基于多源信息融合的目标估计方法技术

本发明专利技术公开了一种基于多源信息融合的目标估计方法，该方法通过多个飞行器同时分别观测同一个目标，实时获得各个飞行器与目标之间的视线角信息、各个飞行器相对于目标的位置信息和各个飞行器相对于目标的速度信息；再彼此共享各个飞行器获得的目标最优估计状态，通过线性分布式一致鲁棒滤波算法解算出目标下一时刻的状态信息。

【技术实现步骤摘要】
基于多源信息融合的目标估计方法
本专利技术涉及制导控制领域中的目标估计方法，具体涉及一种基于多源信息融合的目标估计方法。
技术介绍
在飞行器制导控制过程中，获得目标位置是极其重要的一个工作阶段，现有技术中捕获目标的方法和设备也较多，如雷达、激光导引头、红外导引头、图像识别导引头等，通过这些方法和设备获得目标的位置信息，进而给飞行器的制导控制提供目标基础，由于飞行器的飞行速度较快，需要实时快速地获知目标的位置信息，但是如果目标是运动的，这些目标捕获方法和设备的应用效果就会有所减弱，飞行器获得的目标位置信息可能会出现较大的延迟及噪音；另外，在实际工程中，飞行器的制导控制需要时间，即需要时间来调整飞行器的方向，以便于对准目标，如果目标的运动速度较高，现有的硬件设备虽然仍可捕获到目标，但飞行器来不及调整其自身的方向来对准目标，这时就需要为飞行器提供一个预估的目标位置，即下一时刻的目标位置，为飞行器调整飞行方向预留出足够的时间。所以，飞行器能否快速获得准确的目标下一时刻位置的估计值，对于飞行器的精确控制至关重要。由于上述原因，本专利技术人对现有的目标估计方法做了深入研究，设计出一种能够解决上述问题的基于多源信息融合的目标估计方法。
技术实现思路
为了克服上述问题，本专利技术人进行了锐意研究，设计出一种基于多源信息融合的目标估计方法，该方法通过多个飞行器同时分别观测同一个目标，实时获得各个飞行器与目标之间的视线角信息、各个飞行器相对于目标的位置信息和各个飞行器相对于目标的速度信息；再彼此共享各个飞行器获得的目标最优估计状态，通过线性分布式一致鲁棒滤波算法解算出目标下一时刻的位置信息，从而完成本专利技术。具体来说，本专利技术的目的在于提一种基于多源信息融合的目标估计方法，该方法通过飞行器观测目标，实时获得飞行器与目标之间的视线角信息、飞行器相对于目标的位置信息和飞行器相对于目标的速度信息。该方法中使用至少一个飞行器，且所述飞行器都同时观测同一个目标，其中，在每个飞行器中都根据观测值解算出目标最优估计状态，再将每个飞行器获得的观测值和目标最优估计状态共享给其他飞行器，同时每个飞行器也都接收其他飞行器传递来的由其他飞行器获得的观测值和目标最优估计状态。所述飞行器根据其自身观测获得的观测值和其接收到的其他飞行器获得的观测值，通过线性分布式一致鲁棒滤波算法解算出目标下一时刻的状态信息。根据本专利技术提供的基于多源信息融合的目标估计方法，能够估计出目标的状态，获得下一时刻的目标状态信息，其获得的目标的状态收敛速度快，误差波动小且稳定。附图说明图1中给出了仿真实验例中目标真实(True)的X轴方向位置变化曲线、NCF获得的X轴方向位置变化曲线、NDF获得的X轴方向位置变化曲线和LCF获得的X轴方向位置变化曲线；图2中给出了仿真实验例中目标真实(True)的Y轴方向位置变化曲线、NCF获得的Y轴方向位置变化曲线、NDF获得的Y轴方向位置变化曲线和LCF获得的Y轴方向位置变化曲线；图3中给出了仿真实验例中NCF获得的X轴方向位置变化平均估计误差曲线、NDF获得的X轴方向位置变化平均估计误差曲线和LCF获得的X轴方向位置变化平均估计误差曲线；图4中给出了仿真实验例中NCF获得的Y轴方向位置变化平均估计误差曲线、NDF获得的Y轴方向位置变化平均估计误差曲线和LCF获得的Y轴方向位置变化平均估计误差曲线；图5中给出了仿真实验例中NCF获得的X轴方向位置变化均方误差曲线、NDF获得的X轴方向位置变化均方误差曲线和LCF获得的X轴方向位置变化均方误差曲线；图6中给出了仿真实验例中NCF获得的Y轴方向位置变化均方误差曲线、NDF获得的Y轴方向位置变化均方误差曲线和LCF获得的Y轴方向位置变化均方误差曲线；图7中给出了仿真实验例中目标真实(True)的X轴方向速度变化曲线、NCF获得的X轴方向速度变化曲线、NDF获得的X轴方向速度变化曲线和LCF获得的X轴方向速度变化曲线；图8中给出了仿真实验例中目标真实(True)的Y轴方向速度变化曲线、NCF获得的Y轴方向速度变化曲线、NDF获得的Y轴方向速度变化曲线和LCF获得的Y轴方向速度变化曲线；图9中给出了仿真实验例中NCF获得的X轴方向速度变化平均估计误差曲线、NDF获得的X轴方向速度变化平均估计误差曲线和LCF获得的X轴方向速度变化平均估计误差曲线；图10中给出了仿真实验例中NCF获得的Y轴方向速度变化平均估计误差曲线、NDF获得的Y轴方向速度变化平均估计误差曲线和LCF获得的Y轴方向速度变化平均估计误差曲线；图11中给出了仿真实验例中NCF获得的X轴方向速度变化均方误差曲线、NDF获得的X轴方向速度变化均方误差曲线和LCF获得的X轴方向速度变化均方误差曲线；图12中给出了仿真实验例中NCF获得的Y轴方向速度变化均方误差曲线、NDF获得的Y轴方向速度变化均方误差曲线和LCF获得的Y轴方向速度变化均方误差曲线。具体实施方式下面通过附图和实施例对本专利技术进一步详细说明。通过这些说明，本专利技术的特点和优点将变得更为清楚明确。在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。根据本专利技术提供的一种基于多源信息融合的目标估计方法，该方法通过飞行器观测目标，实时获得飞行器与目标之间的视线角信息、飞行器相对于目标的位置信息和飞行器相对于目标的速度信息。其中，该方法中使用至少一个飞行器，且所述飞行器都同时观测同一个目标，优选地，该方法中使用2个或2个以上飞行器，该飞行器可以是在目标周围巡航的飞行器，也可以是打击目标的飞行器，还可以两种类型的飞行器搭配使用，本申请中对此不作特别限定，能够实现上述观测目标的功能即可，另外，在飞行器上也需要设置有信息交互设备，如数据链等。优选地，在每个飞行器中都根据观测值解算出目标最优估计状态，再将每个飞行器获得的观测值和目标最优估计状态共享给其他飞行器，同时每个飞行器也都接收其他飞行器传递来的由其他飞行器获得的观测值和目标最优估计状态。其中，飞行器在没有接收到其他飞行器共享的信息时，仍然按照本申请中所述的方法解算目标最优估计状态，即解算过程中j＝1。在一个优选的实施方式中，所述飞行器根据其自身观测获得的观测值和其接收到的其他飞行器获得的观测值，通过线性分布式一致鲁棒滤波算法解算出目标下一时刻的状态信息，即目标最优估计状态所述目标状态信息即为目标最优估计状态，包括目标相对于地面的速度信息、目标相对于地面的位置信息和目标相对于地面的加速度信息。在一个优选的实施方式中，在线性分布式一致鲁棒滤波算法中，通过下式(一)解算飞行器的测量信息矩阵其中，表示飞行器的测量信息矩阵，表示视线角变量，表示飞行器位置速度变量，和都表示量测噪本文档来自技高网...

