CN111766573B - 卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及*** - Google Patents
卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及*** Download PDFInfo
- Publication number
- CN111766573B CN111766573B CN202010489029.6A CN202010489029A CN111766573B CN 111766573 B CN111766573 B CN 111766573B CN 202010489029 A CN202010489029 A CN 202010489029A CN 111766573 B CN111766573 B CN 111766573B
- Authority
- CN
- China
- Prior art keywords
- target
- position information
- representing
- information
- speed information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 239000013307 optical fiber Substances 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 52
- 238000009826 distribution Methods 0.000 claims description 24
- 230000003287 optical effect Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 239000004065 semiconductor Substances 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 5
- 239000000835 fiber Substances 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 239000003245 coal Substances 0.000 description 5
- 230000003137 locomotive effect Effects 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
- G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及***，属于光纤传感器技术领域，其中，方法的实现包括：获取目标经过时的阵列光栅振动传感器的振动信号，并对振动信号进行解调得到振动信号对应的数字信号；对数字信号进行目标检测得出目标的当前位置信息及目标的速度信息；将目标的当前位置信息及目标的速度信息进行卡尔曼滤波不断修正以得到优化后的目标的位置信息及目标的速度信息。针对阵列光栅振动测量***中由环境、***以及光栅的不均匀性等产生的不确定信息的动态***中使用卡尔曼滤波，对***下一步的走向做出有根据的预测，即使伴随着各种干扰，卡尔曼滤波也能指出真实发生的情况。
Description
技术领域
本发明属于光纤传感器技术领域，更具体地，涉及一种卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及***。
背景技术
近些年来，随着智慧矿山的提出以及国家对于煤矿开采安全的重视，越来越多的煤矿企业加大了对安全管理、避险***的投入以及自动化开采的研究，其中井下高精度定位问题就是首先需要解决的问题，也成为了相关科研机构和企业的研究重点。在井下开采过程中，掌握矿用机车运行过程中的实时位置信息不仅可以帮助管理人员准确高效地完成机车调度，提高开采效率，同时也能避免井下交通事故的发生，为井下人员和财产安全提供保障。而且矿井巷道作为一种典型的实际复杂环境，研究其中的定位技术也对其他复杂环境中的高精度定位具有一定的指导意义。
自卡尔曼滤波提出以来，经过40多年的发展，卡尔曼滤波已经形成了一个比较完整的理论体系，并且成功应用于航空航天、工业控制等领域。卡尔曼滤波器是一个最优化自回归数据处理算法，它的广泛应用已经超过30年，包括航空器轨道修正、机器人***控制、雷达***与导弹追踪等。近年来更被应用于组合导航与动态定位，传感器数据融合、微观经济学等应用研究领域。特别是在图像处理领域如头脸识别、图像分割、图像边缘检测等当前热门研究领域占有重要地位。卡尔曼滤波作为一种数值估计优化方法，与应用领域的背景结合性很强。因此在应用卡尔曼滤波解决实际问题时，重要的不仅仅是算法的实现与优化问题，更重要的是利用获取的领域知识对被认识***进行形式化描述，建立起精确的数学模型，再从这个模型出发，进行滤波器的设计与实现工作。
