具有随机量测噪声的双红外传感器的融合定位方法与流程

本发明涉及具有随机量测噪声的双红外传感器进行目标定位的融合方法设计，以及融合精度的评估。该方法为基于红外传感器的室内目标定位问题提供了一个有效的解决方案。

背景技术：

红外传感器的量测数据为表征传感器与被观测目标之间指向关系的两个角度。对双红外传感器提供的4个角度信息设计融合方法得到目标在世界坐标系下的位置信息是常用的定位方式。传统的双红外传感器融合方法为：通过双站测距的方式提取目标的两组位置量测，并直接将上述两组位置量测的算术平均值作为融合结果。参见：1、陈云,天基红外预警系统轨迹关联与跟踪关键技术研究[d],国防科学技术大学,2010.2、陈一超,刘秉琦,黄富瑜.超大视场红外双目视觉极线约束与空间定位[j].光子学报,2019,48(02):145-153.3、褚光宇.鱼眼双目视觉成像及定位技术的研究[d].燕山大学,2016.然而该方法存在如下局限性：

1.不能保证融合精度的最优性。由于从红外传感器坐标系下的角度信息到世界坐标系下的位置信息的转换过程为非线性变换，且两个红外传感器的精度不同，因此需要分析传感器原始的角度随机性量测误差到位置估计误差的传播机理，得到两组位置信息的估计精度，并在此基础上上设计加权系数使得所设计的融合指标最优。

2.无法实现融合精度的在线评估。由于实际中无法得到被测目标位置的真值，因此要求融合方法不仅提供位置的融合结果，还需在线提供融合的精度，从而得到位置真值的分布，保证融合方法的可信度，为后续的控制与决策提供技术支持。

为了解决上述问题，我们针对具有随机量测噪声的双红外传感器提出了一种新型的融合方法，该方法可以有效地将双红外传感器对目标的量测数据融合为世界坐标系下的坐标信息，并可对融合精度进行在线评估。

技术实现要素：

本发明解决的技术问题：针对具有随机量测噪声的双红外传感器的融合定位问题，提出了一种有效的融合方法，并给出了融合精度的评估方法。

本发明的解决方案：首先将红外传感器的角度量测转换为传感器指向目标的单位矢量的估计值，并给出原始量测误差到该矢量估计误差的传导公式；接着基于上一步得到的两个矢量信息估计两个传感器与目标的距离信息，并给出原始量测误差到距离估计误差的传导公式；然后根据上述两组矢量与距离信息，提取两组目标位置的估计值，并给出位置信息的相关性分析以及对应的位置估计精度的计算公式；最后基于上一步的相关性分析以及对应的误差评估值融合得到最终的位置信息与融合误差协方差阵。

本发明与现有技术相比的优点在于：第一，本发明对双红外传感器量测数据融合过程的各个环节进行了细致的分解以及误差分析，从而实现了信息的有效提取。第二，本发明所提供的信息融合方法可以对融合结果的精度进行在线评估，是后续控制与决策的有效依据。

附图说明

图1是本发明具有随机量测噪声的双红外传感器的融合定位方法的流程图。

图2是两个红外传感器对所选取目标运动轨迹的量测数据。

图3是传统融合方法与本发明提供的融合方法的定位均方根误差。

图4是本发明提供的融合方法的定位均方根误差及其评估值。

具体实施方式

在使用双红外传感器进行室内目标定位时，由于两个红外传感器具有不同的观测精度，并且它们与被观测目标的相对位置也不相同，因此每个红外传感器提供的定位精度也不尽相同。为了有效地融合两个红外传感器的量测信息实现高精度的目标定位，需要研究原始随机量测噪声到每个红外传感器定位误差的传导机制，并进一步根据该机制设计传感器的融合方法。此外，由于红外传感器不可避免地存在随机量测噪声，从而其融合结果也存在估计误差，因此还需要提供融合精度地评估方法。鉴于上述两个在实际系统中遇到的问题，本发明针对具有随机量测噪声的双红外传感器进行目标定位的问题给出了具体的融合方法，并提供了融合精度的评估方法。

下面针对具有随机量测噪声的双红外传感器融合定位问题，说明所提出的融合方法的具体步骤。红外传感器的量测模型如下：

其中y^(j)为第j个红外传感器的量测数据，包括第j个红外传感器到目标p的方位角量测和高低角量测是第j个红外传感器到目标p的位置矢量在第j个红外传感器的观测坐标系下的表示，为y^(j)的随机量测噪声，其标准差为σ^(j).函数

