多雷达组网系统空间误差分布 与配准算法仿真

空间配准是多目标跟踪系统中的关键环节.本文针对实际的多雷达组网系统,详细分析了造成观测误差的空间误差源分布情况,并对误差进行了分类.在此基础上,深入研究了各类误差配准算法,结合工程实际,推导了基于测地坐标系的目标航迹转换方程;利用最小二乘配准算法推导了广义最小二乘算法,仿真结果表明了算法的有效性.但当量测噪声相对系统偏差较大时,估计结果会变差,因而减小初始校准误差是提高系统观测精度的最重要环节.     

基于概率假设密度滤波的多目标雷达空间误差配准算法

针对数据关联关系不确定的多目标场景下的雷达空间误差配准问题,提出一种基于概率假设密度(PHD)滤波的雷达空间误差估计方法.该方法在地心地固(ECEF)坐标系下建立雷达空间误差及其观测的随机有限集合(RFS)描述形式,结合PHD滤波算法避免多个雷达观测的数据关联问题,利用高斯混合概率假设密度(GM-PHD)滤波器实现多目标场景下的雷达系统误差递推融合估计.Monte Carlo仿真实验结果表明,所提出的基于PHD滤波的雷达空间误差配准算法能够有效地实现数据关联关系不确定情况下的多目标雷达空间误差融合估计,且估计精度及稳定性优于结合数据关联算法的空间误差配准方法.     

基于序贯最小二乘的多传感器误差配准方法

为实时估计多传感器系统偏差,针对广义最小二乘(GLS)配准方法不能实时估计传感器偏差的问题,提出了基于序贯最小二乘的多传感器误差估计方法,该方法在GLS配准模型基础上,采用最小二乘的序贯方法来估计系统偏差,不必存储过去的测量数据,能够实时估计系统偏差。仿真结果表明了该方法的有效性。     

基于卡尔曼滤波算法的最小二乘拟合及应用

图像处理或在工业控制中经常要用到最小二乘直线拟合,对于有奇异点的直线拟合,传统的最小二乘法拟合误差较大,难以满足较高精度的要求。卡尔曼滤波算法具有最小无偏方差性,能够去除测量系统中的随机误差,将卡尔曼滤波算法与传统最小二乘法结合,建立了一种基于卡尔曼滤波预处理的最小二乘估计的新方法,获得了比传统最小二乘法效果更好的估计结果。试验证明了该方法的有效性和高精度性。     

三维传感器极大似然配准算法

基于测量噪声的影响,提出一种精确极大似然法(EML)。配准估计是通过求最大似然函数获得的。说明了EML准则包含两类部分可分变量(实际目标位置和传感器配准误差),提供了两步递归优化算法,并通过计算机仿真证明了极大似然算法用于多传感器配准处理的估计精度高,适用的范围广,解决了最小二乘配准算法中存在的局限性;当多个传感器相距较远时,该算法明显优于传统的最小二乘配准算法。     

基于最小二乘法的K-NN航迹关联算法研究

航迹关联是分布式多平台数据融合系统中的一项关键技术,在民用空管系统、军用战场态势估计方面都有重要的应用。本文提出基于最小二乘法的K近邻域统计关联算法,用最小二乘法拟合航迹曲线,通过极大似然值来判断航迹是否关联。仿真实验表明这种算法在没有状态估计协方差的情况下是可行的。     

多雷达组网信息融合系统空间配准方法研究

系统误差估计是空间配准中的关键环节,在多雷达组网系统中有着十分重要的意义.分析了系统误差估计的一般模型,从非线性估计问题的角度给出了系统误差估计的一般方法,使用最小二乘配准方法对某试验中的实测数据进行了验证,结果证明了方法的正确性和有效性,可为多雷达组网空间配准中系统误差估计问题提供一定的参考.     

基于行程编码的直线拟合方法及其误差估计

本文对工程图纸识别中基于行程编码的直线矢量化方法作了介绍与分析，提出了分组平均点法处理基于行程编码的行段直线拟合算法，并与最小二乘法拟合并进行比较，阐明了该方法具有计算方便，高效等特点，同时进行了误差估计。     

基于多模型时间配准的雷达融合跟踪

针对不同数据率的雷达融合问题,提出了一种多模型时间配准算法,同时将基于最佳线形无偏估计(BLUE)准则的量测转换算法和交互式多模型(IMM)的滤波方法结合起来,将它们运用在雷达的融合跟踪中.通过仿真跟踪一个机动目标,验证了算法的有效性.仿真结果表明.当雷达采样周期比为4时,单模型配准和多模型配准误差相差不多,相应的融合误差相当;当雷达采样周期比为8时,多模型配准误差较单模型配准误差明显较小,相应的融合误差减小,融合效果好.     

