多传感器误差配准研究

多传感器组网信息融合时,需要对组网中各传感器系统误差进行估计和补偿,以消除各传感器系统误差对融合性能的影响。研究了雷达组网系统误差配准模型,并对最小二乘算法 (LS)、广义最小二乘算法(GLS)、递推最小二乘算法(RLS)、修正 EX 算法等误差配准算法进行对比分析,同时给出了扩维配准模型用于解决多传感器组网配准问题,针对实际工程应用中算法收敛情况难以判断的问题,提出了一种误差配准收敛性判定的方法。根据仿真结果对误差配准算法性能进行分析,同时验证了扩维配准和收敛性判定方法的有效性,支撑配准系统应用。     

基于有限记忆最小二乘的雷达误差配准算法

针对非合作目标多雷达组网中的系统误差配准问题,介绍了基于地心地固坐标系的三维空间配准模型,以及常用的雷达误差配准方法——最小二乘法。为了能够实时估计出系统偏差,并解决最小二乘等批处理算法在求解系统误差过程中数据量、计算量和存储量随时间递增的问题,提出了基于广义最小二乘法的有限记忆最小二乘法。通过一个实例,对新算法进行Matlab仿真,结果证明了算法的正确性和有效性。     

基于遗传算法的雷达组网误差配准算法

系统误差校正是雷达组网的关键问题,传统的误差校正方法采用最小均方估计法或极大似然法,这些方法受随机误差影响,计算量大,难以在工程中应用。本文在实时精度控制法（RTOC）的基础上,通过构造误差配准的目标函数,将误差配准转换为非线性优化问题,并采用遗传算法进行寻优。该方法采用非参数化的方法进行误差配准,克服了RTOC和最小二乘算法中线性化带来的误差,提高了误差估计的精度。仿真和实际数据测试表明,本文提供的方法能有效地进行组网雷达误差配准。     

组网雷达系统误差的估计原理与性能分析

为了实现组网雷达系统误差修正,在研究雷达误差特性的基础上,分析了2种坐标系统下误差修正的原理,给出了利用最小二乘算法和广义最小二乘算法进行误差修正的公式.通过仿真实验,对实时质量控制算法、最小二乘算法、广义最小二乘算法和扩展卡尔曼滤波算法实现误差配准进行分析,并比较了这些算法在工程应用中的复杂性和估计精度,同时给出各种算法在工程应用方面的适用条件.     

基于NLS的多机只测角误差配准算法

多机无源融合定位中的误差配准是目前多传感器误差配中的难点之一。当无源传感器获得的观测量存在系统误差却不进行配准时,多机融合定位的效果将受到严重影响。针对这一情况,在多机只测角无源定位问题中提出了一种基于非线性最小二乘（NLS）的误差配准算法。该算法将多机只测角误差配准问题转换为非线性最小二乘估计问题,并采用高斯–牛顿法求解,即先将非线性量测方程线性化并采用加权最小二乘进行估计,然后进行迭代直至收敛到最优估计值。仿真结果表明,与EKF配准算法相比,当观测时间足够长时,本文提出的NLS误差配准算法的定位误差可以接近克拉美罗限（CRLB）,并且对系统误差的估计精度非常高。      

基于小生境遗传算法的雷达组网误差配准

多传感器信息融合须进行误差配准。传统的误差配准技术采用RTQC、最小二乘法或极大似然估计法,将非线性方程进行线性化,而线性化过程会引入误差。给出了一种基于小生境遗传算法的误差配准算法,该方法在采用基于ECEF坐标系的误差配准技术的基础上,克服了将非线性方程线性化带来的误差,并在传统遗传算法的基础上引入小生境技术,提高了遗传算法全局寻优能力、收敛速度以及系统误差估计结果的精度。最后,将该方法与基于ECEF坐标系的最小二乘法及传统遗传算法进行了比较,仿真实验结果验证了算法的有效性。     

基于最小二乘曲线拟合的时间配准方法研究

针对单一手段探测低慢小目标能力不足的问题,提出了运用雷达/红外手段联合探测的方法.但在雷达红外数据融合之前,需要解决时间配准的问题.为解决这个问题,提出了一种基于最小二乘曲线拟合的时间配准改进方法,推导出了改进的最小二乘曲线拟合公式,分析了影响拟合精度的因素,通过仿真分析验证了该方法的有效性.     

基于互信息的航迹对准关联算法

针对系统误差对目标航迹的影响,研究了在组网雷达存在系统误差情况下的航迹对准关联问题,并将该影响表示为目标航迹的旋转量和平移量;提出一种基于互信息的系统误差配准前航迹对准关联算法,该算法采用最大互信息理论来估计目标航迹数据的相对旋转量和平移量,将雷达组网中雷达上报的目标航迹数据对准到融合中心,从而避开了估计雷达组网系统误差,实现了误差配准前的航迹对准关联,能够为后端的系统误差配准提供可靠的关联航迹数据。     

多雷达数据配准的工程实现

基于雷达网系统误差分析 ,提出了一种简单、实用的数据配准算法 ,称为最小二乘相对系统误差配准法(LSRSEM ) ,并给出了一种基于相对系统误差的多雷达数据配准工程实现方法。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 ,有效保证了多雷达观测结果的一致性和连续性     

基于SRUKF的组网雷达系统偏差估计方法

雷达组网数据处理首先要进行误差配准,来准确地估计和消除系统偏差。该算法模型建立在ECEF坐标系下,并采用均方根不敏卡尔曼滤波（SRUKF）对组网雷达系统偏差进行实时估计。该算法不仅无需计算雅可比矩阵,而且算法的方根形式增加了数值稳定性和状态协方差的半正定性。仿真结果表明,该算法可以有效地实现组网雷达的系统误差配准。     