其中和分别表示在x轴,y轴和z轴上的投影。在环境中选择一个世界坐标系，用以描述目标和传感器的位置，并记世界坐标系到第j个红外传感器的观测坐标系的变换矩阵为则有

其中表示目标p的位置矢量在世界坐标系下的表示，为第j个红外传感器的位置矢量在世界坐标系下的表示。

双红外传感器的融合定位问题需要基于红外传感器量测模型(1)-(3),将红外传感器量测数据{y⁽¹⁾,y⁽²⁾}转换为目标在世界坐标系下的位置估计信息并且获得对应的估计误差评估值

结合附图1，本发明提出的针对具有随机量测噪声的双红外传感器融合定位方法的具体步骤如下：

第一步：原始角度量测噪声与直角坐标系等价量测噪声的关系建立

首先根据红外量测模型(1)-(3)得到u^(j)的估计值，即的计算公式：

其中u^(j)为第j个红外传感器指向目标p的单位矢量在世界坐标系下的表示，

为直角坐标系等价随机量测噪声。与原始量测噪声之间的关系满足如下误差传导公式：

其中为在处的雅克比矩阵，计算公式为：

第二步：红外传感器与目标距离的估计方法以及估计误差形式

由于红外传感器的量测数据中缺少传感器与目标的距离信息，从而无法利用单个红外传感器提取目标的位置信息，故需要根据两个红外传感器的组合量测信息提取每个传感器与目标的距离信息，并分析由原始随机量测噪声导致的距离估计误差。

根据最小二乘方法可以得到的估计值，即的计算公式为：

其中为第j个红外传感器到目标的距离r^(j)的估计值，为相应的估计误差，与原始量测噪声之间的关系满足如下误差传导公式：

其中误差传导矩阵满足：

第三步：目标位置矢量的虚拟传感器量测及量测误差的形式

根据第一步提供的第j个红外传感器到目标p的指向信息和第二步提供的第j个红外传感器到目标的距离信息以及红外传感器的位置信息可以得到第j个虚拟传感器关于位置矢量的量测的计算公式为：

其中为对的估计误差。与ny之间的关系满足如下误差传导公式：

其中表示的第j行。

第四步：带相关性的两组虚拟量测的融合方法及融合误差协方差阵计算

首先，对于第三步构造的两组相关的虚拟传感器，可以构造如下量测方程：

其中为新的量测,为量测矩阵,为yv的量测误差,并且ny到到误差传导过程满足：

其中误差传导矩阵的计算公式为：

进一步，根据误差传导公式(13)可以得到在已知原始量测y⁽¹⁾和y⁽²⁾下的条件协方差阵的计算公式为：

其中σ²为ny的协方差阵。

接着，通过求解如下加权最小二乘方法可以得到最佳融合结果的计算公式为：

其中为融合误差，并且在已知原始量测y⁽¹⁾和y⁽²⁾下的条件协方差阵为：

由式(16),(17)确定的融合方法具有如下两个重要性质：

性质1：融合误差的条件协方差阵所有加权最小二乘解里最小的；

性质2：式(17)提供了融合精度的评估指标。

由式(16),(17)确定的融合方法通过表征两组虚拟量测值和之间的相关性，并通过加权最小二乘的方式实现了两者的融合，保证了融合结果的最优性。

下面以一个典型的双红外传感器进行室内目标定位的仿真为例，说明具有随机量测噪声的双红外传感器进行目标定位的融合方法的具体实施方式。在该实例中，两个具有不同精度的红外传感器被分别布置在不同的位置，用于观测地面上的一个运动目标，从而获取该运动目标的位置信息。

在该仿真实例中取两个红外传感器在世界坐标系下的位置坐标分别为

其中m代表长度单位米。红外传感器的量测模型如公式(1)-(3),其中

两个红外传感器对所选取目标运动轨迹的量测数据如图2所示。根据本说明书提供的融合方法针对量测噪声的随机特性进行了500次蒙特卡洛试验，得到仿真结果如图3-4所示。图3说明相比于传统融合方法，本发明提供的融合方法能够显著提高融合精度。而图4则说明，公式(17)提供的评估值与目标测试得到的均方根误差基本吻合，这表明仿真结果与理论分析符合。

双红外传感器融合定位方法提供了具有随机量测噪声的双红外传感器融合定位问题的解决方案，并能通过提供的融合精度评估表达式进行融合精度评估。仿真实验表明，所提出的融合方法可以有效地实现双红外传感器量测数据的融合，并且其融合误差范围与所提供的评估值基本吻合。

综上所述，本方法在具有随机量测噪声的双传感器探测场景下，可以实现较高的融合精度。此外融合方法所提供的评估方法与仿真结果基本吻合，为后续的控制与决策提供了参考依据。本方法的未尽事宜属于本领域公知技术。