APP下载

含无序量测的多传感器目标跟踪滤波算法

2012-05-11蒋春蕾

航天控制 2012年2期
关键词:卡尔曼滤波测量

蒋春蕾

西昌学院汽车与电子工程学院,四川西昌 615013

在飞行器的分布式多传感器融合跟踪系统中,由于通信链路随机时间延迟,以及各传感器的量测预处理时间不同,多传感器量测数据通过多条数据链路传输到中心处理器时,常会发生多传感器量测数据不按正常时序到达融合中心的情况,即出现所谓的无序量测现象(Out Of Sequence Measurement, OOSM)。目前针对此问题主要的处理方法分为4类[1]:重新滤波法、数据缓存法、丢弃滞后量法和直接更新法。其中,重新滤波法、数据缓存法的计算量较大,影响了飞行器跟踪系统的实时性;丢弃滞后量法容易造成大量有用信息的丢失,导致跟踪系统的精度严重下降;直接更新法的存储量和计算量都很小,滤波输出没有滞后,而且具有潜在的高精度滤波性能,是实时多传感器组合跟踪系统的最佳选择。本文在直接更新法的基础上,提出一种新的飞行器跟踪滤波方法,解决分布式多传感器目标跟踪滤波中的无序量测问题,实现对飞行目标的高精度跟踪。

1 描述飞行器空间状态的常用坐标系

用于测量飞行器状态需要用到的坐标系主要有:地心惯性坐标系、星体坐标系等。坐标系的3个基本要素是坐标原点、基本平面(x轴和y轴所在平面)及正法向(右手系),基本平面上的主方向(z轴方向)。

1.1 地心惯性坐标系

该坐标系的坐标原点为地球质心Oe,其x轴指向标准历元2000.0(即2000年1月1日12时)的平春分点,基本平面为该标准历元时刻的平赤道面,z轴与x轴垂直,并指向该标准历元时刻的平天极,z轴在基本平面内与x轴、y轴构成右手系。……

登录APP查看全文

猜你喜欢

卡尔曼滤波测量
改进的扩展卡尔曼滤波算法研究
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
测量的乐趣
测量
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于EMD和卡尔曼滤波的振荡信号检测
基于卡尔曼滤波的组合导航误差补偿