共查询到19条相似文献,搜索用时 156 毫秒
1.
2.
3.
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。 相似文献
4.
5.
6.
7.
8.
9.
提出一种有效的多雷达系统误差配准算法,该算法采用ECEF(Earth-Centered Earth-Fixed)坐标系作为过渡坐标系,将分散配置的各雷达站的量测数据实时转换到主站(设主站雷达无系统偏差),利用各站同主站之间的量测差值,设计一扩展卡尔曼滤波器,实时估计出各站相对主站之间的系统偏差,从而对网各雷达进行配准,计算机仿真结果证明了该算法的正确性和有效性。 相似文献
10.
传统的误差配准算法在将非线性方程线性化(即在系统偏差和量测处分别进行泰勒展开,并忽略高阶微小量)时,若系统偏差较大就会引入一定的误差,使误差配准的精度随之恶化。为有效解决这一问题,提出一种“量测”恒等于0的无迹卡尔曼(Unscented Kalman Filter, UKF)雷达系统偏差滤波算法。该算法改变传统算法中伪观测量为变量的特点,将两雷达“空间几何关系”在随机量测误差处进行泰勒展开,构造出“量测”为已知值且恒等于0的非线性伪量测方程,并针对快时变系统偏差,在UKF滤波基础上融入交互式多模型(Interacting Multiple Model, IMM)的机动算法进行跟踪。仿真结果表明,相较于传统算法,该算法不仅对于恒定的系统偏差配准精度高,且能对快时变系统偏差进行实时有效估计,验证了本算法的有效性。 相似文献
11.
本文提出了一种新的基于边缘的多传感器图像的自动配准方法,在本方法中,首先提出了一种基于正则化小波描述子的边缘描述方法,这种正则化小波描述子具有平移、旋转、尺度不变性;其次,在边缘匹配算法上,根据最小距离分类器原则提出了边缘匹配判据,并提出了一种基于小波系数域的快速边缘匹配算法,且进行算法复杂性分析;最后,从匹配成功的边缘中抽取匹配控制点并采用一致性检验方法来去除错误匹配点。讨论了图像变换模型与基于最小均方根误差准则的图像变换参数估计。该算法匹配精度高、运算速度快。实验结果验证了这种方法的有效性与实用性。 相似文献
12.
传感器配准是多传感器数据融合系统获得性能优势的关键前提.受随机噪声、系统误差、虚警、漏报等因素的干扰,传感器配准常常工作在非理想关联环境中,依赖于理想关联假设的传统配准方法性能衰退严重.另一方面,传统传感器配准方法对目标分布场景敏感,当目标密集分布时,配准问题呈现病态性,估计结果数值不稳定.本文重点研究非理想关联及场景病态性共存时的传感器稳健配准问题,提出了系统误差的岭最小截平方(Ridge Least Trimmed Squares,RLTS)估计方法.该方法结合了岭回归(Ridge Regression,RR)与最小截平方(Least Trimmed Squares,LTS)估计的优点,能够有效应对错误关联及病态性的不良影响.仿真实验证实了所提方法的稳健性能. 相似文献
13.
在分析了以前的多传感器空间数据配准算法的特点和不足之后,提出了一种新的算法———基于聚类的数据配准:在多目标的情况下,先采用模糊c-均值法对传感器同一单帧量测数据进行聚类,得到的聚类中心作为各目标点的理想位置参数,再将由各目标点计算出的某一传感器误差值进行平均得到此传感器的误差估计,然后将各帧得到的误差估计再进行平均实现传感器配准。这种算法优点是实时性较强,与配准模型无关。最后给出了的仿真结果与分析。 相似文献
14.
在目标运动模型未知和参数不完备等复杂情况下,目前尚无较好的分布式实时时间配准方法。假设在较短时间内目标在某一方向上的运动可以用匀速、匀加速或匀变加速直线运动模型表示,文中提出了一种复杂情况下基于运动模型估计的分布式实时时间配准算法。首先,对目标航迹序列进行不同阶次的滑窗多项式拟合,并根据拟合误差在线估计目标的运动模型;然后,在状态参数不完备的情况下构造完整的运动状态估计向量,并利用Kalman预测方法进行实时时间配准。仿真结果表明,与传统方法相比,提出的方法具有更好的性能。 相似文献
15.
一种用于动态视频超分辨率的多尺度最小二乘仿射块匹配图像配准方法 总被引:2,自引:0,他引:2
动态视频的超分辨率复原中,连续各帧图像间的精确匹配具有非常重要的意义。该文提出一种基于多尺度最小二乘仿射块匹配的图像配准方法。首先定义了一个指标Dmv来衡量图像的整体和局部匹配效果,并以此为基础设计了一种多尺度块选择机制,根据图像的运动情况选择匹配块大小,以兼顾图像中运动平坦和非平坦区域的匹配效果。与传统的块匹配方法不同,该文采用基于仿射模型的最小二乘配准方法实现各图像块的匹配,并通过修正步长的归一化处理解决了不同大小图像块在匹配时的收敛问题,从而在提高参数估计精度的同时降低了算法的运算量。最后,通过实验对算法的匹配性能及其对超分辨率复原算法整体性能的影响进行了测试。实验结果表明,该方法不仅可以实现更为准确的运动估计,当用于最大后验概率MAP超分辨率复原算法时,能够进一步有效提高算法的复原性能和实现速度。 相似文献
16.
17.
为解决目标跟踪中因系统滤波初值不准确和噪声统计特性未知引起标准非线性卡尔曼算法估计误差变大问题,该文提出一种基于残差的模糊自适应(RTSFA)非线性目标跟踪算法。在确定采样型滤波基本框架的基础上,给出了在线性化误差约束条件下高斯权值的积分一般形式,并利用李雅普诺夫第二方法证明了该算法估计误差有界收敛的充分条件。进一步构建自适应噪声协方差矩阵在线估计噪声特性,并引入Takagi-Sugeno模型和量测椭球界限规则选择噪声估计器调节因子,有效提高了算法的收敛速度和滤波精度。通过滤波初值信息不明和量测噪声时变的纯方位目标跟踪模型,验证了非线性目标跟踪算法具有更好的跟踪精度和更强的鲁棒性。 相似文献
18.
针对传统点集非刚体配准算法对复杂局部形变数据配准精度低,收敛速度慢等问题,该文提出一种基于局部仿射配准的鲁棒非刚体配准算法。该算法采用分层迭代的方式由粗到精地完成点集的非刚体配准。在每层迭代中,首先对子形状点集集合和子目标点集集合进行分块处理并更新分块后每一类子点集的形状控制点。然后利用控制点引导仿射迭代最近点(ICP)算法求解对应子点集间的局部仿射变换。接着利用上一步求解的局部仿射变换,更新子形状点集集合及其形状控制点集合。直到配准误差收敛时,循环结束并输出更新后的形状点集。实验结果表明,所提算法与传统点集非刚体算法相比具有更强的精确性和收敛性。 相似文献