The invention proposes a prediction based fast covariance interactive fusion passive cooperative location method based on information theory. This method first constructs a mathematical model of two passive cooperative location systems with an external radiation source at the receiving station. Secondly, the extended Kalman filter algorithm is used to predict and update the target state by the two receiving stations respectively. Thirdly, according to the optimization criterion of information theory and taking the original fusion state estimation into account, the K_L divergence (Kullback_Leibler Divergence) between each error covariance can be obtained, and a closed-form solution for predicting the weights of the fast covariance cross-fusion algorithm is proposed. Finally, a fast covariance interaction fusion algorithm is proposed to get the state estimation of the target. The invention can improve the fusion effect, improve the target tracking accuracy and low algorithm complexity under the passive cooperative positioning environment of one external radiator and multiple receiving stations.
【技术实现步骤摘要】
基于信息论的预测快速协方差交互融合无源协同定位方法
本专利技术属于目标检测跟踪领域,涉及一种基于信息论的预测快速协方差交互融合无源协同定位方法(Information-theoreticcriterionbasedpredictedfastcovarianceintersectionalgorithminPassiveCoherentLocation,IT-PFCI-PCL)。
技术介绍
无源协同定位(PassiveCoherentLocation,PCL)指的是雷达本身不发射电磁波,借助非合作外辐射源(如手机通信基站,数字电视信号基站等)发射的电磁波来检测跟踪目标。与传统的有源雷达相比,PCL系统部署灵活,低成本,抗干扰能力强,具有较强的生存能力。除此外,PCL系统利用双、多基站的空间分布性大幅提高了系统对低空和隐身目标的探测性能,受到了国内外学者的广泛关注。与此同时,为了更加精确的实现跟踪定位,基于无源协同定位系统的航迹融合技术显得尤为重要。因此,寻找高效、实时可实现的基于无源协同定位系统的航迹融合算法具有较高的技术价值。集中式融合(centralizedtrackfusion,CTF)计算复杂度高,对通信带宽的要求高。而信息矩阵融合(informationmatrixfusion,IMF)方法的跟踪精度有待提高。为了解决PCL系统中的航迹融合问题,本专利技术针对局部估计误差之间的互协方差未知的情况,提出了基于信息论的预测快速协方差交互融合无源协同定位方法(Information-theoreticcriterionbasedpredictedfast ...
【技术保护点】
1.基于信息论的预测快速协方差交互融合无源协同定位方法,其特征在于包括以下步骤:步骤(1):构建两个接收站、一个外辐射源的无源协同定位系统的数学模型;假定R1和R2分别表示接收站1和接收站2,T表示外辐射源,O表示目标,rOR1表示O与R1间的距离,rOR2表示O与R2间的距离,rOT表示O与T间的距离,rR1T表示R1与T间的距离,rR2T表示R2与T间的距离;首先建立目标运动模型,记目标在第k帧的状态可以为:
【技术特征摘要】
1.基于信息论的预测快速协方差交互融合无源协同定位方法,其特征在于包括以下步骤:步骤(1):构建两个接收站、一个外辐射源的无源协同定位系统的数学模型;假定R1和R2分别表示接收站1和接收站2,T表示外辐射源,O表示目标,rOR1表示O与R1间的距离,rOR2表示O与R2间的距离,rOT表示O与T间的距离,rR1T表示R1与T间的距离,rR2T表示R2与T间的距离;首先建立目标运动模型,记目标在第k帧的状态可以为:其中[x(k),y(k)]和分别表示第k帧目标在x,y方向的位置和速度;假设目标运动模型如下:X(k)=FX(k-1)+V(k)(1)式中为目标的状态转移矩阵,t表示采样间隔,V(k)~N(0,Q(k))为目标过程噪声,Q(k)为目标过程噪声协方差;PCL系统中两个接收站的量测模型分别为:其中:式中,[xR1(k),yR1(k)],[xR2(k),yR2(k)]和[xT(k),yT(k)]分别表示R1,R2和T在第k帧的位置;量测噪声w1(k),w2(k)分别服从协方差为和的零均值高斯分布;步骤(2):两个接收站分别通过扩展卡尔曼滤波算法对目标状态进行预测更新,具体是:2.1状态一步预测方程:其中表示接收站R1在第k-1帧对目标的状态一步预测,表示接收站R1在第k-1帧对目标的状态估计;2.2量测一步预测方程:其中表示在第k-1帧接收站R1对目标状态一步预测的量测一步预测,而2.3新息和误差协方差预测:其中Ψ(k)表示在第k帧的新息,表示在第k-1帧的预测误差协方差,表示在第k-1帧的误差协方差;FT表示状态转移矩阵F的转置,G表示噪声输入分布矩阵,GT表示噪声输入分布矩阵G的转置;2.4雅可比矩阵:其中H(k)表示在第k帧的雅可比矩阵,表示当时,h1(k)对X(k)的微分;2....
【专利技术属性】
技术研发人员:郭云飞,张天宇,薛安克,陈志坤,石义芳,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。