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。     

一种精确的预警机误差配准算法

误差配准是多传感器数据融合的先期处理过程。介绍了载机雷达所用坐标系,在考虑载机机动的前提下,给出了预警机系统到地面融合中心的基于地心地固坐标系(ECEF)高精度坐标转换算法。分析了由于载机机动导致的转换偏差,给出了误差补偿模型,然后用卡尔曼滤波实时估计出预警机对地面融合中心的系统偏差,从而实现对预警机的误差配准。计算机仿真结果证明了算法的正确性和有效性。     

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。     

模糊c-均值聚类在多传感器数据配准中的应用

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。     

模糊c-均值聚类在多传感器数据配准中的应用

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。     

基于扩展H_∞滤波自适应误差配准算法

提出了基于扩展的H∞滤波和地心坐标系的自适应多传感器误差配准方法,该方法采用地心坐标系来消除地球曲率对配准算法的影响,采用扩展的H∞滤波来消除状态模型和量测模型噪声方差的不准确对配准算法的影响,该方法能够解决多传感器异步数据的误差配准问题,并且状态方程和量测方程的噪声可以是非高斯的,并采用修正的基于BLUE的量测转换方法对修正后的传感器的量测进行滤波.仿真试验表明,该算法能有效地估计时变的传感器误差,即使在运动方程和量测方程的噪声方差不准确的情况下,也能得到满意的配准结果.     

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。     

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。     

一种多传感器配准与目标跟踪算法研究

传统的多传感器误差配准技术多基于球极投影,没有考虑地球地形的影响,当传感器之间距离较远时将失去实际意义,无法对目标进行有效的跟踪;而现有的跟踪方法大多没有考虑传感器系统误差对跟踪精度的影响。基于地心坐标系,提出了一种Unscented卡尔曼配准与目标跟踪算法,充分考虑地球形状的影响,在跟踪目标的同时实现传感器配准。首先给出传感器数据配准几何坐标转换算法,详细推导了误差配准算法;接着建立目标的动态方程,将目标运动模型和传感器配准误差模型组合在同一个状态方程中,然后利用UKF进行估计。最后的Monte-Carlo仿真结果表明,该方法能同时有效地估计目标运动状态和传感器配准误差,为远距离的传感器配准与目标跟踪提供了一种新的解决方法,具有较大的工程应用价值。     

一种基于ECEF坐标转换的多雷达误差配算法

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。     

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。     

弹载大视场红外线扫图像几何畸变仿真研究

高速机动、大视场、线扫等均会引起弹载大视场线列扫描红外图像的几何畸变,从而影响巡飞弹的整体战术效能。利用探测器像面参数、坐标变换、地表模型、物像共线方程和墨卡托地图投影模型分别建立了相机的像方坐标方程、位姿变换方程、物像转换方程和物方地图投影方程,进而构成了从像面坐标系到地图坐标系的完整严格成像模型,利用Matlab对该模型进行静态仿真,确定航高、摆扫角度、地表模型等模型参数造成的几何畸变特性的强度,为弹载几何畸变校正算法的工程优化提供了依据。     

基于SRUKF的组网雷达系统偏差估计方法

雷达组网数据处理首先要进行误差配准,来准确地估计和消除系统偏差。该算法模型建立在ECEF坐标系下,并采用均方根不敏卡尔曼滤波（SRUKF）对组网雷达系统偏差进行实时估计。该算法不仅无需计算雅可比矩阵,而且算法的方根形式增加了数值稳定性和状态协方差的半正定性。仿真结果表明,该算法可以有效地实现组网雷达的系统误差配准。     

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。      

基于距离分级聚类的机载雷达航迹抗差关联算法

针对目标密集分布、系统误差时变、传感器上报目标不一致等复杂环境下的机载雷达航迹关联问题,本文基于高斯随机矢量统计特性推导出一种基于距离分级聚类的机载雷达航迹抗差关联算法.文中首先推导运动平台等价量测方程,基于等价量测的一阶泰勒级数展开得到全局直角坐标系中状态估计分解方程,基于真实状态对消得到航迹距离矢量并基于距离矢量分级聚类提取同源航迹关联对.文中分别设置了目标密集、随机误差、系统误差适应性实验验证算法性能,仿真结果表明本文算法的关联准确性和环境适应性相比经典的基于参照拓扑特征的航迹关联算法（RET）有较大幅度的提升.     

LFM雷达对临近空间高超声速目标的跟踪研究

针对临近空间高超声速目标跟踪的问题,提出了一种ECEF坐标系下基于径向速度补偿和相邻时刻目标量测对消处理的高超声速目标跟踪算法.首先,充分分析了目标高超声速运动对雷达探测跟踪的影响,并在此基础上合理构建了目标高超声速运动下的量测模型,以避免模型失配所引起的滤波发散问题;其次,利用解模糊处理后的径向速度估计对目标高超声速运动引起的高动态偏差做近似补偿,以将问题转换为低系统偏差下的状态估计问题,最后,通过基于相邻时刻目标量测对消处理的单雷达量测方程构建,可有效回避低系统偏差存在下的航迹关联问题,进而实现临近空间高超声速目标的可靠跟踪.仿真结果表明,与现有的临近空间目标跟踪算法相比,该算法具有较高的定位跟踪精度.     

基于航迹矢量检测的雷达与电子支援设施抗差关联算法

针对雷达与电子支援设施(ESM)存在系统误差、上报目标不完全一致等复杂场景下目标航迹关联问题,该文基于高斯随机矢量统计特性,提出一种基于航迹矢量检测的雷达与ESM航迹抗差关联算法。首先在修正极坐标系(MPC)下推导目标状态估计分解方程,采用真实状态对消的方法得到航迹矢量,为剔除大部分非同源目标航迹,构建方位角变化率-距离变化率与距离比(ITG)统计量进行粗关联,然后采用基于航迹矢量\begin{document}${\chi ^2}$\end{document}检验的方法实现雷达与ESM的航迹关联。最后通过实验仿真验证了该文算法在不同系统误差、目标密度、检测概率等环境下的有效性。