数据融合的精确极大似然配准算法

数据融合是一个对来自多源的数据和信息进行互联、相关、组合处理以求得精确位置和识别估计的过程。本文考虑其中的配准问题,它是数据融合系统求得精确估计和修正系统误差所必需的预先处理。文中介绍了配准的精确极大似然算法(EML)。该算法通过两步递归最优化方法来实现,并采用改进的高斯—牛顿法来确保算法的快速收敛性。文中研究了该算法的统计性能,其中包括对一致性和有效性的讨论。我们特别地推导并给出了渐近协方差和克拉默—劳边界(CRB)的显式。最后,用仿真和实际的多雷达数据来评估该算法的性能。