基于Chan算法的水下测控设备组网数据融合技术研究

依据水下测控设备组网系统的工作特点,为了有效挖掘现有测控设备的使用效能,构建高精度的综合性水下测控网络,该文提出基于Chan算法的水下测控设备组网集中式数据融合定位算法。该算法首先利用基于波达时间的加权最小二乘算法粗测目标位置,然后依据该目标位置和测量时延信息的关系,构造新的误差矢量,利用该误差矢量再次加权最小二乘估计解算目标位置。研究结果表明,该算法可实现多套水下测控设备的数据融合,可有效提高全域范围的定位精度,且精度高于纯基于波达时间的融合定位算法。     

有源雷达与红外探测器组网定位精度分析

从几何稀释精度的角度,分析了有源雷达定位、红外探测器定位以及有源雷达与红外探测器组网定位这三种方法的定位精度。其中,组网的数据融合采用简化加权最小二乘估计算法。通过仿真比较了上述三种方法的定位精度随距离与高度的变化情况,得出有源雷达与红外探测器组网兼具有源雷达和红外探测的优势,优点是探测精度高、定位精度受高度影响较小,具有一定的现实意义。     

雷达组网系统中评估探测精度的方法

针对雷达组网系统探测精度的考核问题,提出了一种评估雷达组网系统探测精度的方法.基于最大似然估计法、最小二乘估计法及加权最小二乘估计法,推导了衡量雷达组网系统探测精度的3种分析评估方法.通过性能对比,选择性能最优的最大似然估计评估法运用到某雷达群组网探测系统实际检飞考核试验中,获得了较好的评定结果.     

基于最小二乘融合估计的双星时频差定位

针对单参考站条件下具有测量误差和星历误差时定位精度不高的特点,提出了一种基于多次观测数据的最小二乘融合估计定位算法,该算法无需增加观测条件即可有效提高辐射源定位精度.分析了测量误差、星历误差对单参考站单次定位及融合定位精度的影响,推导了测量误差、星历误差对定位误差的传递公式,提出了含星历误差影响的最小二乘融合估计加权算法.通过Monte-Carlo仿真验证了误差分析结果和定位算法,并比较了加权最小二乘估计定位和单次定位的性能.仿真试验表明:在相同观测精度条件下,加权最小二乘融合定位可极大地提高辐射源定位精度,最大提高10倍以上.     

基于动态加权的雷达数据融合算法

传统数据融合算法在处理雷达数据时,采用“平均”的思想,融合时不对数据加以区分。文中针对这一缺陷,提出了一种基于动态加权的雷达数据融合算法。新算法首先根据每部雷达的滤波误差动态计算量测数据的融合权值,然后根据融合权值获得融合量测数据,最后对融合数据进行滤波。仿真实验验证,相比传统数据融合算法,新算法能够提高目标的航迹跟踪精度。     

T/R-R高频地波雷达球面定位算法研究

T/R-R高频地波雷达可以对海面目标超视距探测,探测距离高达几百公里,因此由雷达量测量对目标定位应考虑地球曲率影响.本文分别给出了球面定位算法及其定位精度公式.应用加权最小二乘算法可实现目标精确定位.仿真分析了平面定位偏差、加权最小二乘球面定位GDOP.结果表明球面定位算法可消除定位偏差,加权最小二乘球面定位可提高目标定位精度.     

双/多机测角频差定位算法研究

对固定辐射源的快速高精度定位是机载无源定位系统的重要任务之一,而双/多机测角频差定位体制是实现该任务的一种新途径。针对该定位体制,提出了一种快速有效的定位解算方法,解决了单次观测条件下的定位问题。该方法首先基于各机测得的方位角、俯仰角,采用伪线性法粗略估计辐射源位置;然后以此为初始值,采用高斯-牛顿迭代法,综合利用频差、方位角及俯仰角信息,精确估计辐射源位置。在单次观测定位的基础上,引入了批处理加权最小二乘融合算法及序贯加权最小二乘融合算法,实现了多次观测定位结果的有效融合。最后,进行了计算机仿真,结果表明:本文给出的单次定位解算方法及多次定位融合算法具有良好的性能,当观测误差不太大且服从高斯分布时,它们对应的辐射源位置估计精度能够很好地逼近克拉美罗限。      

