非理想关联下多传感器系统误差的稳健估计

在数据融合系统中,传感器自身系统误差造成其上报融合中心的目标位置状态出现系统性偏差,若得不到有效估计与补偿,融合系统难以实现预期的性能优势。然而,基于目标关联配对关系而构造的超定方程组是系统误差估计的出发点。复杂环境下,受随机噪声、系统误差、虚警、漏报等因素的干扰,数据关联模块的输出结果常常包含错误关联。针对非理想关联下多传感器系统误差的稳健估计问题,该文提出基于最小截平方的系统误差稳健估计方法,并进一步提出剔除异常方程的重加权最小二乘方法。与最小二乘及最小中值平方相比,所提方法在保证估计器稳健性能的前提下,降低了估计结果对随机噪声的敏感程度。仿真实验验证了所提方法的有效性。     

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。     

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。     

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。     

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...     

地心坐标系下考虑测量噪声的传感器配准算法

现有的传感器配准算法主要有两大类,一类是基于立体投影的二维空间配准技术,这类方法在投影时扭曲了数据,且无法估计俯仰角系统误差;一类是基于地心坐标的三维空间中的配准技术,这类方法由于在计算时很少考虑到测量噪声对传感器系统误差估计产生的影响,实际的估计效果较差。为此,通过在地心坐标系下对系统进行建模,提出了两种考虑测量噪声的三维空间传感器配准算法:一种基于合作目标,一种基于公共量测。最后通过蒙特卡洛仿真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。     

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。     

基于区间全局优化的非线性最小二乘估计

分析了使用区间全局优化算法进行非线性系统模型参数估计的原因,介绍了非线性最小二乘估计和区间全局优化算法.在非线性系统模型参数估计中,相对于通过优化目标函数求得待估参数点估计的现有算法,基于区间分析的区间全局优化算法不仅可以求得待估参数的点估计,还可得到肯定包含待估参数真值的估计区间,并且该算法还具有计算结果稳定以及更大范围收敛的性质.通过仿真实验并与其他方法进行比较,结果表明算法的可行性和有效性.     

一种基于拟牛顿法的递归最小二乘方法

基于拟牛顿优化方法,提出了一种稳健的自适应FIR滤波算法。新算法用最小二乘误差(LSE)代替了均方误差(MSE)作为代价函数,它具有和常规递归最小二乘(CRLS)算法相近似的追踪能力,且不存在数值计算不稳定性的问题,在收敛速度以及稳态效果方面也要优于De Campos的拟牛顿(QN)算法。通过计算机仿真比较了有关算法的性能。     

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。     

基于小波分析和鲁棒最小二乘的信息融合估计算法

对于农田土壤的多传感器检测系统来说,其测量的信息具有非线性和时空变异等特性,因此对信息融合方法的基本要求是具有鲁棒性和并行处理能力.应用小波分析理论,对原始测量数据进行了降噪处理,使降噪后的数据更能反映土壤的本质及变化规律:应用鲁棒最小二乘估计技术可以对不同传感器数据进行综合处理,去除冗余,克服歧义,得到比任何单个传感器更全面、更准确、更可靠的信息.针对农业中的自然环境具有很强的不确定性和经验性,运用基于小波分析的降噪和现代信息融合思想,提出了一种基于小波降噪和鲁棒最小二乘的信息融合估计方法.通过实验分析,其结果表明该方法是可行和值得研究的.     

基于加权最小二乘的宽带波束形成算法

宽带波束形成技术是阵列信号处理研究的一个重要方向。基阵对信号的响应特性随频率而改变导致通过基阵的宽带信号产生波形畸变。恒定束宽波束形成可以实现在信号带宽内基阵波束图主瓣宽度保持恒定。主要研究基于加权最小二乘的恒定束宽宽带数字波束形成方法及其实现,MATLAB仿真实验表明算法的正确性和有效性。     

基于最小二乘虚拟阵元的解模糊方法

阵列信号处理中,当阵元间距〈1/2波长时方向估计会出现模糊。文中提出一种基于最小二乘虚拟阵元的方向估计解模糊方法,该方法根据实际已知阵元的接收数据,运用最小二乘法估计出相邻阵元间虚拟阵元上的接收数据,在实际孔径不变的情况下使阵元间距减小,从而实现了方向估计的解模糊。同时,文中还对此方法在解模糊时的虚拟阵元数进行了分析。仿真实验结果表明了该方法的有效性。     

基于偏最小二乘的低复杂度数字预失真

在宽带场景下,传统的数字预失真(DPD)模型需要更高的阶次和更多的系数来校正功率放大器(PA)强非线性和记忆效应,这就会导致极高的计算复杂度和解算系数时的病态问题.文章围绕复杂DPD模型参数辨识和低复杂度DPD算法实现展开深入研究,提出了一种新的基于偏最小二乘(PLS)的低复杂度DPD方法.所提方法根据PA的前逆输入输...     

Consensus Based Least Squares Estimation for Single-Integrator Multi-Agent Systems with a Time-Varying Reference State

This paper discusses consensus tracking of single-integrator multi-agent systems with a time varying reference state based on the least squares estimation theory to deal with the case of communications disturbance. Since none of the followers can communicate with the leader within the accepted time due to communications disturbance, least squares estimation is applied for online estimation of the time varying reference state and reducing the tracking errors occurred due to communications disturbance. A theoretical proof is provided under some assumptions while the necessary and sufficient conditions are demonstrated for which consensus is reached on the time-varying reference state in case of communications disturbance. Finally, a Matlab example is given to validate the effectiveness of the proposed approach.     

基于脊参数估计的对角加载系数的选取

基于脊回归(Ridge Regression)理论,提出一种对角加载系数的非参数计算方法.通过分析剩余矢量随快拍数变化的趋势,该算法将误差绝对值作为剩余矢量的代价函数.仿真结果表明,新算法在小快拍数据和阵列存在失配时能够抑制噪声带来的旁瓣起伏效应,具有较好的稳健性.