随着光纤传感技术的迅速发展，光栅阵列振动检测成为了光纤传感领域一个热点研究方向。光纤传感技术结合了声波检测与分析技术及光纤传感的优势，已被广泛应用于地震波检测、光纤水听器、无损探伤和结构健康监测等很多领域。且阵列光栅传感器具有抗电磁干扰、抗腐蚀、传输距离长、定位精度高、操作简单等特性，有效的克服了传统检测定位技术传输距离受限、传感器标定频繁、不耐用等缺点。当前阵列光栅传感器已开始在石油、化工、地质监测、煤矿等领域得到应用，显示了其广泛的前景。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提出了一种卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及***，由此解决煤矿井下机车的高精度定位的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种卡尔曼滤波的提高阵列光栅定位空间分辨率的方法，包括：
S1：获取目标经过时的阵列光栅振动传感器的振动信号，并对所述振动信号进行解调得到所述振动信号对应的数字信号；
S2：对所述数字信号进行目标检测得出目标的当前位置信息及目标的速度信息；
S3：将所述目标的当前位置信息及目标的速度信息进行卡尔曼滤波不断修正以得到优化后的目标的位置信息及目标的速度信息。
优选地，步骤S2包括：
从所述数字信号中检测出有目标信息的光栅信号，然后根据光栅的定位确定所述目标的位置信息，并根据不同时刻检测到的目标的位置信息，由对应的位置差与时间差的比值得到所述目标的速度信息。
优选地，步骤S3包括：
S3.1：增加噪声干扰，然后根据实测的所述目标的当前位置信息及目标的速度信息和上一时刻通过卡尔曼滤波算法预测得到的目标的位置信息及目标的速度信息，估计当前时刻目标的位置信息及目标的速度信息；
S3.2：采用实测的所述目标的当前位置信息及目标的速度信息对估计的当前时刻目标的位置信息及目标的速度信息进行修正，以将估计值空间映射至实测值空间；
S3.3：将实测值与空间映射后的估计值两者分布的高斯分布相乘，然后根据相乘后的高斯分布得到最优的目标位置信息及最优的目标速度信息。
优选地，由估计当前时刻目标的位置信息及目标的速度信息，由/>确定/>的协方差矩阵Pk，其中，/>表示当前时刻预测的目标位置与速度组成的矩阵，Fk表示当前时刻的状态变换矩阵，/>表示上一时刻预测的目标位置与速度组成的矩阵，Bk表示当前时刻控制量的变换矩阵，/>表示当前时刻的状态增益，Pk-1表示上一时刻的协方差矩阵，Qk表示当前时刻的***噪声。
优选地，由得到最优的目标位置信息及最优的目标速度信息，由P′k＝Pk-K′HkPk得到/>对应的协方差矩阵P′k，其中， 表示最优的位置与速度估计矩阵，/>表示当前时刻目标的位置与速度的实测值，Hk表示当前时刻的预测矩阵，Rk表示实测数据的噪声分布的协方差矩阵。
按照本发明的另一方面，提供了一种卡尔曼滤波的提高阵列光栅定位空间分辨率的***，包括：窄线宽激光器、半导体光放大器、第一掺饵光纤放大器、阵列光栅振动传感器、第二掺饵光纤放大器、干涉仪及信号处理模块；
由所述窄线宽激光器和所述半导体光放大器组成光脉冲发生器，产生的脉冲光经过所述第一掺饵光纤放大器放大后，再由所述阵列光栅振动传感器反射后再经过所述第二掺饵光纤放大器放大，通过所述干涉仪干涉形成3通道的数据，然后由所述信号处理模块进行目标检测得出目标的当前位置信息及目标的速度信息，并将所述目标的当前位置信息及目标的速度信息进行卡尔曼滤波不断修正以得到优化后的目标的位置信息及目标的速度信息。
优选地，所述信号处理模块包括：
估计模块，用于增加噪声干扰，然后根据实测的所述目标的当前位置信息及目标的速度信息和上一时刻通过卡尔曼滤波算法预测得到的目标的位置信息及目标的速度信息，估计当前时刻目标的位置信息及目标的速度信息；
修正模块，用于采用实测的所述目标的当前位置信息及目标的速度信息对估计的当前时刻目标的位置信息及目标的速度信息进行修正，以将估计值空间映射至实测值空间；
结果输出模块，用于将实测值与空间映射后的估计值两者分布的高斯分布相乘，然后根据相乘后的高斯分布得到最优的目标位置信息及最优的目标速度信息。
