三维异步传感器的配准偏差补偿

传感器配准是多传感器数据融合的重要环节,现有文献仅考虑了二维异步传感器配准偏差的估计与补偿问题,并且忽略了偏差估计方差对目标跟踪性能的影响。首先建立了三维传感器偏差配准模型,基于此模型推导了异步传感器偏差估计算法。考虑到偏差估计方差对跟踪系统跟踪性能的影响,基于集中式融合结构提出了一种新的偏差补偿算法,进一步提高了系统的跟踪精度。最后,利用蒙特卡罗仿真方法比较了不忽略偏差估计方差、忽略偏差估计方差、利用偏差真值进行精确补偿及不进行偏差补偿四种情形下的偏差补偿算法,结果表明了所提偏差补偿算法的有效性。     

无偏转换的雷达误差配准算法

在多雷达数据处理系统中,影响目标跟踪和数据融合质量的一个重要因素是雷达系统偏差.为了使融合结果更加准确可靠,提出了基于无偏转换的雷达误差配准算法.该算法是通过无偏转换把其它雷达的测量转换到主雷达下,利用各雷达相对主雷达的测量差值,采用Kalman滤波器实时估计出各雷达的系统偏差(方位和距离),从而进行配准.仿真实验结果表明这种算法是有效的.     

WGS-84坐标系下多空基无源传感器最大似然配准

相比多运动平台有源传感器配准或异质传感器配准问题,多平台无源传感器的配准由于无距离信息将更为复杂,鲜有相关研究。为此,首先构建了WGS-84坐标系下有偏无源观测模型,然后将最大似然配准(maximum likelihood registration, MLR)算法扩展到空基多运动平台无源传感器的配准。运用复合函数求导链式法则,推导出应用MLR算法时至为关键的传感器观测量对目标状态的雅克比矩阵。为计算该矩阵,研究了WGS-84坐标系下两平台利用仅角度观测对目标的无源定位问题。理论和仿真结果表明该方法可实现无源传感器配准,配准误差逼近其Cramer-Rao界,验证了该方法的有效性。     

基于SINGER模型的实时误差配准算法及分析

系统误差配准是多平台、多传感器目标跟踪的关键环节,可以有效地估计雷达跟踪系统误差,并进行准确误差补偿。若不进行精确的系统误差配准,则可能导致多平台、多传感器跟踪系统对目标融合跟踪的错误或对同一目标产生多条航迹,从而导致系统性能恶化。给出了基于目标SINGER运动模型的扩维卡尔曼滤波算法。通过仿真实验分析了误差配准精度与机动频率的关系,结论为针对不同机动频率目标进行雷达跟踪系统的误差配准提供理论参考。     

一种改进的雷达组网误差配准算法

雷达组网系统首先要解决误差配准问题，来准确地估计和消除系统误差。对一种经典的误差配准技术广义最小二乘估计GLSE配准算法进行了研究，讨论了系统偏差增大时，配准精度退化的原因，并针对这一问题提出了一种改进的误差配准算法(MGLSE算法)。通过循环配准，MGLSE算法不但可以对真实的系统偏差进行逼近，而且当GLSE算法失效时，可以自动退出配准循环，放弃配准。仿真结果表明，系统偏差较大时MGLSE算法优于GLSE算法和其他传统的配准算法，并具有配准效果自动检验功能，防止配准后系统偏差反而增大。     

多平台雷达点迹数据融合技术

对构建实际多平台雷达点迹数据融合系统所涉及的关键技术进行全面阐述,重点介绍理论算法与工程实际需求相结合的综合设计问题,包括空间配准、数据关联的设计准则,复杂环境下点迹估计融合中的权值计算方法以及坐标系的选取等。同时,给出一种多平台雷达数据融合系统运行环境仿真的总体结构及主要处理模型。仿真及雷达数据的验证结果表明,所提出的设计准则和计算方法具有良好的跟踪融合效果,适合应用于先进的多平台雷达数据融合系统中。     

一种基于ECEF坐标转换的最小二乘配准算法

提出了一种有效的多雷达配准算法。该算法采用ECEF(earth -centeredearth -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 ,采用最小二乘法实时估计出各站相对主站之间的系统偏差 ,从而对网中各雷达进行配准。计算机仿真结果证明了该算法的正确性和有效性。     