融合密集残差块和GAN变体的医学图像非刚性配准

目的 现有的医学图像配准算法在处理较大非刚性形变的医学图像时,存在配准精度低和泛化能力不足的问题。针对该问题,提出结合密集残差块和生成对抗网络（generative adversarial network,GAN）的图像配准方法,用于多模态医学图像的非刚性配准。方法 将密集残差块引入到生成器,提取待配准图像对的更多高层特征,从而提高配准精度;在GAN中采用最小二乘损失代替逻辑回归构造的交叉熵损失,由于最小二乘损失的收敛条件更严格,同时能缓解梯度消失和过拟合,从而提高配准模型的稳定性;在判别器网络中引入相对平均GAN（relative average GAN,RaGAN）,即在标准判别器的基础上增加一项梯度惩罚因子,降低判别器的判别误差,从而相对减少配准模型的配准误差,有助于稳定配准精度。结果 在DRIVE（digital retinal images for vessel extraction）数据集上进行训练和验证,在Sunybrook Cardiac数据集和Brain MRI数据集上进行泛化性能测试,并与几种主流医学图像非刚性配准算法进行对比实验,表明,本文配准模型在精度和泛化能力上均有一定程度的提升,相比其他方法,视网膜图像、心脏图像和脑部图像的配准Dice值分别提升了3.3%、3.0%、1.5%。结论 提出的配准方法能够获取更多高层特征信息,从而提升配准精度;同时基于最小二乘法构建损失函数并对判别器进行加强,能够使得配准模型在训练阶段快速收敛,提高了配准模型的稳定性和泛化能力,适合存在较大非刚性形变的医学图像的配准。     

基于动态时间弯曲的欠时间信息雷达精度评估方法

测量精度是雷达核心系统指标之一,工程中对其进行准确评估有着重要意义;实际应用中在利用ADS-B数据进行精度评估时常因时间信息缺失、时间节拍不均匀等原因导致航迹点匹配误差增大,精度评估效果急剧下降甚至失效;针对上述问题对欠时间信息条件下精度评估问题进行了研究,采用了基于动态时间弯曲算法的雷达航迹点匹配技术,利用形状信息在时间信息缺失的情况下仍能实现航迹点精确匹配从而提升评估精度;考虑到实际应用中边界束缚与计算资源限制,一种预筛选与下界加速技术被提出;然后基于实际应用中序列高维序列信息采用联合度量方法进一步提高航迹点匹配精度;最后在实际测量数据上进行验证,经实验测试表明本方法在时间信息缺失的情况下也可准确评估雷达精度,计算速度快;算法扩展了ADS-B精度评估应用范围,具有广泛实用价值。     

A measurement fusion method for nonlinear system identification using a cooperative learning algorithm

Identification of a general nonlinear noisy system viewed as an estimation of a predictor function is studied in this article. A measurement fusion method for the predictor function estimate is proposed. In the proposed scheme, observed data are first fused by using an optimal fusion technique, and then the optimal fused data are incorporated in a nonlinear function estimator based on a robust least squares support vector machine (LS-SVM). A cooperative learning algorithm is proposed to implement the proposed measurement fusion method. Compared with related identification methods, the proposed method can minimize both the approximation error and the noise error. The performance analysis shows that the proposed optimal measurement fusion function estimate has a smaller mean square error than the LS-SVM function estimate. Moreover, the proposed cooperative learning algorithm can converge globally to the optimal measurement fusion function estimate. Finally, the proposed measurement fusion method is applied to ARMA signal and spatial temporal signal modeling. Experimental results show that the proposed measurement fusion method can provide a more accurate model.     

一种4D毫米波雷达高分辨角度估计方法

针对4D毫米波雷达中雷达孔径受限导致的角度分辨率不高的问题,提出一种改进的多重信号分类(Multiple Signal Classification,MUSIC)算法。首先通过数据预处理手段,补偿多输入输出(Multiple Input Multiple Output,MIMO)虚拟阵列中目标运动引起的相位误差;接着划分子阵并对角度维数据构成的协方差矩阵进行Toeplitz化处理,利用MUSIC算法估计一维角度;最后采用特征值排序的方法将估计出的俯仰角与方位角进行快速配对。该方法有效提高了4D毫米波雷达角度维估计的分辨率和估计精度,也提高了二维角度估计的计算速度。数值仿真与实物实验验证了所提方法在角度高分辨估计上的性能。     

Vibration target detection and vibration parameters estimation based on the DPCA technique in dual-channel SAR

This paper proposes a new method based on the displaced phase center antenna(DPCA) technique for the detection and parameters estimation of vibration target in dual-channel synthetic aperture radar(SAR).The echo model of vibration target is established in dual-channel SAR according to the equivalent phase center principle.By accumulating the DPCA signal amplitude in the azimuth direction,we realize the vibration target detection in clutter and noise background.Through the analysis of DPCA signal amplitude and phase characteristics of vibration target,we then convert the vibration parameters estimation to estimation of a signal with the form of absolute value of a sine function,and the converting conditions is also given.Accordingly,an algorithm combining the Fourier transform with least squares is proposed for estimation.The simulation results show that the algorithm can estimate each vibration parameter precisely at a low signal-to-noise ratio.     