优选地，由估计当前时刻目标的位置信息及目标的速度信息，由/>确定/>的协方差矩阵Pk，其中，/>表示当前时刻预测的目标位置与速度组成的矩阵，Fk表示当前时刻的状态变换矩阵，/>表示上一时刻预测的目标位置与速度组成的矩阵，Bk表示当前时刻控制量的变换矩阵，/>表示当前时刻的状态增益，Pk-1表示上一时刻的协方差矩阵，Qk表示当前时刻的***噪声。
优选地，由得到最优的目标位置信息及最优的目标速度信息，由P′k＝Pk-K′HkPk得到/>对应的协方差矩阵P′k，其中， 表示最优的位置与速度估计矩阵，/>表示当前时刻目标的位置与速度的实测值，Hk表示当前时刻的预测矩阵，Rk表示实测数据的噪声分布的协方差矩阵。
按照本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
本发明基于卡尔曼滤波算法提出了一种在阵列光栅传感技术的定位精度提高方面的应用，首先通过阵列光栅仪表测量***对振动信号进行解调，从而得到目标当前的位置，然后将目标的当前位置信息进行卡尔曼滤波不断修正以得到更加精确的车辆或人员的位置信息，提高定位的空间精度，利于降低井下环境的干扰，减少定位误差，实现矿井资源的有效定位，能够实时获取井下工作人员、矿井机车及环境监测传感器等资源的位置信息，有利于矿井安全体系的建设。
附图说明
图1是本发明实施例提供的一种卡尔曼滤波的提高阵列光栅定位空间分辨率的方法流程示意图；
图2是本发明实施例提供的一种卡尔曼滤波在阵列光栅定位修正的使用过程示意图；
图3是本发明实施例提供的一种阵列光栅振动测量***示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在本发明实例中，“第一”、“第二”等是用于区别不同的对象，而不必用于描述特定的顺序或先后次序。
本发明公开的一种卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及装置，通过对煤矿及石油井下等埋设阵列光栅，车辆或人员经过时，由阵列光栅仪表测量***对振动信号进行解调，从而得到目标当前的位置。阵列光栅仪表测量***通过解调将振动信号还原，采用的是波长可调谐激光器或宽带光源，通过输出光信号与波长之间的变化关系，利用相位差和干涉光强，根据输出光信号与声波之间的关系间接还原出振动信号。相位解调原理相对复杂，但它的优势在于灵敏度和精确度比强度解调方式高出很多。解调出的信号经过目标检测，经过去噪、滤波后得出目标的当前位置信息，然后将目标的当前位置信息进行卡尔曼滤波不断修正以得到更加精确的车辆或人员的位置信息，提高定位的空间精度，利于降低井下环境的干扰，减少定位误差，实现矿井资源的有效定位，能够实时获取井下工作人员、矿井机车及环境监测传感器等资源的位置信息，有利于矿井安全体系的建设。
实施例一
如图1所示是本发明实施例提供的一种卡尔曼滤波的提高阵列光栅定位空间分辨率的方法流程示意图，在图1所示的方法中包括以下步骤：
S1：获取目标经过时的阵列光栅振动传感器的振动信号，并对振动信号进行解调得到振动信号对应的数字信号；
S2：对数字信号进行目标检测得出目标的当前位置信息及目标的速度信息；
在本发明实施例中，目标的位置信息可以通过以下方式实现：通过对解调出的数字信号的实时解调分析，检测出有目标信息的光栅信号，然后根据光栅的定位确定目标的位置信息。
在本发明实施例中，目标的速度信息可以通过以下方式实现：根据不同时刻检测到的目标的位置信息，可由对应的位置差与时间差的比值得到目标的速度信息。
S3：将目标的当前位置信息及目标的速度信息进行卡尔曼滤波不断修正以得到优化后的目标的位置信息及目标的速度信息。
在本发明实施例中，步骤S3可以通过以下方式实现：
S3.1：增加噪声干扰，然后根据实测的目标的当前位置信息及目标的速度信息和上一时刻通过卡尔曼滤波算法预测得到的目标的位置信息及目标的速度信息，估计当前时刻目标的位置信息及目标的速度信息；
S3.2：采用实测的目标的当前位置信息及目标的速度信息对估计的当前时刻目标的位置信息及目标的速度信息进行修正，以将估计值空间映射至实测值空间；
S3.3：将实测值与空间映射后的估计值两者分布的高斯分布相乘，然后根据相乘后的高斯分布得到最优的目标位置信息及最优的目标速度信息。
如图2所示是本发明实施例提供的一种卡尔曼滤波在阵列光栅定位修正的使用过程示意图，通过卡尔曼滤波对阵列光栅定位进行修正，可以把误差纳入计算不断修正，而且包括预测误差和测量误差两种，可通称为噪声。且误差始终是独立存在的，完全不受测量数据的影响，同时卡尔曼滤波算法计算量占用的内存非常小(除了前一时刻状态量之外，不需要保留其他历史数据)，计算速度快，可以满足实时计算的需求。
具体地，步骤S3的实现方式为：
