[发明专利]基于极大似然估计的被动传感器的误差配准方法及装置

摘要

本发明提供的基于极大似然估计的被动传感器的误差配准方法及装置中，在对被观测点进行定位时，获取同一坐标系下的被观测点和三个观测点的坐标，观测点和被观测点之间的方位角测量值以及随机量测偏差。利用极大似然估计和高斯‑牛顿法对观测过程中的系统偏差和随机偏差进行处理，迭代法获得满足精度要求的定位结果。相比与现有技术中的定位方法，本发明提供的方法考虑了各个观测点之间的系统偏差，提高了被动传感器定位的精度。

主权项

一种基于极大似然估计的被动传感器的误差配准方法，其特征在于，包括：S1：获取k时刻时被观测点的坐标(x(k),y(k))，观测点与被观测点之间的方位角测量值θ(k)，以及相应的随机量测偏差ω_θ(k)；S2：根据计算N个时间点所获取的每一观测值Y(k)的误差均小于预设误差的概率计算公式获取使得p(Y)取最小值时对应的被观测点的笛卡尔坐标b⁽¹⁾(k)和相应的系统偏差β⁽¹⁾(k)；S3：获取所述概率计算公式中包含变量b(k)和β(k)的部分，构造第一目标函数，根据所述第一目标函数获取与每一时间点得到的观测值的误差相关的第二目标函数J_k，并根据所述第二目标函数计算J_k相对于b(k)的Hessian矩阵H_k；其中，J_k＝(Y(k)‑f(b(k)))^TQ(k)^‑1(Y(k)‑f(b(k)))；S4：对所述第二目标函数中的矩阵Q(k)^‑1进行Cholkely分解，得到Q_σ(k)^‑1＝ψ(k)^Tψ(k)，其中，令γ(k)＝ψ(Y(k)‑f(b(k)))，R_k是γ(k)相对于b(k)的雅可比矩阵的转置矩阵，通过公式G_k＝2R_kγ(k)计算梯度G_k；S5：根据公式计算第p+1步的直到以将得到的作为所述被观测点的笛卡尔坐标，其中，为预设阈值；其中，k时刻观测的观测值Y(k)＝f(b(k))+β(k)+ω_θ(k)，b(k)是被观测点的笛卡尔坐标，β(k)是方位角测量值θ(k)的偏差，μ_p为计算过程中的参数，Y＝[Y(1),Y(2),…,Y(N)]^T，b⁽¹⁾(k)为k时刻观测的观测值经第一步计算得到的观测点的笛卡尔坐标，β⁽¹⁾(k)为k时刻观测的观测值经第一步计算得到的观测点的系统偏差，第k次观测的测角协方差矩阵分别为第一个、第二个和第三个观测点的观测角度平方差，k＝1,…,K。