基于平均周期图的InSAR复图像配准方法

提出了一种新的干涉合成孔径雷达(InSAR)复图像配准算法,新算法使用干涉相位图的平均周期图作为配准的评价测度函数,采用数据分段求平均的方法降低了评价函数的估计方差,从而提高了配准的精度与可靠性。还分析了评价函数的估计偏差对配准的影响。最后使用平均周期图法进行了配准实验,试验结果验证了新算法在提高配准精度方面的有效性。     

基于合作目标的动平台传感器偏差估计方法

运动平台载体的传感器误差配准是目前多传感器误差配准中的难点问题之一。利用合作目标已知位置,将载体平台姿态角偏差转换为传感器测量偏差中的一部分,并建立传感器极坐标测量系中各坐标轴的偏差解耦模型。在此基础上,利用广义最小二乘方法可实现平台载体的姿态偏差和测量偏差的实时估计。仿真结果表明,该方法的收敛速度快,可以同时有效估计平台载体的姿态偏差和传感器测量偏差。     

多传感器异步融合技术研究

多传感器信息融合理论大都是在无系统偏差和量测同步的理想条件下给出的，而实际的工程背景却并非如此。因此，在实际的工程实践中发现融合的效果并不理想，有的甚至不如融合前的效果好。为解决这一问题，研究了系统偏差条件下的多传感器异步融合问题。针对不同的工程背景，提出了两种异步融合算法：异步卡尔曼滤波（asynchronous Kalman filter, ASKF)算法和扩展异步卡尔曼滤波（generalized asynchronous Kalman filter， GASKF）算法。仿真表明，两种算法实现了异步量测条件下目标状态和系统偏差的有效跟踪。     

Adaptive Multisensor Tracking Fusion Algorithm for Air－borne Distributed Passive Sensor Network

ＡｄａｐｔｉｖｅＭｕｌｔｉｓｅｎｓｏｒＴｒａｃｋｉｎｇＦｕｓｉｏｎＡｌｇｏｒｉｔｈｍｆｏｒＡｉｒ－ｂｏｒｎｅＤｉｓｔｒｉｂｕｔｅｄＰａｓｓｉｖｅＳｅｎｓｏｒＮｅｔｗｏｒｋ￥ＺｈｅｎＤｉｎｇ；ＨｏｎｇｃａｉＺｈａｎｇ＆ＧｕａｎｚｈｏｎｇＤａｉ（Ｄｅｐａ...     

基于自适应扩展H∞滤波的机动目标被动跟踪

为提高对机动目标的跟踪效果,提出了一种基于扩展H_∞滤波的自适应交互多模多被动传感器机动目标跟踪算法。利用简化的Sage-Husa自适应滤波器与交互多模相结合,对多被动传感器测得的目标角度信息进行融合,解决了被动式跟踪系统的可观测性及非线性问题,将扩展H_∞滤波器作为模型条件滤波器,通过调节扩展H_∞滤波器参数和量测噪声预测协方差矩阵,增强了对外界干扰的鲁棒性。仿真结果表明,所提算法比扩展卡尔曼滤波交互多模算法和标准交互多模算法具有更高的跟踪性能,在多站被动红外搜索与跟踪中是一种有效的跟踪算法。     

高斯厄米特粒子PHD被动测角多目标跟踪算法

针对传统粒子概率假设密度（probability hypothesis density, PHD）滤波跟踪被动多目标时,估计精度不高,且存在粒子退化,容易导致滤波器发散的问题,提出一种新的被动多目标跟踪算法--高斯厄米特粒子PHD滤波算法。该算法采用一族高斯厄米特滤波产生的高斯分布拟合更优的重要性密度函数,充分考虑了当前时刻的最新量测,并将该方法融入高斯混合粒子PHD（Gaussian mixture particle PHD, GMP-PHD）滤波框架中,在解决观测非线性的同时,有效提高了被动多目标的跟踪精度。实验结果表明,该算法较传统的GMP PHD滤波算法具有更高的状态估计精度,且有效降低了目标的失跟率。     

基于信息融合的机动多目标单站无源跟踪关键技术研究

跟踪起始与数据关联是机动多目标单站无源跟踪的关键技术。提出了一种基于目标多特征信息融合的自适应跟踪起始算法，通过构造多维动态可变的跟踪门，进行自适应跟踪起始检测，然后根据序列概率比检验准则进行轨迹确认。同时提出了一种基于多目标多特征信息融合的数据关联算法，首先通过定义多个特征数据关联度，将单个有效观测的多特征信息进行融合，再对多目标进行综合数据关联。计算机仿真表明，该跟踪起始算法能够快速有效地进行航迹起始，数据关联算法的性能要优于传统的最近邻（NN）方法。     