如图2所示假设检测到的目标的位置信息和速度信息为其中，p表示目标的位置信息，v表示目标的速度信息，上一时刻的最优估计值(即上一时刻通过卡尔曼滤波算法预测得到的目标的位置信息及目标的速度信息)/>以及其协方差矩阵Pk-1的条件下(协方差矩阵初始值可以经过设置找到最优)，则有Pk＝Pk-1+Δtvk-1，vk＝vk-1，即：
其中，Pk表示当前时刻的协方差矩阵，Δt表示时间，vk-1表示前一时刻目标的速度信息，vk表示当前时刻目标的速度信息，表示当前时刻预测的目标位置与速度组成的矩阵，Fk表示当前时刻的状态变换矩阵。
故，
如果加入额外的控制量，如加速度a，此加速度a可通过目标速度的求导得到，此时Pk＝Pk-1+Δtvk-1+1/2Δt2a，vk＝vk-1+Δta，则此时：
其中，Bk表示当前时刻控制量的变换矩阵，表示当前时刻的状态增益。
由于***存在不确定因素，估计值并非完全准确，可在***中增加一个协方差为Q的噪声干扰。因此，需要对Pk加上***噪声Qk来保证描述的完备性。综上，预测步骤的表达如下所示：
其中，Qk表示当前时刻的***噪声。
考虑误差累积，单纯地对***进行估计会导致估计值越来越离谱，故应该以阵列光栅振动传感器的实测数据(即由光栅检测出的目标位置信息及速度信息)对估计值进行修正。可以用与预测步骤类似的方法将估计值空间映射至实测值空间，如下式所示：
其中，Hk表示当前时刻的预测矩阵，表示加入实测数据后的当前时刻目标位置与速度的估计值矩阵。
由于实测数据同样会存在噪声干扰问题，比如传感器噪声等，将这种噪声的分布用协方差Rk表示。由于两个概率分布的重叠部分，会更加趋近***的真实数据，即有更高的置信度，比如估计汽车速度是6～9km/h，传感器反馈的速度是8～12km/h，那有理由认为汽车的实际速度更趋近于8～9km/h这个区间，所以将实测值与估计值两个分布的高斯分布相乘，取两者的交集得到的高斯分布描述如下：
K＝∑0(∑0+∑0)-1
∑′＝∑0-K∑0
其中，∑是高斯分布的协方差，表示高斯分布的均值矩阵，K称为卡尔曼增益矩阵，/>表示目标位置与速度的估计值，/>表示目标位置与速度的实测值。
那么，将空间映射后的估计值与实测值代入上式，可以得到：
式中，K称为卡尔曼增益，表示当前时刻目标的位置与速度的实测值，P′k表示当前时刻的协方差矩阵。
将上式中约去Hk，并化简可得：
P′k＝Pk-K′HkPk
即为所得的最优估计值，其表示位置与速度的矩阵，同时P′k为其对应的协方差矩阵，上述即可实现完整的卡尔曼滤波算法修正目标位置及速度信息的过程。
由于光纤检测的特性，阵列光栅对于车辆等目标的检测只在光栅沿线上，且定位的精度受限于光栅的间距，采用卡尔曼滤波算法对检测目标的位置及速度进行修正可以对其定位进行空间上的优化，从而弥补阵列光栅检测上的不足。
实施例二
如图3所示是本发明实施例提供的一种阵列光栅振动测量***示意图，其中，阵列光栅振动测量***是由于目标(如车辆或人员等)经过时产生的振动致使阵列光栅振动传感器发生轴向变化，它的周期与有效的折射率也跟着发生改变，进而使自身出现弹光效应，由此实现高灵敏度的振动信号检测。
阵列光栅振动测量***包括光路探测部分与电路接收解调部分。阵列光栅振动传感器是光路探测部分的重要前提，阵列光栅振动传感器的基本构造是光源和入射光栅以及出射光栅与光调制器、光探测器以及解调器等。在阵列光栅振动测量***工作时，光源发射的光线在入射光栅的输送下进入调制区，然后在与被测参数(如光强、频率等光学参数)的相互作用后光的光学性质发生变化，例如光强、频率等光学参数，在光的光学性质变化后就会被改变成为信号光，信号光通过入射光栅进入光探测器，光探测器在接收到受到改变的光学信号之后，根据被改变的参数确定测得的振动信号。电路接收解调包括信号的采集以及信号的检测部分，将光探测器中接收的振动信号转换为电信号，再经过采集变成数字信号进行后续的信号检测以及后续的信号处理。
其中，如图3所示的阵列光栅振动测量***的工作流程是：由窄线宽激光器和半导体光放大器组成光脉冲发生器，产生的脉冲光经过第一掺饵光纤放大器放大后，再由阵列光栅振动传感器反射后再经过第二掺饵光纤放大器放大，通过干涉仪干涉形成3通道的数据，然后利用信号处理模块进行信号处理及信号检测，其中，信号处理模块包括检测出的目标的位置信息以及根据前面统计的信息得到的目标的速度信息代入卡尔曼滤波算法进行实时修正，以达到提高目标定位精度的目的，最后通过显示模块进行显示。
在本发明实施例中，上述信号处理模块包括：
估计模块，用于增加噪声干扰，然后根据检测的目标的当前位置信息及目标的速度信息和上一时刻通过卡尔曼滤波算法预测得到的目标的位置信息及目标的速度信息，估计当前时刻目标的位置信息及目标的速度信息；
修正模块，用于采用检测的目标的当前位置信息及目标的速度信息对估计的当前时刻目标的位置信息及目标的速度信息进行修正，以将估计值空间映射至检测值空间；
