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。     

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。     

基于极大似然的联合多传感器配准与融合

传感器配准和多源融合是多传感器多目标跟踪系统中面临的两个重要问题。多传感器融合的精度一定程度上与传感器固有系统误差相关,为提高融合精度,需要进行多传感器配准。在多传感器多目标跟踪场景下,文中根据传感器量测噪声特性,通过公式推导实现了一种基于极大似然的联合多传感器配准与融合算法。该算法可同时在采样时刻间对传感器系统偏差和目标融合位置进行估计,并对传感器系统误差进行时间递推。仿真结果表明,文中算法具有较高的估计精度,可同时解决多传感器的配准与融合问题。     

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     

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。     

广义最小二乘法配准组网雷达误差的技术研究

本文介绍了组网雷达的坐标转换方法,研究了使用广义最小二乘方法配准组网雷达中的距离误差、方位误差和俯仰误差的技术问题。仿真分析了量测噪声对于配准误差的影响。结果表明了最小二乘算法的有效性和鲁棒性。     

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。     

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。     

基于极大似然法的异类传感器配准方法研究

针对异类传感器数据融合空间配准问题,利用极大似然法对多传感器系统模型进行分析,推导出配准参数的估计值,以毫米波雷达/红外传感器复合制导为例,对空间配准算法进行了仿真,仿真结果具有较快的迭代收敛速度和较好的配准效果,满足了异类传感器融合实时性和精确度的要求.     

基于地心地固坐标系的多运动平台实时配准方法

固定平台情况下基于地心地固（ECEF）坐标系的配准模型,在运动平台中已不适用,鉴于此,在考虑系统误差固定不变的条件下,推导了基于ECEF坐标系的多运动平台多传感器的配准模型,并提出采用卡尔曼（Kalman）滤波方法来估计系统偏差,实现了对固定系统误差的实时估计,便于工程应用实现。仿真表明了该方法的有效性。     

平方根变步长lp范数LMS算法的稀疏系统辨识

针对稀疏未知系统的辨识问题,提出了一种基于lp(0相似文献   

Bias-remedy least mean square equation error algorithm for IIRparameter recursive estimation

In the area of infinite impulse response (IIR) system identification and adaptive filtering the equation error algorithms used for recursive estimation of the plant parameters are well known for their good convergence properties. However, these algorithms give biased parameter estimates in the presence of measurement noise. A new algorithm is proposed on the basis of the least mean square equation error (LMSEE) algorithm, which manages to remedy the bias while retaining the parameter stability. The so-called bias-remedy least mean square equation error (BRLE) algorithm has a simple form. The compatibility of the concept of bias remedy with the stability requirement for the convergence procedure is supported by a practically meaningful theorem. The behavior of the BRLE has been examined extensively in a series of computer simulations     

A family of adaptive filter algorithms with decorrelatingproperties

Although the normalized least mean square (NLMS) algorithm is robust, it suffers from low convergence speed if driven by highly correlated input signals. One method presented to overcome this problem is the Ozeki/Umeda (1984) affine projection (AP) algorithm. The algorithm applies update directions that are orthogonal to the last P input vectors and thus allows decorrelation of an AR(P) input process, speeding up the convergence. This article presents a simple approach to show this property, which furthermore leads to the construction of new algorithms that can handle other kinds of correlations such as MA and ARMA processes. A statistical analysis is presented for this family of algorithms. Similar to the AP algorithm, these algorithms also suffer a possible increase in the noise energy caused by their pre-whitening filters     

多传感器图像的二次匹配算法

针对光学图像的多光谱、多传感器图像的自动配准,提出了一种基于边缘重心的多传感器图像二次匹配算法.首先,通过边缘检测和相应的后期链接处理,提取出较为完整的图像边缘;然后,根据图像边缘的链码相关以及区域不变矩策略,寻找匹配边缘,并对已匹配边缘的重心进行一致性检验获得控制点对;最后,采用最小二乘法估计图像粗匹配变换参数.在粗匹配的基础上,根据匹配后图像共有区域内边缘的主要方向和重心,再次对图像进行细匹配,修正匹配参数以提高匹配精度.多种遥感图像数据的配准实验和对比试验证实了该自动算法具有较高的可靠性和配准精度.     

基于距离检测的自动识别系统和对海雷达航迹抗差关联算法

现有的多传感器航迹抗差关联算法,如基于图像配准技术、基于参照拓扑关系的关联算法,计算流程复杂,难以在工程实践中实时应用。该文结合海面舰船目标航迹分布特点,基于单元平均恒虚警检测原理,提出了适用于自动识别系统(AIS)和雷达航迹数据的可信关联算法,为对海雷达系统误差配准和海战场多传感器信息融合的快速有效实现提供保证。蒙特卡洛仿真结果表明,可信关联算法在海面目标环境下具有较高的关联准确性;算法的平均耗时与现有抗差关联算法相比显著降低;基于航迹可信关联结果完成对雷达的自动标校,将雷达量测数据的平均误差降低了近90%。     

A New Sequential Block Partial Update Normalized Least Mean M-Estimate Algorithm and its Convergence Performance Analysis

This paper proposes a new sequential block partial update normalized least mean square (SBP-NLMS) algorithm and its nonlinear extension, the SBP-normalized least mean M-estimate (SBP–NLMM) algorithm, for adaptive filtering. These algorithms both utilize the sequential partial update strategy as in the sequential least mean square (S–LMS) algorithm to reduce the computational complexity. Particularly, the SBP–NLMM algorithm minimizes the M-estimate function for improved robustness to impulsive outliers over the SBP–NLMS algorithm. The convergence behaviors of these two algorithms under Gaussian inputs and Gaussian and contaminated Gaussian (CG) noises are analyzed and new analytical expressions describing the mean and mean square convergence behaviors are derived. The robustness of the proposed SBP–NLMM algorithm to impulsive noise and the accuracy of the performance analysis are verified by computer simulations.