理论和方法
• 2.1 空间配准涉及的基本方法
• 2.1.1 常用的空间配准坐标系和坐标变换方法
• 2.1.2 离线估计补偿的主要方法
• 2.1.3 在线估计补偿的主要方法
• 2.2 非线性滤波基本知识
• 2.2.1 扩展卡尔曼滤波（EKF）基本算法
• 2.2.2 UKF滤波算法基本知识
• 2.2.3 UT变换（Unscented Transformation）
• 2.2.4 Sigma采样策略
• 2.2.5 UKF基本算法
• 2.3 本章小结
• 第三章 协作式目标与非协作式目标在空间配准中的协同运用
• 3.1 空间关系和滤波模型的描述
• 3.1.1 空间关系描述
• 3.1.2 匀速直线运动的状态模型
• 3.1.3 匀加速直线运动的状态模型
• 3.1.4 匀速转弯运动的状态模型
• 3.1.5 UKF空间配准量测模型
• 3.2 UKF在空间配准的应用
• 3.2.1 Sigma采样
• 3.2.2 UKF基本更新方程
• 3.3 协作式目标与非协作式目标在空间配准中的协同运用
• 3.4 仿真实验
• 3.4.1 对匀速直线运动协作式目标的空间配准
• 3.4.2 对匀加速直线运动协作式目标的空间配准
• 3.4.3 对匀速转弯运动协作式目标的空间配准
• 3.4.4 对非协作式匀速直线运动和曲线运动的配准补偿
• 3.5 本章小结
• 第四章 传感器配置对空间配准性能的影响分析
• 4.1 参考坐标原点的配置分析
• 4.2 参考坐标轴的配置分析
• 4.3 传感器之间距离的配置分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 课题工作总结及创新点
• 5.2 课题存在的不足及展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果
• 作者在学期间参加的科研任务