基于模型转换的异步空间配准算法

在分布式融合系统中,融合中心在对传感器发送过来的航迹数据进行融合处理前,需要采用空间配准算法来消除航迹数据中可能存在的系统误差.已有的空间配准算法未考虑滤波处理中的状态方程对配准过程的影响.对不同传感器具有不同状态方程条件下的异步空间配准实现进行了研究,采用将模型误差和系统误差合并处理的思路,提出了基于模型转换的异步空间配准(AMCBA)算法.仿真结果表明AMCBA算法能够实现对模型误差和系统误差的准确估计.     

WGS-84坐标系下空基多平台异质传感器MLR配准

多平台多传感器良好协同的重要前提之一是其系统误差的配准,由于空中平台的运动和传感器类型的异质性使得配准问题更为复杂。首先构建了WGS-84坐标系下有偏观测模型,然后将最大似然配准(maximum likelihood registration,MLR)算法扩展到空基多运动平台异质传感器的配准。运用复合函数求导链式法则,推导出应用MLR算法时至为关键的传感器观测量对目标状态的雅克比矩阵。理论和仿真结果表明该方法可实现异质传感器配准,配准误差逼近其Cramer-Rao界。     

航迹图像的2D雷达系统误差配准算法

针对传统的系统误差配准算法大都是在航迹已正确关联前提下的误差配准问题。提出了一种新的基于航迹图像的2D雷达系统误差配准算法。该方法首先分析了系统误差对目标航迹的影响,并将该影响表示为目标航迹的相对旋转和平移量,其次根据目标航迹产生参考图像和待配准图像,结合归一化互相关法和相位相关法来对相对旋转和平移量分别进行估计补偿,从而不需要考虑航迹关联即可实现系统误差配准。仿真结果表明了该方法的有效性。     

2D Radar System Errors Registration Algorithm Based on Track Images

针对传统的系统误差配准算法大都是在航迹已正确关联前提下的误差配准问题.提出了一种新的基于航迹图像的2D雷达系统误差配准算法.该方法首先分析了系统误差对目标航迹的影响,并将该影响表示为目标航迹的相对旋转和平移量,其次根据目标航迹产生参考图像和待配准图像,结合归一化互相关法和相位相关法来对相对旋转和平移量分别进行估计补偿.从而不需要考虑航迹关联即可实现系统误差配准.仿真结果表明了该方法的有效性.     

网络化火控系统空间配准技术仿真

研究了固定平台空间配准的两种算法:二维空间实时质量控制算法(RTQC)与三维空间基于合作目标的空间配准算法。在网络化火控缩微环境中对两种算法分别进行了仿真试验。结果表明,RTQC算法不仅能够有效消除传感器测量系统误差,而且比基于合作目标的空间配准算法更易实现。     

基于SRUKF的3D雷达与2D雷达的误差配准方法

系统误差配准技术是雷达组网数据处理系统中必不可少的基础和关键技术,其目的是准确估计及消除组网雷达的系统误差。采用ECEF坐标系作为公共参考坐标系,推导了使用3D雷达配准2D雷达的3种方法,并采用均方根不敏卡尔曼滤波(SRUKF)对组网雷达系统误差进行实时估计。仿真结果表明,该算法可以有效地实现3D雷达与2D雷达之间距离和方位角的系统误差配准。     

机载雷达与地面雷达的最大似然配准算法

空、地多雷达配准是空地一体化预警的前提。通过建立空中运动雷达与地面静止雷达的配准模型,以最大似然算法为基础,导出其空间系统误差配准参数及目标运动状态估计的具体公式,并对系统误差估计值的卡拉美-罗界进行了讨论。仿真结果表明,该算法具有较快的迭代收敛速度和较好的配准效果。     

复杂环境下多雷达点迹融合

针对系统误差、杂波干扰等对点迹融合处理系统的影响,结合工程实践,提出了一种处理复杂环境下多雷达点迹融合结构框架,给出了存在系统误差情形下的多雷达航迹起始、虚假目标抑制、雷达误差配准等模型和算法。仿真结果表明,提出的框架、模型和算法能够有效处理多雷达点迹融合问题。     

分布式多传感器系统误差实时检测分析

针对现有分布式多传感器系统中无法知道何时需要进行系统误差估计与配准的问题,采用基于与航迹相关的检验统计量研究系统误差的实时检测。首先,分析了分布式传感器系统中传感器系统误差对各传感器上报到融合中心的航迹的影响,在此基础上构建了系统误差实时检测的检验统计量,同时给出了检测的门限与准则,最后通过建立合适的仿真环境分析了在各传感器分别有无系统误差情况下的检测问题,并且通过实测数据进一步验证,仿真结果以及实测数据验证了检测算法的可靠性及实用性。     

误差配准在两种纯距离定位算法的应用比较

组网雷达系统中,由于观测信息量的增加,对目标存在多种定位算法。很多情形下,误差配准公式是基于某一定位算法推导而来,误差配准的结果也相应的用来提高此定位算法的定位精度。定位算法的复杂程度不同导致基于此算法推导误差配准公式难度不一致,不同定位算法的定位精度也不尽相同。因此,对两种多距离定位算法的定位精度、误差配准推导难易程度进行了理论分析和仿真计算,给出了定位精度的解析表达式和仿真结果。利用表达式简单的定位算法推导基于最小二乘的误差配准公式,并将误差配准结果反馈给定位精度高的定位算法,以最大程度提高误差配准结果的应用效果,减轻计算复杂度,提高信息的利用度。     

网络化作战系统中的多雷达时空数据配准

阐述了多个雷达数据空间配准几何坐标转换算法,建立目标运动和测量模型,在此基础上利用最小二乘法对多雷达异步测量数据进行时间配准,最后研究了在时空数据配准处理后基于扩展卡尔曼滤波的状态估计和误差估计,并进行了仿真验证,对网络化作战传感器网络建设有参考意义.     