基于非合作目标的误差配准算法

误差配准是消除传感器系统误差必不可少的过程。针对非合作目标情况下如何估计传感器系统误差的问题,提出了一种基于线性卡尔曼和最小二乘的三维误差配准算法。该算法考虑了地球曲率的影响, 解决了传统的二维算法无法估计俯仰角系统误差的问题。通过构造系统模型, 将传感器系统误差和目标运动情况统一到同一量测方程中, 并结合线性卡尔曼和最小二乘得到系统误差的估计。仿真结果表明, 该方法能有效地估计包括俯仰角误差在内的多种系统误差。     

雷达组网系统中评估探测精度的方法

针对雷达组网系统探测精度的考核问题,提出了一种评估雷达组网系统探测精度的方法.基于最大似然估计法、最小二乘估计法及加权最小二乘估计法,推导了衡量雷达组网系统探测精度的3种分析评估方法.通过性能对比,选择性能最优的最大似然估计评估法运用到某雷达群组网探测系统实际检飞考核试验中,获得了较好的评定结果.     

最小平方法实现多部雷达数据配准

数据配准是多传感器数据融合中的基本问题。本文针对雷达组网系统，提出一种简单，直接的数据配准方法，称为最小平方估计配准法。配准是数据融合的必要步骤，籍以估计和修理雷达的系统误差，从而使数据融合得以有效实现。本方法可使跟踪同一批目标的两部雷达保持观测结果的一致性。     

车载多雷达组网实时航迹误差评估算法研究

结合车载多雷达组网系统的特点,为提高后续信息融合的精度和速度,在地心直角坐标(ECEF)的坐标变换体系下,通过多站航迹数据之间的比较处理,提出了基于最优递推最小二乘估计的车载多雷达组网实时航迹误差评估算法.仿真结果表明,该方法具有较高的准确性和鲁棒性.     

多雷达系统几种误差配准方法的分析与比较

对多雷达系统现有几种主要误差配准方法即实时质量控制法（RealTimeQuality Control)、最小二乘法（Least Squares)、最大似然法（Maximum Likelihood)和广义最小二乘法（Generalized Least Squares)进行理论分析与比较,利用参考文献[1]的数据对上述几种算法的实际应用效果进行比较,为实际系统选择合适配准算法提供一定依据。     

多雷达系统几种误差配准方法的分析与比较

对多雷达系统现有几种主要误差配准方法即实时质量控制法（Ｒｅａｌ ＴｉｍｅＱｕａｌｉｔｙ Ｃｏｎｔｒｏｌ）、最小二乘法（Ｌｅａｓｔ Ｓｑｕａｒｅｓ）、最大似然法（Ｍａｘｉｍｕｍ　Ｌｉｋｅｌｉｈｏｏｄ）和广义最小二乘法（Ｇｅｎｅｒａｌｉｚｅｄ Ｓｑｕａｒｅｓ）进行理论分析与比较,利用参考文献［１］的数据对上述凡种算法的实际应用效果进行比较,为实际系统选择合适配准算法提供一定依据。     

用最小平方法实现多部雷达数据配准

针对雷达组网系统，提出一种简单，直接的数据配准方法，称为最小平方估计配准法。本方法可使跟踪同一批目标的两部雷达保持观测结果的一致性。为了具体说明起见，要用真穴数据及模拟数据对ＬＳＲＭ算法进行了仿真。     

一种机载组网雷达协同目标检测算法

多机协同的机载雷达组网联合目标探测可有效提高复杂电磁干扰环境下对隐身弱目标的探测能力。文中针对机载雷达组网探测时空间配准误差大、协同探测难以实现的难题,提出了一种基于轨迹空间配准的协同目标检测算法,通过雷达间少量距离-多普勒域数据及低检测门限下目标轨迹域数据的交互,采用极大似然估计广义似然比检测器对目标进行联合恒虚警检测(CFAR),并通过轨迹域空间配准与CFAR的迭代计算,实现配准精度和目标联合检测性能的双提升。数值仿真实验的结果表明,在四部雷达组网工作时,在相参积累后信噪比9 dB、虚警概率10^-4的典型场景下,经过迭代处理,空间配准精度可达到一个距离-多普勒分辨单元;对目标的检测概率由单部雷达的28.5%提高到四部雷达协同下的83.67%。     

基于相位相关的航迹对准关联技术

本文研究了雷达存在探测系统误差时的目标航迹关联问题,给出了组网雷达常规及大系统误差对目标航迹影响的理论分析,提出了一种基于相位相关的系统误差配准前目标航迹对准关联算法.该算法利用Radon变换和Fourier变换的有关特性,采用1维和2维相位相关来分别估计航迹间旋转和平移,基于估计量对各雷达目标航迹进行对准后,实现配准前航迹准确关联.最后,蒙特卡洛仿真结果比较验证了在各种不同的系统误差和目标环境中算法良好的航迹对准关联效果,充分说明其能够为雷达误差配准提供可靠的关联航迹数据.     

多目标雷达组网实时系统偏差稳健估计研究

针对多目标情况下雷达组网的误差配准问题,提出了一种基于Kalman滤波和数据融合的系统偏差实时稳健估计方法。首先,利用Kalman滤波的实时配准算法得到各个目标对雷达系统偏差的估计结果;然后,通过估计结果的实时融合进一步减小估计误差;最终得到较高精度的实时系统偏差估计。仿真结果表明,该算法可以有效地实现多目标情况下的实时误差配准。