资讯详情

多传感器数据融合二—— 数据关联及数据准备

2.1 多传感器数据关联时的数据准备

2.1.1.预处理

一、 点过滤：基本基础是运动目标和固定目标跨周期的相关特征。**

(1)保留雷达扫描5周期的信息，包括各障碍物的坐标信息；

(2)新点迹按照从老到新的顺序与前五圈的点迹逐一对比；

(3)根据目标运动速度等因素设置两个窗口，一个大窗口，一个小窗口。设置6个标志位置p1~p6和GF；

(4)与第一圈的点迹相比，第一圈的点迹中至少有一个点迹与新点迹的区别在小窗口内，则p1=1，否则p1=0；

(5)新点与第2、3、4、5圈点相比，设置p2~p5；

（6）再次将新点与第五圈点进行比较。如果两者之间至少有一个差异在大窗口内，则标记位置GF=1，否则GF=0；

（7）判断点迹种类：

  • 运动点迹：p5=0;p4=0;GF=1；第四圈，第五圈的小窗口不符合，但大窗口有符合，即运动点。
  • 固定点迹：（p4 p5）=1，(p1p2 p1p3 p2p3)=1；第四，第五圈至少一次，同时在1、2、3圈的小窗口中至少两次，新点是固定点。
  • 孤立点迹：p4=p5=0,GF=0；4.5圈小窗不符合，5圈大窗不符合，是孤立点。
  • 可疑点迹：所有不符合上述标准的点迹，均被视为可疑点迹。

二、 点迹合并：

建立与距离门尺寸、检测标准、脉冲回波数和目标尺寸相关的二维门。

三、去野值

删除有粗大误差的数据。

2.1.2.纠正系统误差

  • 位置误差、雷达经纬度误差
  • 测量误差中的固定误差：

雷达天线波束的指向偏差或雷达天线电轴与机械轴不一致的误差；距离测量中的零误差；高度计零偏差；方法误差。

2.1.3.坐标变换或空间对准

  • 在不考虑地球曲率的情况下，将极坐标转换为直角坐标系，会引入变换误差，导致相互测量噪声。

2.1.4.时间同步或对准

  • 将雷达或传感器的时间作为公共时间统一到传感器上。

Zk(ti)=Zk(tj) V*(ti-tj);

或者采用kalman预测并添加误差协方差

x_ = F_ * x_;  P_ = F_ * P_ * Ft   M*Q_*Mt  M=[t*t/2,0;t,0;0,t*t/2;0,t];

  • 利用差值法将单个雷达的测量数据对准到统一的时间轴。差值的关键是构建接近函数，并使用二次多项式作为接近函数。

        f(k)=(k-k1)*(k-k2)/(k0-k1)*(k0-k2)*y0 (k-k0)*(k-k2)/(k1-k0)*(k1-k2)*y1 (k-k0)*(k-k1)/(k2-k0)*(k2-k1)*y2

采用k0，k1，k2三个时刻的对应函数值估计k时刻的值得到近似结果。

2.1.5.量纲对准。

2.2 数据关联

软判断：将观测赋予多个轨迹，具有不确定值。

硬判断:将观测赋予轨迹

2.2.1 数据关联过程

  1. 门限过滤传感器的检测点痕，去除门限外不想要的点痕。
  2. 在门限内形成相关矩阵，测量每个点迹与航迹的接近度
  3. 根据赋值策略，使用最近预测位置的点迹赋予相应的航迹。

∣ Z ∣ = ∣ Z i , j ? X i , j ∣ < = K G , l ? σ r |Z|=|Z_i,_j-X_i,_j|<=K_G,_l*\sigma_r ∣Z∣=∣Zi,j?Xi,j​∣<=KG​,l​∗σr​

σ r = ( σ 2 + σ p 2 ) \sigma_r=\sqrt(\sigma^2+\sigma_p^2) σr​=( ​σ2+σp2​)

其中 ： σ = 测 量 的 标 准 差 \sigma = 测量的标准差 σ=测量的标准差

σ p = k a l m a n 滤 波 器 得 到 的 预 测 标 准 差 \sigma_p = kalman滤波器得到的预测标准差 σp​=kalman滤波器得到的预测标准差

