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...     

一种组网雷达误差配准和目标跟踪递推算法

提出了一种在ECEF坐标系中对组网三维雷达的系统误差进行估计和目标跟踪联合递推算法,该算法能对系统误差进行在线估计和补偿,适应系统误差的变化,并同时对目标进行跟踪,提高了航迹融合精度,扩大了雷达的监视范围。用模拟的雷达数据对算法的性能进行了评估,计算机仿真试验验证了该算法的可行性和有效性。     

基于CKF的系统误差与目标状态联合估计算法

针对量测信息中系统误差对目标状态估计精度造成 的不利影响,提出了一种基于容积卡尔曼滤波(CKF)的系统 误差与状态联合估计(JE-CKF)算法。在算法实现中,首先采用状态向量维数扩展方法建立 非线性滤波框架下的系统误差配 准模型,其次根据系统误差配准模型对量测信息中的系统误差进行估计,进而通过对CKF实 现中量测预测值 的修正,改善量测残差中系统误差对滤波精度的影响。理论分析和仿真结果验证了算法的可 行性和有效性。     

基于线性误差模型的干涉仪系统标校方法

干涉仪系统利用多个天线构成测向基线,通过测量目标相位信息完成入射角度估计,能实现瞬时高精度测向.针对系统误差影响测向性能这一问题,分析了系统误差来源(包括天线安装误差和系统固定相位误差),建立了干涉仪系统误差线性模型,利用线性最小二乘算法对干涉仪系统中的天线相位误差与基线安装误差进行估计.仿真分析验证了该方法的有效性.     

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。     

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。     

噪声的复杂特征建模与数据融合精度评估

本文分析噪声的复杂性可归结为模型误差的两个本质特征:混合误差特性和系统误差的不确定性,建立了描述混合误差中次低频部分的自由节点样条参数模型和高频部分的时变自回归模型,提出了结合数据融合过程的系统误差状态模型和精度折合因子方法,最后,导出了数据融合处理参数估计精度的综合计算过程,实际计算结果说明了方法的合理性.     

基于合作目标的动态舰载平台综合系统误差估计

动平台传感器配准中综合系统误差估计是误差估计领域中的一个难题。针对舰艇动平台环境下的综合系统误差估计问题,利用合作目标提供的高精度GPS导航信息,提出了两种误差估计方法。方法 1基于等效偏差模型,通过建立综合系统误差观测模型,将等效偏差中互相耦合的误差分量解耦,利用近似的等效偏差值估计综合系统误差各误差分量,克服了等效偏差模型的不足;方法 2通过分析经误差传递后综合系统误差分量对舰艇地理坐标系下目标定位精度的影响,对影响函数进行线性化处理,从而建立综合系统误差观测方程,完成综合系统误差估计。仿真验证在两种情形下进行,仿真结果表明两种方法估计性能互有优劣,但方法 2总体表现好于方法 1。利用两种方法估计出来的结果进行误差修正,修正后的航迹精度与修正前相比均有了大幅提高,能够满足舰艇平台实际作战需要。     

多传感器混合多模型估计的误差互相关性及其融合算法研究

 对局部节点状态估计间误差相关性的处理是分布式估计融合或航迹融合的关键要素;针对当前分布式融合理论中关于混合多模型估计融合研究的空白,首先推导得出了采用相同模型成分的各局部节点交互多模型状态估计的误差互协方差矩阵的递推计算方法;其次,讨论了所得非对称实误差互协方差矩阵的正定特性,并分析了此类误差相关性与混合多模型估计算法中模型过程噪声之间的变化关系;上述结果使得基于互协方差组合融合算法的交互多模型状态估计融合成为可能,仿真实验亦验证了其有效性,相对其它不考虑误差相关性的融合算法,融合结果也更为真实。     

有源无源雷达信息融合系统误差估计

有源雷达和无源雷达系统误差估计是实现有源无源雷达信息高精度融合的关键环节之一。由于时差定位无源雷达具有与有源雷达不同的误差分布特点,多有源雷达之间的系统误差估计方法已不适用于无源雷达与有源雷达之间的系统误差估计。文中提出一种系统误差估计方法,利用有源雷达和无源雷达对同一目标的观测,同时估计有源雷达的系统误差和无源雷达的时差系统误差,并通过仿真实验验证了该方法的有效性。     

基于最优化方法的异类传感器系统误差修正

在研究常规雷达组网多目标跟踪系统误差修正的基础上,提出了一种包括常规雷达、外辐射源雷达、无源雷达组网的异类传感器系统误差修正算法。它首先根据各传感器的测量特性,建立误差修正最优化模型,给出了求解误差修正算法推导过程,最后通过仿真试验验证了算法的正确性、可行性。在异类传感器误差修正、缺维修正等领域,它无需进行转换到统一坐标系,为异类传感器系统误差修正提供了一类有效可行的算法。     

卫星通信中开环载波同步算法的仿真与分析

该文针对突发通信载波同步,首先建立了数据辅助频偏估计模型和非数据辅助频偏估计模型,比较分析了频域和时域载波频偏估计模型的特点。根据理论推导,对几种典型的频域和时域开环载波同步算法进行了比较总结,指出了算法的本质和特点。最后,通过计算机仿真给出了不同算法的性能曲线,比较分析了Rife算法、Fitz算法、L&R算法和M&M算法的优点和不足,得到了算法的适用范围和条件,为实际工程应用中选取相对最佳的频偏估计算法提供了重要的参考。     

A probabilistic framework for next best view estimation in a cluttered environment

In this article, we present an information gain-based variant of the next best view problem for occluded environment. Our proposed method utilizes a belief model of the unobserved space to estimate the expected information gain of each possible viewpoint. More precise, this belief model allows a more precise estimation of the visibility of occluded space and with that a more accurate prediction of the potential information gain of new viewing positions. We present experimental evaluation on a robotic platform for active data acquisition, however due to the generality of our approach it also applies to a wide variety of 3D reconstruction problems. With the evaluation done in simulation and on a real robotic platform, exploring and acquiring data from different environments we demonstrate the generality and usefulness of our approach for next best view estimation and autonomous data acquisition.     