【技术保护点】
1.一种基于多源信息融合的目标估计方法，其特征在于，该方法包括：/n通过飞行器观测目标，实时获得飞行器与目标之间的视线角信息、飞行器相对于目标的位置信息和飞行器相对于目标的速度信息。/n

【技术特征摘要】
1.一种基于多源信息融合的目标估计方法，其特征在于，该方法包括：
通过飞行器观测目标，实时获得飞行器与目标之间的视线角信息、飞行器相对于目标的位置信息和飞行器相对于目标的速度信息。


2.根据权利要求1所述的基于多源信息融合的目标估计方法，其特征在于，该方法中使用至少一个飞行器，且所述飞行器都同时观测同一个目标，
其中，在每个飞行器中都根据观测值解算出目标最优估计状态，再将每个飞行器获得的观测值和目标最优估计状态共享给其他飞行器，同时每个飞行器也都接收其他飞行器传递来的由其他飞行器获得的观测值和目标最优估计状态。


3.根据权利要求2所述的基于多源信息融合的目标估计方法，其特征在于，
所述飞行器根据其自身观测获得的观测值和其接收到的其他飞行器获得的观测值，通过线性分布式一致鲁棒滤波算法解算出目标下一时刻的状态信息，即目标最优估计状态
其中，在线性分布式一致鲁棒滤波算法中，
通过下式(一)解算飞行器的测量信息矩阵



其中，表示飞行器的测量信息矩阵，表示视线角变量，表示飞行器位置速度变量，和都表示量测噪声。


4.根据权利要求3所述的基于多源信息融合的目标估计方法，其特征在于，
所述视线角变量包括飞行器观测目标获得的飞行器与目标之间的视线角信息，
所述飞行器位置速度变量包括飞行器实时记录的飞行器自身的位置信息和速度信息，
其中，表示第j个飞行器在第k时刻测得的飞行器与目标之间的视线角；

表示第j个飞行器在第k时刻与目标之间相对距离在X轴方向上的分量，

【专利技术属性】
技术研发人员：李斌，林德福，江涛，王圣，朱雨翔，彭林，
申请(专利权)人：北京理工大学，国网江西省电力有限公司上饶供电分公司，
类型：发明
国别省市：北京;11