一种无人船水质检测作业路径的双雷达精准定位方法与流程

本发明涉及雷达目标定位领域，尤其涉及一种无人船水质检测作业路径的双雷达精准定位方法。

背景技术：

在水产养殖生产过程中，水质的好坏对渔业产量具有决定性的作用。传统水质检测采用人工的方法，效率低并采样面不广。目前，采用无人船对养殖水域的水质进行大规模的巡航采样，可大大提高水质检测效率，为渔业生产提供实时决策依据。无人船的作业路径定位在无人船水质检测过程中具有重要支撑作用。因此无人船的作业路径定位具有重要意义。

目前，主要有全球定位系统(gps)方法。一般来说，gps在民用上的定位精度为3米，不能满足水产养殖水质检测作业的路径的高精度定位。另一方面，天线指向固定的毫米波调频连续波单雷达仅能测量目标的一维距离及径向速度信息，而对无人船的定位需要两部毫米波调频连续波雷达按照一定的几何关系进行同时观测。

综上所述，如何准确、稳定地定位无人船水质检测作业路径是目前亟待解决的问题。

技术实现要素：

本发明目的在于克服现有工程项目在执行过程中遇到问题时，提供了一种无人船水质检测作业路径的双雷达精准定位方法，具体由以下技术方案实现：

所述无人船水质检测作业路径的双雷达精准定位方法，包括如下步骤：

步骤1)设定双毫米波调频连续波雷达观测点的几何位置,实时获取双雷达对无人船的距离及径向速度数据；

步骤2)建立无人船位置状态及双雷达信息互享的观测方程；

步骤3)基于集合卡尔曼滤波思想，递推求解双雷达间信息互享的无人船运动轨迹，对无人船在水质检测作业中的路径高精度定位。

所述无人船水质检测作业路径的双雷达精准定位方法的进一步设计在于，所述步骤1)依据渔业养殖场的实际物理尺寸及其地理分布特点，采用南北向的矩形对渔业养殖场进行优化匹配拟合，将矩形的东西向的中心点及南北向的中心点设定为双毫米波调频连续波雷达的观测点。

所述无人船水质检测作业路径的双雷达精准定位方法的进一步设计在于，所述步骤1)中通过串口协议对雷达输出的距离及径向速度数据进行实时获取采集。

所述无人船水质检测作业路径的双雷达精准定位方法的进一步设计在于，所述步骤2)中建立无人船位置状态及双雷达信息互享的观测方程包括如下步骤：步骤2-1)采用笛卡尔两维坐标系统，定义矩形的东西向为x轴，南北向为y轴，设定无人船位置状态为距离与速度的向量，采样时间间隔为δt，在n时刻，无人船的位置状态方程为sn＝fsn-1+wn；式中状态转移矩阵f为：

噪声为wn＝[wn，1，wn，2，wn，3，wn，4]，wn的均值为零，协方差矩阵q为：

步骤2-2)设定第一部雷达观测得到无人船的东西向的距离及径向速度为第二部雷达观测得到无人船的南北向的距离及径向速度为设定在n时刻，第i个雷达的观测方程为：

yi，n＝hisn+vi，n

式中观测矩阵为：

噪声为vi，n＝[vi，n，1，vi，n，2，vi，n，3，vi，n，4]，其均值为零，协方差矩阵为：

所述无人船水质检测作业路径的双雷达精准定位方法的进一步设计在于，所述步骤3)中具体包括如下步骤：

步骤3-1)设定两雷达的联合观测方程为：

yn＝hsn+vn

式中，观测值观测矩阵为噪声的协方差矩阵为r1，n、r2，n分别为第1个及第2个雷达观测的协方差矩阵。步骤3-2)基于序列贝叶斯估计，可以得到转移概率分布p(sn|sn-1)、似然概率分布p(yn|sn)及后验概率p(sn|yn)分别为

式中yn＝{y1，y2，…，yn}，是一个均值为m，协方差矩阵为p的高斯分布函数，下标n|n表示利用时刻n的观测数据估计时刻n的状态值，均值mn|n及pn|n的迭代计算过程为：

mn|n-1＝fmn-1|n-1

pn|n-1＝fpn-1|n-1f^t+qn

上式中，t表示矩阵装置操作，f为状态方程中的状态转移矩阵。

步骤3-3)通过上述推导可得到无人船水质检测作业路径的轨迹估计值为

本发明的优点如下：

本发明的无人船水质检测作业路径的双雷达精准定位方法先依据渔业养殖场的实际物理尺寸，计算双毫米波调频连续波雷达观测点几何位置,实时获取双雷达对无人船的距离及径向速度数据；建立无人船位置状态及双雷达信息互享的观测方程；基于集合卡尔曼滤波思想，递推求解双雷达间信息互享的无人船运动轨迹，即可实现无人船在水质检测作业中的路径高精度定位，经大量实验表明本发明的定位方法可将未进行共享的路径定位方法的均方根误差从5.27m降低至0.32m。