A collaborative location model for cellular mobile position location

In cellular network, several Time Difference Of Arrival (TDOA) location algorithms can be applied to mobile position estimation. However, each algorithm has its own limitations and none of them is proved to be the most reliable one in different channel environments. In this paper Kleine-Ostmann‘s data fusion model is modified and a collaborative location model which incorporates position estimate of two TDOA location algorithms is proposed.Analysis and simulation show that more reliable and accurate mobile position estimation can be achieved based on this model.     

异步多基地雷达分布式批估计方法研究

在实际应用中,由于初始偏差、采样速率不同等原因,系统量测一般也非同步。多基地雷达数据通常面临异步数据融合问题。为了解决该问题,该文按照批处理的思路,联合一段时间内的多个异步数据对同一目标状态进行估计,并基于最优贝叶斯估计原理,提出了一种新的批估计数据融合准则;然后,依据该准则推导出了一种解析的分布式批估计方法;最后,针对非线性非高斯场景,提出了一套完备的粒子滤波实现方案。仿真结果表明,文中提出的方法相比现有方法具有跟踪精度高,计算量小等优点。     

一种改进的信噪比估计算法

基于现今越来越多的算法需要信噪比的先验知识来进行性能优化,论述了信噪比估计在通信系统中具有的重要作用,介绍了信噪比估计算法的信号模型。通过分析现有的几种信噪比估计算法在较大的信噪比范围内的估计性能,提出了改进的信噪比估计算法,并对新算法的估计均值、估计偏差和估计方差进行了仿真。仿真及分析结果表明,改进的算法在较大的信噪比范围内性能良好,估计准确。     

Performance analysis of multi-antenna relay networks with imperfect channel estimation

In this paper, we present the performance of multi-antenna selective combining decode-and-forward (SC-DF) relay networks over independent but non-identical Nakagami-m fading channels with imperfect channel estimation. The outage probability, moment generating function (MGF) and symbol error probability (SEP) will be derived in closed-form using the SNR statistical characteristics. To make the analysis trackable, we have derived the MGF and SEP for integer values of fading severity, m. Also, to make the relations more simple, we develop high signal to noise ratio (SNR) analysis for the performance metrics of our system. Subsequently, we propose optimal and adaptive power allocation algorithms along with the equal power allocation method. Finally, for comparison with analytical formulas, we perform some Monte-Carlo simulations.     

基于数据融合估计理论的Kalman滤波

本文在经典Kalman滤波算法的基础上针对多传感器数据处理的特点,根据不同的数据融合结构方案给出了多传感器数据融合系统的Kalman滤波算法。根据多传感器数据融合估计知识,建立了基于Kalman滤波的数据融合模型;给出了融合结构的数据融合滤波算法：集中式Kalman滤波算法;进行了算法仿真演示实验。实验结果表明,通过多传感器融合能够提高系统的估计精度。     

语义驱动的颜色恒常决策算法

不同颜色恒常性算法适用于不同场景下的图像,算法融合是扩展颜色恒常性算法适用范围常用的方法之一,而现有融合性算法在算法选择依据上忽略了语义信息在图像纹理特征描述中的作用,导致光源估计时的精度不高。针对该问题,提出一种语义驱动的颜色恒常决策算法。首先,利用PSPNet(Pyramid Scene Parsing Network)模型对经过一阶灰度边缘算法(1st Gray Edge)偏色预处理后的目标图像进行场景语义分割,并计算场景中各个语义类别的占比;其次,根据语义类别及占比在已训练的决策集合中寻找相似的参考图像,并使用欧氏距离计算两者的语义相似度;最后,将语义相似度与基于多维欧氏空间确定的阈值进行判别,根据判别结果选择合适算法为目标图像实行偏色校正。在Color Checker和NUS-8 camera两种数据集中的实验结果表明,所提算法光源估计角度误差较单一算法均大幅度下降,且较同类型融合性算法分别下降14.02%和8.17%,提高了光源估计的鲁棒性和准确度。     

Energy Planning for Progressive Estimation in Multihop Sensor Networks

Multihop sensor networks where transmissions are conducted between neighboring sensors can be more efficient in energy and spectrum than single-hop sensor networks where transmissions are conducted directly between each sensor and a fusion center. With the knowledge of a routing tree from all sensors to a destination node, we present a digital transmission energy planning algorithm as well as an analog transmission energy planning algorithm for progressive estimation in multihop sensor networks. Unlike many iterative consensus-type algorithms, the proposed progressive estimation algorithms along with their transmission energy planning further reduce the network transmission energy while guaranteeing any pre-specified estimation performance at the destination node within a finite time. We also show that digital transmission is more efficient in transmission energy than analog transmission if the available transmission time-bandwidth product for each link and each observation sample is not too limited.