雷达组网三角融合定位算法及其误差分析

基于两部组网雷达与空域目标构成的空间几何三角关系,综合利用组网雷达对目标的测量信息,使用正弦定理、余弦定理解算空域目标位置,提出了两种雷达组网三角融合定位算法融合解算空域目标位置;并使用全微分方法分析组网三角定位算法误差构成,利用期望分析方法完成了组网三角定位算法误差一阶矩和二阶矩解算。仿真结果表明:组网三角定位精度明显优于单部雷达。     

双基地两坐标雷达对三维目标的最优化定位算法

利用非线性最小二乘方法的最优性质,本文提出了双基地雷达的两种最优化算法:LMF(Leenberg-Marquardt-Fletcher)定位算法和拟牛顿定位算法。仿真结果表明,与目前的定位优化算法相比,这两种新的定位算法不但具有更好的定位精度,而且在不增加观测量的条件下避免了定位模糊问题。     

基于卡尔曼滤波的无线传感网时空数据融合算法

无线传感网络节点采集的信息具有较大的相似性,数据结果存在误差。针对该问题,文中提出了一种基于卡尔曼滤波的无线传感网数据融合算法,通过过滤无效数据和缩紧数据包,提高上传数据的有效性和精度。该算法采用实时性较高的卡尔曼滤波算法对无线传感网络中的数据根据时间序列进行数据融合。在时间数据融合的基础上,根据空间分布特点,进一步对多传感器在网关层依据权重进行数据融合。针对不同位置误差实时变化的特点,网关层以空间数据为基础,使用自适应加权算法动态调整各节点权重。仿真实验表明,该算法易于实现,可有效去除冗余信息,提高数据准确度和可靠性。相较于改进的分批估计与自适应加权方法,采用该方法后均方根误差减少约7.9%,精度提高了2.1%。     

基于主动探测与被动截获协同的多源异类数据融合定位算法研究

针对当前主动雷达在复杂电磁环境下的使用风险,以及无源被动定位精度较差的问题,本文提出了一种基于极大似然意义下的雷达主动探测与电子侦察被动截获相结合的数据融合最优定位算法,该算法有效地提高了目标定位精度.通过Monte Carlo仿真表明,在信噪比适当的情况下,所提算法能够达到CRLB界,验证了该算法的有效性.     

红外/雷达交叉定位的双门限间歇式目标跟踪方法

针对组网火控雷达交替间歇跟踪中的盲期问题,提出基于交叉定位的红外/雷达双门限间歇跟踪方法。该方法首先采用改进的天线波束控制算法消除相关误差的影响;其次,通过双跟踪精度门限控制传感器工作时间,同时利用多红外交叉定位跟踪,进一步增加静默跟踪雷达的反应时间;最后,利用基于数据压缩的序贯式融合算法对异类间歇数据进行融合处理,实现了组网系统对目标的连续跟踪。仿真结果表明,该方法可以进一步减小跟踪盲期的影响,有效地提高系统的整体性能。     

集中式BLUE滤波器在组网雷达中的应用

为解决组网雷达对目标跟踪中的量测非线性问题,提出基于最佳线性无偏估计器(BLUE)准则的融合滤波方法。建立以融合中心为原点的组网雷达对目标定位的量测方程,推导出极坐标系与球坐标系下跟踪目标的BLUE滤波模型。理论分析表明,集中式BLUE滤波架构在估计单个雷达量测转换误差统计特性的同时,还估计出雷达间量测转换误差的统计特性。因此,跟踪精度和置信度较分布式BLUE滤波方法有显著提高,计算量较其他算法也有明显优势。不同场景下的仿真分析证明:该方法在不同状态噪声水平下的表现优异,是一种很有竞争力的跟踪算法。     

基于分批估计的自适应加权数据融合算法

针对多传感器数据融合问题,文中提出了一种基于分批估计的自适应加权数据融合算法。该算法采用时间序列和空间序列对采集的数据分批求其方差,利用数据一致性检测对噪点进行剔除,进而得到自适应因子。随后采用自适应加权法对数据进行融合,得到预测值。文中模拟物联网数据进行仿真实验。结果表明,在处理数据时运用分批估计的自适应加权多传感器数据融合技术,能够提高传感器测量的精确度和系统的可靠性,基于分批估计的自适应加权平均法比传统自适应方法的均方根误差减少了10%,精度提高了2.3%。     