附图说明

图1为本发明无人船作业路径定位方法流程示意图。

图2为实施例一双雷达观测布局示意图。

图3(a)为实施例一无人船作业路径高精度定位第一组实验结果图。

图3(b)为实施例一无人船作业路径高精度定位第二组实验结果图。

具体实施方式

下面结合附图对本发明方案进行详细说明。

如图1，本发明的本发明无人船水质检测作业路径的双雷达精准定位方法，如图1所示，包括以下步骤：

步骤101：依据渔业养殖场的实际物理尺寸，计算双毫米波调频连续波雷达观测点几何位置,实时获取双雷达对无人船的距离及径向速度数据。

具体地，依据渔业养殖场的实际物理尺寸及其地理分布特点，采用南北向的矩形对渔业养殖场进行优化匹配拟合。矩形的东西向的中心点及南北向的中心点为双毫米波调频连续波雷达的观测点。通过串口协议对雷达输出的距离及径向速度数据进行实时获取采集。

步骤102：建立无人船位置状态及双雷达信息互享的观测方程。

具体地，采用笛卡尔两维坐标系统，定义四边形的东西向为x轴，南北向为y轴。无人船位置状态可表示为距离与速度的向量采样时间间隔为δt，在n时刻，无人船的位置状态方程为

sn＝fsn-1+wn(1)

式中状态转移矩阵为

噪声为wn＝[wn，1，wn，2，wn，3，wn，4],其均值为零，协方差矩阵为

第一部雷达观测得到无人船的东西向的距离及径向速度，即第二部雷达观测得到无人船的南北向的距离及径向速度，即在n时刻，第i个雷达的观测方程分别为

yi，n＝hisn+vi，n

式中观测矩阵为

噪声为vi，n＝[vi，n，1，vi，n，2，vi，n，3，vi，n，4],其均值为零，协方差矩阵为

步骤103：基于集合卡尔曼滤波思想，递推求解双雷达间信息互享的无人船运动轨迹。

具体地，无人船运动轨迹需要两维测量定位，但单雷达仅测量无人船的一个方向的径向距离和速度，因此本发明提出双雷达间信息互享的无人船运动轨迹方法。则两雷达的联合观测方程为：

yn＝hsn+vn(6)

式中观测值观测矩阵为噪声的协方差矩阵为

基于序列贝叶斯估计，可以得到转移概率分布p(sn|sn-1)、似然概率分布p(yn|sn)及后验概率p(sn|yn)分别为

式中yn＝{y1，y2，…，yn},是一个均值为m，协方差矩阵为p的高斯分布函数，下标n|n表示利用时刻n的观测数据估计时刻n的状态值。均值mn|n及pn|n的迭代计算过程如下：

上式中，的方差计算中采用了所有雷达的信息，每个均值分别由含有所有雷达的信息求得，使得雷达定位过程中，能充分互补两个雷达的测量优势，完成两个雷达信息的有效共享融合利用。通过上述推导可得到无人船水质检测作业路径的轨迹估计值为

本步骤完成后，表明已完成了通道误差的估计。

下面结合实施例对本发明再作进一步详细的描述。

实施例一

图1为本实施例无人船作业路径定位方法流程示意图，下面结合图1，将详细描述本实施例的无人船作业路径精准定位过程。

首先，依据渔业养殖场的实际物理尺寸及其地理分布特点，采用南北向的矩形对渔业养殖场进行优化匹配拟合。矩形的东西向的中心点及南北心的中心点为双毫米波调频连续波雷达的观测点，参见图2。本实施例通过串口协议对雷达输出的距离及径向速度数据进行实时获取采集。

其次，利用(1)-(5)式建立无人船位置状态及双雷达信息互享的观测方程。

最后，基于序列贝叶斯估计，分别求得转移概率分布、似然概率分布及后验概率，递推求解双雷达间信息互享的无人船运动轨迹。本实施例中，所得联合估计的方差与均值为和方差的计算中采用了所有雷达的信息，每个均值分别由含有所有雷达的信息求得，使得雷达定位过程中，能充分互补两个雷达的测量优势，完成两个雷达信息的有效共享融合利用。

图3给出了本实施例中未进行雷达信息互享定位结果与进行雷达信息互享定位结果对比。未共享的路径定位均方根误差为5.27m，进行共享后的路径定位均方根误差为0.32m。可以看出，使用本发明明显地提高了无人船水质检测作业路径定位精度，证实了本发明的有效性。

从上面的描述中可以看出，采用本发明提供的方法，能稳定地实现无人船水质检测作业路径的精准定位。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。