假设高斯误差模型与残差误差相互独立，则正确的观测落入关联门内的概率可以表示为： P G = [ 1 − P ( ∣ t 1 ∣ > = K G , 1 ) ] [ 1 − P ( ∣ t 2 ∣ > = K G , 2 ) ] . . . [ 1 − P ( ∣ t l ∣ > = K G , l ) ] P_G=[1-P(|t_1|>= K_G,_1)][1-P(|t_2|>= K_G,_2)]...[1-P(|t_l|>= K_G,_l)] PG​=[1−P(∣t1​∣>=KG​,1​)][1−P(∣t2​∣>=KG​,2​)]...[1−P(∣tl​∣>=KG​,l​)] 其中： 1 − P ( ∣ t l ∣ > = K G , l ) 1-P(|t_l|>= K_G,_l) 1−P(∣tl​∣>=KG​,l​) 为标准正态随机变量超多门限Kg,l的概率。如果所有测量维数的门限尺寸相同，都等于Kg，则 P G = [ 1 − P ( ∣ t ∣ > = K G ) ] M ≈ 1 − M P ( ∣ t ∣ ≥ K G ) P_G=[1-P(|t|>= K_G)]^M≈1-MP(|t|≥K_G) PG​=[1−P(∣t∣>=KG​)]M≈1−MP(∣t∣≥KG​) 当给定正确观测的落入概率，可以通过查表得到门限值。 R 1 = K g , l σ x R_1=K_g,_l\sigma_x R1​=Kg​,l​σx​

R 2 = K G , 2 σ y R_2=K_G,_2\sigma_y R2​=KG​,2​σy​

椭圆门室友残差失量的范数表示的。 d 2 = ( z − x ) T S − ( z − x ) ≤ G d^2=(z-x)^TS^-(z-x)≤G d2=(z−x)TS−(z−x)≤G S：残差协方差矩阵

  • 最大似然法

    (1)计算P，其中Pd检测概率，M=观测维数/2，新目标密度beta_n，旧目标密度beta_F，残差协方差矩阵S。 P d ( 1 − P d ) ( β N + β F ) ( 2 π ) M ( ∣ S ∣ ) P_d\over{(1-P_d)(\beta_N+\beta_F)(2\pi)^M\sqrt(|S|)} (1−Pd​)(βN​+βF​)(2π)M( ​∣S∣)Pd​​ (2)计算门限常数G0 G 0 = 2 l n [ P ] G_0=2ln[P] G0​=2ln[P] 这种情况下G0随着检测概率Pd，检测密度，残差误差的变化而变化，是一种自适应的门限。

  • χ2分布法 P { d 2 > G } = 1 − P G P\{d^2>G\}=1-P_G P{ d2>G}=1−PG​ 其中d2服从自由度为M的χ2分布，因此可以通过查表法获得门限。

    椭圆门限的性能铭心啊皓宇标准矩形关联门。

  • 对称性
  • 三角不等性
  • 非恒等识别性：若d(a,b)≠0，则a≠b。
  • 恒等识别性：若a=b,则a=b。

  • r x y = ∑ ( x i − x ˉ ) ( y i − y ˉ ) / ∑ ( x i − x ˉ ) 2 ( y i − y ˉ ) 2 r_xy=\sum(x_i-\bar x)(y_i-\bar y)/\sum(x_i-\bar x)^2(y_i-\bar y)^2 rx​y=∑(xi​−xˉ)(yi​−yˉ​)/∑(xi​−xˉ)2(yi​−yˉ​)2 对观测幅度的差值不太敏感。高度相关的矢量是一条直线，相关性差的矢量在空间的离散度哒。

  • 距离度量 加 权 欧 式 距 离 d i 2 , j = y ~ i , j S − y ~ i , j T 加权欧式距离 d^2_i,_j=\tilde y_i,_jS^-\tilde y_i,_j^T 加权欧式距离di2​, 标签： kj90传感器uk传感器1226s2po接近传感器1270s2po接近传感器

    锐单商城拥有海量元器件数据手册、 IC替代型号，打造 电子元器件IC百科大全！

锐单商城 - 一站式电子元器件采购平台