基于鲁棒H∞滤波的多站角度测量机动目标被动跟踪

建立了机动目标的多站被动红外搜索与跟踪（infrared search and tracking, IRST）系统的当前统计模型,基于该模型提出了机动目标跟踪的鲁棒H∞融合滤波算法。该算法将H∞滤波算法和集中融合跟踪算法相结合,对多站IRST测得的目标角度信息进行融合,可解决被动式跟踪系统的可观测性及非线性问题,以实现对目标较高精度的定位和跟踪。以三个观测站进行跟踪为例,对一个高机动目标进行了仿真研究,仿真结果表明,该滤波算法比扩展卡尔曼滤波（extended Kalman filter, EKF）算法有更高的跟踪性能,是IRST系统中一种有效的跟踪算法。     

空基外辐射源定位系统的观测站航迹优化

针对空基外辐射源定位(airborne passive coherent location, APCL)系统容易出现可观测性差、定位性能不稳定的问题,提出了观测站航迹优化算法以提高系统的定位跟踪性能。首先，建立APCL系统的二维运动学模型与量测方程,并选取系统可观测度和几何精度因子(geometrical dilution of precision, GDOP)作为优化指标,推导出航迹优化函数。然后，使用加权离散搜索优化算法控制观测站机动至最优观测位置,并以容积卡尔曼滤波(cubature Kalman filter, CKF)为工具,对目标和外辐射源进行定位跟踪。仿真结果表明,观测站采用航迹优化算法能大幅提高系统定位的稳定性,显著减小跟踪估计误差。     

空基外辐射源定位系统的观测站航迹优化

针对空基外辐射源定位(airborne passive coherent location, APCL)系统容易出现可观测性差、定位性能不稳定的问题,提出了观测站航迹优化算法以提高系统的定位跟踪性能。首先,建立APCL系统的二维运动学模型与量测方程,并选取系统可观测度和几何精度因子(geometrical dilution of precision, GDOP)作为优化指标,推导出航迹优化函数。然后,使用加权离散搜索优化算法控制观测站机动至最优观测位置,并以容积卡尔曼滤波(cubature Kalman filter, CKF)为工具,对目标和外辐射源进行定位跟踪。仿真结果表明,观测站采用航迹优化算法能大幅提高系统定位的稳定性,显著减小跟踪估计误差。     

无源系统中时间差和角度变换跟踪算法

在使用时间差方法对目标进行无源跟踪时,跟踪系统中的各站点有时无法同步截获目标的信号,使跟踪过程中误差增大。提出基于时间差与角度切换的跟踪算法。该算法利用时间差和角度测量的结果,使用扩展卡尔曼滤波对目标跟踪,通过对每个周期各站截获信号和对目标跟踪精度的情况,选择输出两种方法对目标位置估计结果。算法比仅利用时间差的方法有更强的适应性,同时精度并没有下降。给出了算法的具体步骤,通过仿真实验验证该算法的有效性。     

基于UT变换的机动辐射源单站被动跟踪IMM算法

针对机动辐射源的单站被动跟踪初始估计误差大,可观测性弱,并且可以得到观测量有限的问题,提出了一种利用多普勒频率变化率和角度对机动辐射源进行跟踪的UKF-IMM算法。将其和传统推广卡尔曼滤波交互多模型(EKF-IMM)方法进行了仿真比较,结果表明,UKF-IMM方法增强了EKF-IMM的滤波稳定性,提高了滤波收敛速度和跟踪精度。     

多机无源跟踪迭代UKF算法

为利用多机实现对目标的快速高精度无源跟踪,提出了一种新的迭代无味卡尔曼滤波（unscented Kalman filter,UKF）算法。所提算法利用随机变量的概率密度函数变换,求得了直接关于目标状态的似然函数,并据此利用最大似然估计迭代求解当前时刻的目标状态,推导了能达到最大似然面的迭代求解准则,将该准则与UKF算法结合得到新的迭代UKF算法。以多机只测角跟踪为例,对所提算法的性能进行仿真分析,仿真结果表明,相对于已有的迭代UKF算法,所提算法具有更好的跟踪性能,实用性强。