采用LSRSERM方法进行多雷达数据配准

基于雷达网系统误差分析,提出了一种最小二乘相对系统误差配准法,并给出了一种多雷达数据配准方案。仿真和实际数据证明,该方法可以使同一目标观测航迹的分裂程度减小一个数量级。     

多平台多传感器数据融合中的时间一致

解决多平台多传感器系统数据融合中传感器误差配准问题,首先要实现各传感器的时间一致,将关于同一目标的各传感器不同步的量测信息同步到同一基准时标下.将时间误差分为确定性和不确定性两种,分析了引起多传感器时间误差的原因,提出一种基于Kalman滤波的时间对准算法,有效解决了一定范围内不确定传输延迟引起的时间不一致问题.     

多传感器的极大似然配准算法研究

数据配准是多传感器数据融合的先期处理过程。在研究了传统的最小二乘算法的基础上 ,提出了基于三维坐标系中的极大似然配准算法 ,解决了最小二乘配准算法对于传感器相距较远时无法解决的问题。最后通过计算机仿真验证了算法的有效性。     

单平台三维传感器组网配准的最小二乘法

针对单平台多部三维传感器组网的校准和姿态偏差给出了一种综合估计算法。根据不同传感器跟踪相同目标时的空中叠合条件,由一阶泰勒展式导出了相对偏差的线性化公式,再利用最小二乘法实时估计出传感器量测间存在的偏差,从而进行配准。本算法对传感器近距离组网或者单舰多传感器组网的配准具有较好的精度和稳健性。     

基于正则化的多平台多传感器导航定位和探测偏差估计

针对影响舰载雷达探测误差主要为平台导航定位误差和传感器自身探测误差,对这两类误差的影响因素进行了分析,首次综合考虑这两种系统误差,提出了一种基于正则化的多平台导航定位及探测偏差估计方法,利用不同舰艇上传感器对公共目标探测的迭合条件,建立系统误差观测方程,利用LS对两种系统误差同时进行了估计,并在偏差估计中采用正则化估计方法,提高估计结果的稳定性,最后进行了仿真验证,仿真效果验证了算法的有效性,具有较高的工程应用价值。     

基于正则化的多平台导航定位及探测偏差估计方法

影响舰载雷达探测误差主要为平台导航定位误差和传感器自身探测误差,针对对这两类误差的影响因素进行了分析,首次综合考虑这两种系统误差,提出了一种基于正则化的多平台导航定位及探测偏差估计方法,利用不同舰艇上传感器对公共目标探测的迭合条件,建立系统误差观测方程,利用LS对两种系统误差同时进行了估计,并在偏差估计中采用正则化估计方法,提高估计结果的稳定性,最后进行了仿真验证,仿真效果验证了算法的有效性,具有较高的工程应用价值.     

粒子滤波在雷达方位配准中的应用

在多雷达数据处理系统中,雷达本身的系统误差是影响目标跟踪和数据融合质量的一个重要因素,尤其是正北方位误差.针对现有非线性滤波算法收敛性及鲁棒性较差的问题,将粒子滤波算法应用于雷达方位配准.通过与传统的扩展卡尔曼滤波方法仿真比较,结果表明采用粒子滤波的方法解决非线性雷达方位配准模型行之有效,能有效地克服扩展卡尔曼滤波方法中很容易出现的滤波发散问题,且粒子滤波比扩展卡尔曼滤波的估计精度要高.     

自适应联邦卡尔曼滤波的时间配准方法

针对现有组合导航信息融合时间配准方法存在的算法实时性不高、配准精度不高等缺陷,对组合导航系统时间误差进行了分析,提出了一种基于自适应联邦卡尔曼滤波的重叠分段时间配准算法。通过对传感器量测信息进行重叠分区处理,将不同起始时刻、不同采样频率的量测量统一至同一时刻处理,有效提高了采样率与配准精度。将其应用到SINS/GPS组合导航系统,实验结果表明,该算法能显著减小组合导航系统误差,提升了系统平稳性。     

一种基于最优在线无偏估计的空间配准方法

提出了一种最优在线无偏估计(BLUE)方法,能够对时变系统误差进行实时在线估计,但是该方法是基于二维公共直角坐标系内平移变换的,不能直接在实际工程中应用。针对上述问题,提出了基于ECEF坐标转换的BLUE方法,解决了多传感器多目标背景下的绝对空间配准问题;同时将改进后的BLUE方法应用到相对空间配准问题中,结果验证了该方法的正确性和有效性。