直角坐标系中雷达测量方差的计算方法分析

The distributed network system of multi radar target monitoring usually includes polar coordinate system with radar as co- ordinate origin and rectangular coordinate system with command center as coordinate origin. However, due to the complex situation of different radar surrounding airspace environment and radar equipment, large sample standard deviation is prone to occur in the measurement of target distance, azimuth and elevation angle by single radar. In this case, according to the unified rectangular coordi- nate system, target position error transfer method, comprehensive index statistics method and other calculation methods, the mea- surement weight, variance and standard deviation of different coordinate components of the target object are analyzed statistically. After that, the weighted fusion model of multi radar tracks is used to verify the vertical weighted estimation value of limited radar measurement points in rectangular coordinate system, and then the result value of each element state of the target is determined.     

Neural network for system identification

A double-hidden layer neural network is proposed to identify a non-linear dynamic system. The structure of this neural network is derived from the Kolmogorov theorem. Each node of the network corresponds to an unknown non-linear function to be estimated. An elementary function is designed to be a constituent of an arbitrary continuous function. The difficulty of function estimation is solved by estimating the weightings of the elementary functions. Two algorithms are applied to estimate the network weightings. The weightings of the upper hidden layer are estimated by the least squares method. On the other hand, the recursive prediction error algorithm is applied to estimate the parameters of the lower hidden layer. The simulation studies show that the proposed neural network can model the dynamics of a general non-linear system.     

基于改进的ORB算法与姿态估计的跟踪注册方法研究

传统的特征提取算法在图像匹配过程中易出现误匹配现象,本文在ORB算法的基础中融入一种最小平方中值估计法-LMedS方法,利用ORB算法的特点和LMedS方法去除可能存在的外点,消除误匹配现象,从而得到正确的匹配特征对,使特征匹配率有很大的提高。采用基于非线性最小二乘进行姿态估计,通过迭代算法估算相机姿态完成虚实注册。实验结果表明,本文的方法无论是在特征点匹配还是在实际场景中都具有很好的鲁棒性,在不同尺度角度、部分遮挡的情况下,同样具有良好的性能,准确、实时地完成跟踪注册。     

结合ADS-B的航管监视数据融合关键技术

航管多雷达数据和ADS-B数据各有优缺点,在分析了两类数据异同基础上指出了ADS-B数据引入航管多雷达数据处理中需要解决的关键技术难题。基于此,从探测时序和处理周期两方面给出了时间对准方法,研究了空间对准中的坐标转换及其误差配准技术,提出以当前模型和无迹卡尔曼滤波应对目标机动,给出了波门设定、最近邻相关以及融合算法的完整数据融合方案。实际应用中两类数据实现了有效利用和深度融合,提高了航管监视数据处理系统的精度和稳定性,是一种有效的航管监视数据处理方法。     

井下OFDM信道估计算法研究

针对煤矿井下信道情况复杂,多径效应会带来噪声增加和误码率上升等问题,建立了煤矿井下正交频分复用系统模型,研究了井下正交频分复用信道最小平方、最小均方误差估计算法;在矩形导频分配方案的基础上,提出了在时域利用曲线拟合方法实现数据符号处信道系数的估计算法。该算法与插值算法相比,对导频符号处信道系数的准确性要求不高,只要求所构造的函数尽可能接近真实值。仿真结果表明,提出的拟合估计算法和最小均方误差估计算法相比,在估计性能没有太大变化的前提下,大大降低了实现复杂度。仿真结果和理论分析基本一致。     

基于输出误差模型优化的甲板运动预报算法研究

本文提出了一种适用于多种复杂海况的大型舰船甲板运动预报方法,目的在于提高算法对不同海域复杂海况的适用性,以及对甲板运动模型的辨识精度与预报精度。该方法通过将量测数据的时间滞后处理引入输出误差模型来描述甲板运动的动力学模型,引入定阶准则确定了模型最优阶数数对。在此基础上应用了辅助模型递推最小二乘算法进行系统参数辨识并估计输出误差模型中的状态变量。实验结果表明,本文所提出的预报方法在系统参数辨识阶段可以将递推最小二乘算法的辨识精度提高5.13%,并且在预报阶段可以有效地将甲板运动的幅值与相位预测精度提高3.17%。该方法在复杂海况下具备良好的预测性能,适用于大型舰船甲板运动预报。