基于测距最小二乘的方位融合多传感器定位算法

在多部2D传感器组网目标定位中,为减小地球曲率对观测的影响,充分利用各传感器量测并解决观测方程的非线性最小二乘问题,提出了融合方位量测的测距最小二乘算法。该算法的实质是基于多部2D传感器设备的测距以及方位角信息,考虑地球曲率的影响建立等效的观测模型和非线性方程,通过数学变换将非线性系统转化为线性系统;利用纯距离最小二乘定位原理初步估算出目标的位置,然后融合各传感器的方位量测得到关于目标的最终位置估计。仿真实验表明,本方法在3部以上2D传感器观测并且测距误差较大而方位误差较小的情况下,可以修正测距最小二乘法在某些位置的定位误差,从而整体提高目标的定位精度。     

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。     

双/多机测角频差定位算法研究

对固定辐射源的快速高精度定位是机载无源定位系统的重要任务之一,而双/多机测角频差定位体制是实现该任务的一种新途径。针对该定位体制,提出了一种快速有效的定位解算方法,解决了单次观测条件下的定位问题。该方法首先基于各机测得的方位角、俯仰角,采用伪线性法粗略估计辐射源位置;然后以此为初始值,采用高斯-牛顿迭代法,综合利用频差、方位角及俯仰角信息,精确估计辐射源位置。在单次观测定位的基础上,引入了批处理加权最小二乘融合算法及序贯加权最小二乘融合算法,实现了多次观测定位结果的有效融合。最后,进行了计算机仿真,结果表明:本文给出的单次定位解算方法及多次定位融合算法具有良好的性能,当观测误差不太大且服从高斯分布时,它们对应的辐射源位置估计精度能够很好地逼近克拉美罗限。      

自动分检测量数据的多目标交会定位方法

多站电视测量自动交会定位应用中,目标误检或不同将导致定位误差变大。在最小二乘估计基础上,融合多传感器测角数据,对不同目标测量信息进行自动检择与分组,避免错误数据参与交会而引入超大误差,实现多目标快速交会定位。与常用最小二乘交会法相比,该方法无迭代运算,计算量可减少一半以上。模拟实测数据的仿真实例验证了该多测站交会定位方法的有效性。     

一种基于最小化广义Rayleigh商的无源定位算法研究

 为改善只测角无源定位的性能,提出了一种基于最小化广义Rayleigh商的无源定位算法.该算法利用扰动观测矩阵和扰动观测向量的乘性结构,将约束总体最小二乘问题转化为最小化广义Rayleigh商问题,从而只需对一对矩阵束进行广义特征值分解即可求得全局最优定位解.仿真结果表明所提算法性能稳健且计算量较小,定位收敛精度逼近克拉美罗限(CRLB),远优于最小二乘(LS)算法和总体最小二乘(TLS)算法,实用性强.     

基于总体最小二乘算法的多站无源定位

将总体最小二乘算法应用于多站无源定位中,分别提出了基于角度估计的总体最小二乘算法,基于时差估计的总体最小二乘算法以及基于角度和时差估计的总体最小二乘算法。算法首先把非线性的观测方程转化为伪线性的观测方程,然后构造增广矩阵,并对该矩阵进行奇异值分解即可估计出目标位置,因此无需迭代计算或者获得目标位置的粗略估计,仿真结果表明该算法具有较高的定位精度。     

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WLSE-KF的传感器融合定位算法研究

多传感器融合在定位中的应用越来越广泛。在利用这些传感器进行定位的过程中,需要对其采集的数据进行融合。射频识别融合定位一般采用最小二乘法,然而,它可能使定位误差较大。文中提出了将最小二乘和卡尔曼滤波相结合的算法。该算法先利用加权最小二乘估计获得移动用户的初步位置,再利用扩展卡尔曼滤波进一步使定位精度得到提高。仿真结果表明该算法相比多种传统定位算法,误差减少,定位精度明显提高。     

考虑载机位置误差的CLS多机无源定位算法

多机无源定位中存在载机位置误差却不予考虑时必然会降低目标的定位跟踪精度。为了解决存在载机位置误差情况下的定位问题,提出了一种考虑载机位置误差的约束最小二乘（CLS）多机无源定位算法。该算法对伪线性观测方程中由于测量误差和载机位置误差而导致的增广系数矩阵的误差协方差阵进行约束,并对伪线性观测方程的误差进行约束最小二乘处理,最终转化为对一组矩阵束的广义特征分解问题。仿真结果表明,相对于最小二乘（LS）算法和扩展卡尔曼滤波（EKF）算法,该算法具有更快的收敛速度和较高的定位精度,并且受载机位置误差影响小,在观测噪声比较大时仍能保持良好的定位性能。      

基于约束总体最小二乘的单站DOA/TDOA联合误差校正与定位算法

多基外辐射源雷达定位系统受系统偏差影响较大。该文针对多基外辐射源雷达到达角度(DOA)和到达时差(TDOA)联合定位系统,提出一种基于约束总体最小二乘(CTLS)的无源定位和误差校正算法。首先引入辅助变量,将DOA和TDOA非线性观测方程进行线性化处理。考虑伪线性化后定位方程中噪声矩阵各分量统计相关特性,将无源定位与误差校正联合优化问题建立为CTLS模型,并采用牛顿迭代方法对模型求解。在此基础上,考虑辅助变量与目标位置的关联性,设计关联最小二乘算法改进目标位置估计值,采用后验迭代方法进一步提高系统偏差估计精度。最后推导了算法的理论误差。仿真结果表明:该算法能够有效地估计目标位置和系统偏差。     