结果输出模块，用于将检测值与估计值两者分布的高斯分布相乘，然后根据相乘后的高斯分布得到最优的目标位置信息及最优的目标速度信息。
在本发明实施例中，通过卡尔曼滤波算法对目标的位置信息及速度信息进行实时修正的过程可以参考上述方法实施例的描述，本发明实施例将不再复述。
在本发明实施例中，针对阵列光栅振动测量***中由环境、***以及光栅的不均匀性等产生的不确定信息的动态***中使用卡尔曼滤波，对***下一步的走向做出有根据的预测，即使伴随着各种干扰，卡尔曼滤波也能指出真实发生的情况。
实施例三
本申请还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现方法实施例的种卡尔曼滤波的提高阵列光栅定位空间分辨率的方法。
需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种卡尔曼滤波的提高阵列光栅定位空间分辨率的方法，其特征在于，包括：
S1：获取目标经过时的阵列光栅振动传感器的振动信号，并对所述振动信号进行解调得到所述振动信号对应的数字信号；
S2：对所述数字信号进行目标检测得出目标的当前位置信息及目标的速度信息；
S3：将所述目标的当前位置信息及目标的速度信息进行卡尔曼滤波不断修正以得到优化后的目标的位置信息及目标的速度信息。
2.根据权利要求1所述的方法，其特征在于，步骤S2包括：
从所述数字信号中检测出有目标信息的光栅信号，然后根据光栅的定位确定所述目标的位置信息，并根据不同时刻检测到的目标的位置信息，由对应的位置差与时间差的比值得到所述目标的速度信息。
3.根据权利要求1或2所述的方法，其特征在于，步骤S3包括：
S3.1：增加噪声干扰，然后根据实测的所述目标的当前位置信息及目标的速度信息和上一时刻通过卡尔曼滤波算法预测得到的目标的位置信息及目标的速度信息，估计当前时刻目标的位置信息及目标的速度信息；
S3.2：采用实测的所述目标的当前位置信息及目标的速度信息对估计的当前时刻目标的位置信息及目标的速度信息进行修正，以将估计值空间映射至实测值空间；
S3.3：将实测值与空间映射后的估计值两者分布的高斯分布相乘，然后根据相乘后的高斯分布得到最优的目标位置信息及最优的目标速度信息。
4.根据权利要求3所述的方法，其特征在于，由估计当前时刻目标的位置信息及目标的速度信息，由/>确定/>的协方差矩阵Pk，其中，/>表示当前时刻预测的目标位置与速度组成的矩阵，Fk表示当前时刻的状态变换矩阵，表示上一时刻预测的目标位置与速度组成的矩阵，Bk表示当前时刻控制量的变换矩阵，/>表示当前时刻的状态增益，Pk-1表示上一时刻的协方差矩阵，Qk表示当前时刻的***噪声。
5.根据权利要求4所述的方法，其特征在于，由 得到最优的目标位置信息及最优的目标速度信息，由P′k＝Pk-K′HkPk得到/>对应的协方差矩阵P′k，其中，/> 表示最优的位置与速度估计矩阵，/>表示当前时刻目标的位置与速度的实测值，Hk表示当前时刻的预测矩阵，Rk表示实测数据的噪声分布的协方差矩阵。
6.一种卡尔曼滤波的提高阵列光栅定位空间分辨率的***，其特征在于，包括：窄线宽激光器、半导体光放大器、第一掺饵光纤放大器、阵列光栅振动传感器、第二掺饵光纤放大器、干涉仪及信号处理模块；
由所述窄线宽激光器和所述半导体光放大器组成光脉冲发生器，产生的脉冲光经过所述第一掺饵光纤放大器放大后，再由所述阵列光栅振动传感器反射后再经过所述第二掺饵光纤放大器放大，通过所述干涉仪干涉形成3通道的数据，然后由所述信号处理模块进行目标检测得出目标的当前位置信息及目标的速度信息，并将所述目标的当前位置信息及目标的速度信息进行卡尔曼滤波不断修正以得到优化后的目标的位置信息及目标的速度信息。
7.根据权利要求6所述的***，其特征在于，所述信号处理模块包括：
估计模块，用于增加噪声干扰，然后根据实测的所述目标的当前位置信息及目标的速度信息和上一时刻通过卡尔曼滤波算法预测得到的目标的位置信息及目标的速度信息，估计当前时刻目标的位置信息及目标的速度信息；
修正模块，用于采用实测的所述目标的当前位置信息及目标的速度信息对估计的当前时刻目标的位置信息及目标的速度信息进行修正，以将估计值空间映射至实测值空间；
结果输出模块，用于将实测值与空间映射后的估计值两者分布的高斯分布相乘，然后根据相乘后的高斯分布得到最优的目标位置信息及最优的目标速度信息。
8.根据权利要求7所述的***，其特征在于，由估计当前时刻目标的位置信息及目标的速度信息，由/>确定/>的协方差矩阵Pk，其中，/>表示当前时刻预测的目标位置与速度组成的矩阵，Fk表示当前时刻的状态变换矩阵，表示上一时刻预测的目标位置与速度组成的矩阵，Bk表示当前时刻控制量的变换矩阵，/>表示当前时刻的状态增益，Pk-1表示上一时刻的协方差矩阵，Qk表示当前时刻的***噪声。
