基于ECEF坐标转换的AEWS数据配准算法

数据配准是多传感器数据融合的先期处理过程.基于地心地固坐标系(ECEF)研究了预警机系统(AEWS)与地面雷达数据处理中心的数据配准问题.首先给出AEWS与地面雷达数据处理中心数据配准几何坐标转换算法;然后利用卡尔曼滤波实时估计出预警机对地面雷达数据处理中心的系统偏差,从而实时对预警机系统(AEWS)进行配准,计算机仿真结果证明了该算法的正确性和有效性.     

基于强跟踪滤波器的多雷达配准方法

在多雷达数据处理系统中,雷达本身的系统偏差是影响目标跟踪和数据融合质量的一个重要因素。提出了基于强跟踪滤波器(STF)的多雷达配准算法。该算法是利用各雷达相对主雷达的测量差值,利用强跟踪滤波器(STF)实时估计出各雷达的系统偏差(方位和距离),从而进行配准。仿真实验结果表明这种方法是有效的。     

低导航精度下多舰雷达数据空间配准方法

海上多舰火控雷达数据融合系统中,导航数据精度低、地球表面不平坦都将给传感器数据的空间配准带来工程实现困难。提出一种基于雷达相对定位的多平台观测数据配准方法,用于解决以罗兰C为主要导航设备的多舰数据配准问题。性能分析和仿真实验表明,该方法对导航设备精度的要求不高,具有较强的实用性。     

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。     

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。     

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。     

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。     

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。     

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.     

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。