基于地心坐标系多传感器扩展卡尔曼数据配准与目标跟踪算法.pdfVIP

基于地心坐标系的多传感器扩展卡尔曼数据配准与 目标跟踪算法 廖海军， 王卫星 电子科技大学电子工程学院，成都（610054 ） E-mail：haijunliao@ 摘 要：配准是多传感器数据无误差坐标转换的必不可少的处理过程。传统的误差配准技术 多基于球极投影，没有考虑地球地形的影响，当传感器之间距离较远时将失去实际意义，无 法对目标进行有效的跟踪。基于地心坐标系，提出了一种扩展卡尔曼配准与目标跟踪算法， 这种方法考虑到了地球形状对配准的影响，最后给出的仿真结果说明了算法较好地解决了远 距离的传感器配准与目标跟踪。 关键词：多传感器，地心坐标系，扩展卡尔曼算法，配准，目标跟踪 中图分类号：TN953 1. 引 言 数据融合是一种多层次的、多方面的处理过程。这个过程是对多源数据进行检测、结合、 相关、估计和组合, 以达到精确的状态估计和身份估计, 以及完整及时的态势评估和威胁估计 [1] 。配准是多传感数据无误差坐标转换的必不可少的处理过程。在数据融合中,当传感器没有 适当对准时就需要进行传感器配准。融合既相互独立运行又具有一些互补特征的传感器(雷 达)提供的大量数据可以大大促进传感器网络的应用。使用传感器网络的优点是覆盖广、可 靠性高和具有鲁棒性[2] 。为了得到可靠的全域监视图像,就需要把区域传感器数据转换到公共 参考系统进行处理。然而, 由于传感器偏差的原因,直接转换不易成功。因此,迫切需要为多传 感器监视系统找到传感器配准方法。 目前采用的传感器配准方法主要有三种: 第一种是采用立体几何投影法[3] 。如RTQC(real time quality control),LS(least squares),GLS(generalized least squares),EML(exact maximum likelihood)等算法。采用立体几何投影法的优点是减少配准算法的复杂性,缺点是:一是立体几 何投影法虽然利用高阶近似来提高精度，但由于地球是椭球而不是圆球，所以在投影时仍会 给量测引入误差;二是立体几何投影法扭曲数据。例如球极保角投影，只保证方位角不变形， 并不能确保斜距不变形，这样会导致系统误差不再是常数，而且与量测有关。对于多平台多 传感器系统,这种更加突出。这是因为当平台间距离加大时,地球曲率对立体几何投影的影响 已不能忽略。 第二种是采用地理坐标变换法。地理坐标变换法被证明是一种高精度的坐标变换方法, 已在很多领域得到了成功应用[4] 。该方法以地球中心坐标系( Earth-centered Earth-fixed coordinate) 为公共坐标系, Zhou[5] 提出的基于地球中心坐标系( ECEF) 的最小二乘(LS) 误 [6] [7] 差配准技术就是在该坐标系中实现的。董云龙 提出的ECEF-GLS算法，以及李教 提出的 ECEF-EML算法都取得了很好的效果。但这种方法只能用于传感器配准，无法对目标进行跟 踪。 第三种是采用卡尔曼滤波算法。卡尔曼算法以及扩展卡尔曼算法(EKF)被广泛地用于传 感器配准与机动目标跟踪。Dhar[8]使用卡尔曼算法在线估计传感器系统误差，Rice[9]使用扩 展卡尔曼算法来估计传感器配准误差，Nabaa[10]使用EKF算法来跟踪机动目标和估计配准误 差。这种方法的缺陷在于受到传感器之间的距离必须较小的限制。 本文采用基于地心坐标系的扩展卡尔曼算法，将两种方法加以结合，既避免了第二种方 -1- 法无法跟踪目标的遗憾，又避免了第三种方法传感器距离较小的限制，充分考虑到量测噪声 的影响，仿真结果表明本算法较好地实现了对目标的跟踪和对传感器配准误差的估计。 2