9.根据权利要求8所述的***，其特征在于，由 得到最优的目标位置信息及最优的目标速度信息，由P′k＝Pk-K′HkPk得到/>对应的协方差矩阵P′k，其中，/> 表示最优的位置与速度估计矩阵，/>表示当前时刻目标的位置与速度的实测值，Hk表示当前时刻的预测矩阵，Rk表示实测数据的噪声分布的协方差矩阵。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010489029.6A CN111766573B (zh) | 2020-06-02 | 2020-06-02 | 卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010489029.6A CN111766573B (zh) | 2020-06-02 | 2020-06-02 | 卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111766573A CN111766573A (zh) | 2020-10-13 |
| CN111766573B true CN111766573B (zh) | 2024-02-27 |
Family
ID=72719905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010489029.6A Active CN111766573B (zh) | 2020-06-02 | 2020-06-02 | 卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111766573B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114280322B (zh) * | 2021-12-28 | 2024-05-17 | 武汉烽理光电技术有限公司 | 基于光栅阵列传感器的车辆定位测速***及方法 |
| CN114519373B (zh) * | 2022-02-10 | 2024-05-10 | 中国科学院上海技术物理研究所 | 一种采用红外长波焦平面探测器的干涉信号去噪方法 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2738479Y (zh) * | 2004-11-09 | 2005-11-02 | 李小路 | 基于波分复用分布式光纤的轨道监视*** |
| CN101968550A (zh) * | 2010-09-29 | 2011-02-09 | 山东大学 | 基于阵列光纤传感器的岩层识别装置及方法 |
| CN201837728U (zh) * | 2010-09-29 | 2011-05-18 | 山东大学 | 基于阵列光纤传感器的岩层识别装置 |
| CN202352078U (zh) * | 2011-12-02 | 2012-07-25 | 哈尔滨工业大学 | 车辆行驶速度及位置光纤光栅测定*** |
| CN104713673A (zh) * | 2015-03-11 | 2015-06-17 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波器的拉索时变索力历程识别方法 |
| CN105116056A (zh) * | 2015-09-17 | 2015-12-02 | 山东大学 | 基于fbg传感***和二阶统计量的声发射定位***及方法 |
| CN105372442A (zh) * | 2015-12-14 | 2016-03-02 | 北京交控科技股份有限公司 | 一种列车测速方法、处理器及列车测速*** |
| CN105629253A (zh) * | 2015-12-25 | 2016-06-01 | 北京航天控制仪器研究所 | 一种靶场末区多方式融合落点测量*** |
| CN106323442A (zh) * | 2016-08-18 | 2017-01-11 | 南京发艾博光电科技有限公司 | 一种基于分布式光纤振动传感***的铁路健康监测方法 |
| CN109357747A (zh) * | 2018-10-25 | 2019-02-19 | 南京航空航天大学 | 一种基于光纤振动信号的在线列车识别及速度估计方法 |
| CN109959403A (zh) * | 2019-03-29 | 2019-07-02 | 武汉理工大学 | 一种多参量大容量传感*** |
