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.     

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.     

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。     

系统误差下航迹关联算法

针对系统误差对目标航迹的影响,提出了一种新的系统误差下航迹关联算法,该算法采用模糊综合决策的思想,抓住目标航迹的不变信息建立模糊因素集,通过构建目标航迹紧密度矩阵提取最有可能的航迹关联对,从而达到系统误差下航迹关联的目的,通过典型环境下的仿真,验证了该算法在传感器组网存在系统误差情况下进行航迹关联的优越性,其具有较好的航迹关联效果和较强的鲁棒性。     

基于区域覆盖度的航迹灰关联算法

研究了在雷达存在系统误差情况下的航迹关联问题,分析了时变系统误差对航迹形成的影响,将系统时变误差的影响用灰区域来描述。提出了一种基于区域覆盖度的航迹关联算法,研究了算法在不同条件下的适用性,并将该算法拓展应用到异步等速率情况下,带有时间误差和系统误差直接进行关联,仿真结果显示关联正确率较高。     

系统误差下的模糊航迹关联方法

航迹关联对航迹融合结果具有决定性影响。为了解决组网雷达存在系统误差情况下的航迹关联问题,采用归一化的方法,构造了一种新的隶属度函数,采用模糊方法进行航迹关联,该算法简单易于实现,可以准确地实现密集目标的航迹关联。仿真结果显示了该算法的有效性。     

曲面拟合法和梯度法相结合的图像亚像素配准算法

针对传统亚像素配准算法存在精度不高、计算复杂的问题,提出了一种曲面拟合法和梯度法相结合的图像亚像素配准算法。采用9点相关系数曲面拟合法对图像进行粗配准,求得一个相对粗略的亚像素配准位置;在两幅图像中选取相同尺寸的子区图像,在粗略的亚像素配准位置基础上,采用梯度法最终获得精确的亚像素配准位置。不同平移关系下的样本图像亚像素配准对比实验结果表明,该算法实现了曲面拟合法和梯度法的优势互补,有效提高了图像配准的精度,最大配准绝对误差由0.17像素降低为0.02像素。     

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。     

一种多雷达多目标抗系统误差航迹起始方法

提出了一种多雷达多目标抗系统误差航迹起始方法,该方法利用不同雷达对同一目标探测具有较大相似性的特点,对接收到的多部雷达点迹,经初始相关序列提取、相关序列近邻假设整体分配、目标初始状态估计等环节,进行多雷达航迹起始,有助于解决因系统误差估计与数据关联互为前提而无法对目标实施精确跟踪的问题。仿真结果表明,该方法能够对多雷达点迹进行有效互联,提高存在雷达系统误差条件下的航迹起始正确率。     

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。     

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。     

基于三角形拓扑相似性的航迹关联算法

针对多个传感器量测航迹在系统误差下关联融合困难的问题,提出基于拓扑4交差模型和三角形拓扑相似度的航迹关联方法,将传感器探测目标分成若干个拓扑三角形结构,使用4交差模型排除不同传感器探测中相关可能性小的三角形;然后定义三角形相似度,对归属于不同探测源的拓扑三角形相似程度进行度量,从而得出目标之间的相关程度,获取航迹关联结果。仿真结果表明,在目标密集编队时,该算法具有有效性。     

迭代插值FPFH特征点云配准算法

针对三维激光扫描点云数据的配准问题,提出了一种基于FPFH特征的迭代插值配准新方法。配准过程中考虑到点云数据获取时,受扫描仪分辨率影响,点云局部或整体密度偏小,两次测量点云数据的相同位置不存在完全相同的点,以致对应点之间存在误差。为减小误差对配准精度影响,引入迭代插值方法,增加点云整体密度。配准过程通过计算关键点处FPFH特征寻找对应相关关系求得粗配准旋转平移矩阵,再使用ICP算法进行点云的精确配准。实验结果表明,改进的配准方法简单、稳定可靠、计算速度快且计算复杂度小,对实现点云配准具有实用价值。     

密集目标有偏航迹整体匹配关联方法

针对密集目标和传感器探测存在较大系统偏差的复杂条件下的分布式融合中航迹关联问题,设计了一种整体匹配航迹关联方法,首先将所有航迹划分成若干个关联聚,对各传感器都有多个目标航迹的关联聚采用多目标点图整体匹配,对某传感器只有单目标航迹的关联聚采用航迹段整体匹配,从而获得关联聚内所有航迹的关联关系。在仿真分析中,随机产生态势,分别计算新算法在不同情形下的漏关联、正确关联率、错误关联率。仿真验证结果表明该算法在不同目标密集程度、系统误差情形下都有较好的适应性。     

基于平方根UKF的海上多平台误差配准方法

给出了多传感器数据对准的坐标变换模型,并分别构建了关于导航系统误差和传感器系统误差的测量方程和状态方程,然后设计了一种平方根UKF误差配准算法以对两种系统误差进行在线估计和补偿,完成海上多平台的误差配准。仿真实验验证了该算法的正确性和有效性。     

基于AIS的对海雷达多目标联合误差估计方法

提出了一种基于AIS的对海警戒雷达多目标联合误差估计方法,该方法以高精度AIS提供的目标信息为目标真值,对雷达进行误差估计。利用系统积累的多目标航迹信息,首先进行目标粗关联,将航迹信息进行时空对准后产生误差序列,通过单目标误差序列统计信息进行异常值的筛选,再通过多目标误差序列进行错误关联目标的检验,最终对剩余误差序列进行误差估计。通过实测数据和实际应用证明,该方法估计的雷达误差较准确,用估计结果对雷达误差进行校准后可有效减小对海雷达的系统误差。     

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。     

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。     

基于快速点特征直方图的特征点云迭代插值配准算法

为提高三维激光扫描点云数据的配准精度,提出了一种基于快速点特征直方图特征的迭代插值配准方法。配准过程中,点云数据获取时受扫描仪分辨率影响,点云局部或整体密度偏小,两次测量点云数据的相同位置不存在完全相同的点,以致对应点之间存在误差。为减小误差对配准精度影响,引入迭代插值方法,增加点云整体密度。通过计算关键点的快速点特征直方图的特征寻找对应关系,使用随机采样一致算法去除错误对应关系,对对应点协方差矩阵进行奇异值分解求得粗配准旋转平移矩阵,再使用迭代最近点算法进行点云的精确配准。实验结果表明,改进的配准方法简单、稳定可靠、计算速度有所增加,有效地提高了配准精度。     

一种基于图像分类的遥感图像配准方法

遥感图像配准是遥感图像融合中最重要的预处理步骤。寻找适应性强、精度高、计算快的配准算法一直是研究的核心问题。在研究现有配准算法的基础上,提出了一种基于图像分类的特征匹配方法。该方法在基于控制点的多项式粗配准的基础上,利用分类图像相关实现了基于仿射变换模型的精配准。实验结果表明:对于同质和异质遥感图像,此方法的配准精度都达到了子像素级;而计算量与传统的基于灰度相关的方法和基于特征匹配的方法相比则大为减少。