误差校正下外辐射雷达无源定位算法

针对多基外辐射源雷达定位中存在系统误差的问题,提出了一种基于到达角度(DOA)与到达时差(TDOA)的外辐射源雷达无源定位和系统误差校正算法。首先,该方法引入辅助变量对非线性的DOA 和TDOA 量测方程进行线性化,利用迭代加权最小二乘算法得到对目标位置和系统误差的联合估计;然后,利用辅助变量与目标位置的关联性,设计了一种关联最小二乘算法对初始估计值进行改进;最后,通过后验迭代估计进一步提高目标定位精度。仿真结果表明该算法能够有效地估计系统误差和目标状态。     

多传感器配准估计方法与实现

采用地心地固坐标系作为统一坐标系,研究了多传感器组网中的配准估计问题。首先论述了传感器配准的现实意义和传感器偏差的客观来源。随后给出了多传感器配准问题的数学模型描述,并据此给出了配准参数状态矢量。然后利用单目标在不同传感器探测中的量测,在地心地固坐标系下得出偏差方程,采用一阶泰勒展开进行近似,给出各传感器距离、方位角、仰角偏差的线性化公式,并使用最小二乘法估计出各传感器的实时配准参数。最后通过一个Matlab仿真实例,验证了上述方法的有效性。     

Bearings-only maneuvering target tracking based on fuzzy clustering in a cluttered environment

This paper proposes a novel bearings-only maneuvering target tracking algorithm based on maximum entropy fuzzy clustering in a cluttered environment. In the proposed algorithm, the interacting multiple model (IMM) approach is used to solve the maneuvering problem of target, and the false alarms generated by clutter are accommodated through a probabilistic data association filter (PDAF). To reduce the computational load, the association probability is substituted by fuzzy membership degree provided by a modified version of fuzzy clustering algorithm based on maximum entropy principle, and the “maximum validation distance” is also defined based on the discrimination factor, which enables the algorithm eliminate invalid measurements. Moreover, to avoid the unobservability problem of passive target tracking, a nonlinear measurement model of multiple passive sensors is formulated. Finally, simulation results show that the proposed algorithm has advantages over the conventional IMM-PDAF algorithm in terms of simplicity and efficiency.     

误差校正下单站多外辐射源BR/BRR多目标定位算法

单站多外辐射源雷达定位系统利用多组双基距(BR)和双基距变化率(BRR)量测值对多运动目标定位。量测偏差的存在使得定位性能下降,对此该文提出一种基于迭代后验关联最小二乘估计的联合误差校正和目标定位算法。首先引入辅助变量对BR和BRR非线性观测方程伪线性化,建立目标参数和偏差的联合估计方程。其次,利用辅助变量和目标参数之间的关系构建新的等式方程设计关联最小二乘算法,并采用后验迭代校正固定偏差进一步提高定位精度和全局收敛性。最后对算法的理论误差和全局收敛性进行了分析,仿真结果显示:所提算法具有较好的全局收敛性且目标定位性能达到克拉美罗下界。     

基于极大似然的联合数据关联与空间配准

针对雷达量测存在漏探测情况下的雷达之间数据关联与雷达系统误差估计问题,提出了基于极大似然(ML)的联合数据关联与空间配准算法。该算法采用多维分配算法进行数据关联,使用ML 对空间配准问题中的系统偏差进行估计,通过迭代进行数据关联和空间配准,最终得到收敛的系统偏差估计和关联正确率。仿真实验表明:在雷达探测存在漏探测时,文中提出的算法能够有效地进行数据关联和估计系统偏差,有较强的抗噪性和鲁棒性。     

一种基于最小均方误差准则的唯方位定位方法

为了使目标位置估计点到各个观测站定位视线的距离和达到最小,提出一种利用最小均方误差准则,使用加权约束条件得到最佳逼近解的多站唯方位无源定位新方法。该方法在二维和三维情况下均适用,并且最少只需要两个观测站即可实现定位,定位误差趋近于克拉美-罗下界（CRLB）。仿真结果验证了该方法的可行性和有效性。     

纯方位定位中的螺旋运动机动方式与系统的可测性

机载单站无源定位系统具有作用距离远、机动性好、掩蔽接收、不易被对方发觉的优点,并且能与其他平台协同使用,有着广阔的应用前景.提出了在三维中以螺旋运动为机动方式、基于修正增益扩展卡尔曼滤波(MGEKF),对三维运动辐射源的无源定位跟踪算法,并对此进行了可测性分析,最后给出了计算机的仿真结果.得出的结论是:三维中利用螺旋运动的机动方式,算法可以在很短的时间内收敛,能够较快地实现对目标的定位.     

基于EM算法的联合数据关联与空间配准

针对雷达量测存在漏探测情况下的数据关联与空间配准问题,提出了一种基于期望最大化（EM）算法的联合数据关联与空间配准算法。该算法使用EM算法对空间配准问题中的系统偏差进行估计,采用多维分配算法进行数据关联,通过迭代进行数据关联和空间配准,最终得到收敛的系统偏差估计和关联正确率。仿真实验结果表明：在雷达探测为非全探测时,文中提出的联合数据关联与空间配准算法能够有效地估计系统偏差,有较强的抗噪性和鲁棒性。     

基于双基地距离的多站多外辐射源无源定位算法

针对利用多个外辐射源和多个接收站的无源雷达目标定位场景,提出了一种利用三步加权最小二乘的双基地距离（Bistatic Range,BR）定位问题代数解.首先,在第一步加权最小二乘估计中,通过引入多个辅助参数,将BR观测方程线性化,并得到目标位置粗估计;在后两步加权最小二乘估计中利用辅助参数与目标位置参数的约束关系来提高目标位置的估计精度.对算法理论误差分析表明,其定位精度可以达到克拉美罗界.蒙特卡罗仿真结果表明,算法的定位精度优于现有算法.