| CN110210326A (zh) * | 2019-05-10 | 2019-09-06 | 南京航空航天大学 | 一种基于光纤振动信号的在线列车识别及速度估计方法 |
| CN110285877A (zh) * | 2019-06-06 | 2019-09-27 | 武汉理工大学 | 基于Spark Streaming的列车实时定位跟踪与速度计算方法 |
| CN110388941A (zh) * | 2019-08-28 | 2019-10-29 | 北京机械设备研究所 | 一种基于自适应滤波的车辆姿态对准方法 |
| CN110758474A (zh) * | 2019-10-28 | 2020-02-07 | 武汉理工大学 | 一种阵列光栅传感与交叉感应回线相结合的高速磁悬浮列车定位测速方法 |
| CN110758475A (zh) * | 2019-10-28 | 2020-02-07 | 武汉理工大学 | 一种基于阵列光纤光栅传感测量的高速磁悬浮列车定位测速***与方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8531650B2 (en) * | 2008-07-08 | 2013-09-10 | Chiaro Technologies LLC | Multiple channel locating |
-
2020
- 2020-06-02 CN CN202010489029.6A patent/CN111766573B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2738479Y (zh) * | 2004-11-09 | 2005-11-02 | 李小路 | 基于波分复用分布式光纤的轨道监视*** |
| CN101968550A (zh) * | 2010-09-29 | 2011-02-09 | 山东大学 | 基于阵列光纤传感器的岩层识别装置及方法 |
| CN201837728U (zh) * | 2010-09-29 | 2011-05-18 | 山东大学 | 基于阵列光纤传感器的岩层识别装置 |
| CN202352078U (zh) * | 2011-12-02 | 2012-07-25 | 哈尔滨工业大学 | 车辆行驶速度及位置光纤光栅测定*** |
| CN104713673A (zh) * | 2015-03-11 | 2015-06-17 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波器的拉索时变索力历程识别方法 |
| CN105116056A (zh) * | 2015-09-17 | 2015-12-02 | 山东大学 | 基于fbg传感***和二阶统计量的声发射定位***及方法 |
| CN105372442A (zh) * | 2015-12-14 | 2016-03-02 | 北京交控科技股份有限公司 | 一种列车测速方法、处理器及列车测速*** |
| CN105629253A (zh) * | 2015-12-25 | 2016-06-01 | 北京航天控制仪器研究所 | 一种靶场末区多方式融合落点测量*** |
| CN106323442A (zh) * | 2016-08-18 | 2017-01-11 | 南京发艾博光电科技有限公司 | 一种基于分布式光纤振动传感***的铁路健康监测方法 |
| CN109357747A (zh) * | 2018-10-25 | 2019-02-19 | 南京航空航天大学 | 一种基于光纤振动信号的在线列车识别及速度估计方法 |
| CN109959403A (zh) * | 2019-03-29 | 2019-07-02 | 武汉理工大学 | 一种多参量大容量传感*** |
| CN110210326A (zh) * | 2019-05-10 | 2019-09-06 | 南京航空航天大学 | 一种基于光纤振动信号的在线列车识别及速度估计方法 |
| CN110285877A (zh) * | 2019-06-06 | 2019-09-27 | 武汉理工大学 | 基于Spark Streaming的列车实时定位跟踪与速度计算方法 |
| CN110388941A (zh) * | 2019-08-28 | 2019-10-29 | 北京机械设备研究所 | 一种基于自适应滤波的车辆姿态对准方法 |
| CN110758474A (zh) * | 2019-10-28 | 2020-02-07 | 武汉理工大学 | 一种阵列光栅传感与交叉感应回线相结合的高速磁悬浮列车定位测速方法 |