多雷达距离测量空间定位方法及精度分析

针对影响雷达目标定位误差主要是测向系统误差,提出了一种基于多雷达距离测量空间定位方法,并对其定位的精度进行了分析。该方法基于ECEF坐标系,采用多部雷达对目标探测距离交汇的方法,直接计算目标的空间位置,只需要确定各雷达站的大地坐标,就可以给出目标的大地坐标,可以有效解决地球曲率所带来的坐标转换问题,并且不涉及高次方程组和多值解判断,也不涉及迭代初值计算。该定位系统不仅能得到很高的定位精度,同时,作用距离可以很远,能较好地解决多雷达距离测量交汇定位问题。     

一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法

针对Distance Vector-Hop (DV-Hop) 定位算法存在较大定位误差的问题,该文提出了一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法,即WSGDV-Hop定位算法。改进算法用基于误差与距离的权值处理锚节点的平均每跳距离;根据判断的位置关系选择适合的跳段距离计算方法;用改进的遗传算法优化未知节点坐标。仿真结果表明,WSGDV-Hop定位算法的性能明显优于Distance Vector-Hop (DV-Hop) 定位算法,减小了节点定位误差、提高了算法定位精度。     

基于多种群并行遗传算法的融合定位

多观测系统融合定位可以提高对目标位置的估计精确度,但如何提高信息融合效率目前没有得到较好的解决。针对此问题,提出一种基于多种群协同进化的分布式并行遗传算法。该算法将子观测系统转变为多个独立并行进化的子种群,通过设定离散适应度函数,使子种群收敛于一个最优值区域,通过个体的迁移操作为目标种群提供更多的测量信息进行融合,有效提高融合估计精确度。仿真结果表明,对比于集中式融合遗传算法和分布式并行Chan融合算法,本文所提算法信息融合效果较好,定位精确度更高。     

无线传感器网络中一种信标节点可迁移的协作定位方法

 提出一种协作定位方法.利用邻居信标交互,获取定位环境信息,并在此基础上实现基于无效信标过滤的信号强度定位.同时,在多种定位方法协作判定下,将精度较高的已定位节点升级为信标节点.仿真结果表明,该方法同加权RSSI及APIT定位方法相比,具有较高的定位精度和定位成功率.     

基于CPCRLB的隐身目标协同检测与跟踪

针对雷达组网对隐身目标协同检测与跟踪时的动态分配问题,将条件后验克拉美罗下界(CPCRLB)用作系统跟踪性能的度量,结合改进二值粒子群优化(NBPSO)和粒子滤波,提出了一种基于CPCRLB的隐身目标协同检测与跟踪算法。该算法将雷达的动态分配问题转化成组合优化问题,根据新生目标的隐身特性对雷达分配方案的约束,借助分布在边界的检测粒子计算不同的雷达分配方案对新生目标的检测概率,并以已跟踪目标的CPCRLB 衡量跟踪精度,采用NBPSO全局搜索最优分配方案,最后进行粒子滤波与协方差交集融合。     

Discrimination mode processing for EMI and GPR sensors for hand-held land mine detection

Signal processing algorithms for hand-held mine detection sensors are described. The goals of the algorithms are to provide alarms to a human operator indicating the likelihood of the presence of a buried mine. Two modes of operations are considered: search mode and discrimination mode. Search mode generates an initial detection at a suspected location and discrimination mode confirms that the suspected location contains a land mine. Search mode requires that the signal processing algorithm generate a detection confidence value immediately at the current sample location and no delay in producing an alarm confidence is tolerable. Search mode detection has a high false-alarm rate. Discrimination mode allows the operator to interrogate the entire suspected location to eliminate false alarms. It does not require that the signal processing algorithm produce an alarm confidence immediately for the current sample location, but rather allows the system to process all the data acquired over the region before producing an alarm. This paper proposes discrimination mode processing algorithms for metal detectors (MDs), or electromagnetic induction sensors (EMIs), ground-penetrating radars (GPRs), and their fusion. The MD discrimination mode algorithm employs a model-based approach and uses the target model parameters to discriminate between mines and clutter objects. The GPR discrimination mode algorithm uses the consistency of detection as well as the shape of the detection peaks over several sweeps to improve the discrimination accuracy. The performances of the proposed algorithms were examined on a dataset collected at a government test site, and performance was compared with baseline techniques. Experimental results showed that the proposed method can reduce the probability of false alarm by as much as 70% at a 100% correct detection rate and performed comparable to the best human operator on a blind test with data collected at approximately 1000 locations.