| CN110758475A (zh) * | 2019-10-28 | 2020-02-07 | 武汉理工大学 | 一种基于阵列光纤光栅传感测量的高速磁悬浮列车定位测速***与方法 |
Non-Patent Citations (1)
| Title |
|---|
| 高速磁悬浮列车测速定位技术研究进展;童杏林 等;激光杂志;20200325;第41卷(第3期);1-5 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111766573A (zh) | 2020-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111947671B (zh) | 用于定位的方法、装置、计算设备和计算机可读存储介质 | |
| CN109284348B (zh) | 一种电子地图的更新方法、装置、设备和存储介质 | |
| CN112556659B (zh) | 单光子激光雷达水下光子位移校正、测深方法及装置 | |
| US9547086B2 (en) | Selected aspects of advanced receiver autonomous integrity monitoring application to kalman filter based navigation filter | |
| CN111766573B (zh) | 卡尔曼滤波的提高阵列光栅定位空间分辨率的方法及*** | |
| US7768442B2 (en) | Interferometric signal processing | |
| JP7324035B2 (ja) | 粒子センサから対気速度を導出するためのシステム及び方法 | |
| US11047708B2 (en) | Method of estimating reliability of measurement distance of laser rangefinder, and localizating method of mobile robot using laser rangefinder | |
| CN102798850A (zh) | 一种瑞利多普勒激光雷达地面校准*** | |
| CN114624741A (zh) | 一种定位精度评估方法及装置 | |
| CN112285742B (zh) | 一种在频域内估算相干测风激光雷达载噪比的方法 | |
| US20100026565A1 (en) | Method for generating a representation of an atmospheric vortex kinematic structure | |
| CN112965076A (zh) | 一种用于机器人的多雷达定位***及方法 | |
| CN111665487A (zh) | 单光子激光雷达水下光子位移校正、测深方法及装置 | |
| CN106873002A (zh) | 一种车载定位干扰攻击检测方法及*** | |
| US20210223039A1 (en) | Method and device for determining height, electronic device, and computer-readable storage medium | |
| CN111090281B (zh) | 基于改进粒子滤波算法估算机器人方位的方法和装置 | |
| CN105629254B (zh) | 一种目标微动特征相干激光探测效果量化评价方法 | |
| Alsatkin et al. | Features of Ne recovery at the Irkutsk incoherent scatter radar | |
| CN114861725A (zh) | 一种目标感知跟踪的后处理方法、装置、设备及介质 | |
| CN112987010A (zh) | 一种用于机器人的多雷达建图的***及方法 | |
| CN113721282A (zh) | 具有多面完好性解决方案的三维姿态确定*** | |
| CN113155267A (zh) | 一种基于二次相关的ofdr***振动检测方法、***、存储介质和终端 | |
| CN115824237B (zh) | 轨道路面识别方法及装置 | |
| CN114739402B (zh) | 一种融合定位方法、介质和电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |