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。     

运用数据链进行雷达合作校正的仿真

估计雷达的系统误差对多传感器数据融合应用具有重要作用.使用数据链系统的通信和时钟同步功能,设计了一种基于交互协作的系统误差估计算法.算法假设飞机的组合导航设备能提供高精度的位置信息,通过使用Kalman滤波器对雷达系统误差进行估计.Kalman滤波器是递归形式,非常高效.通过仿真验证,算法的收敛性能优良,在各种计算周期和通信带宽上都能正常工作.     

基于目标不变信息量的模糊航迹对准关联算法

探讨了在组网雷达存在系统误差情况时的目标航迹对准关联问题。通过将探测系统误差对目标航迹的影响表示为各目标航迹数据的旋转和平移,从而说明了目标之间的相对拓扑关系不受系统误差影响;由此提出了一种雷达组网模糊航迹对准关联算法,该算法通过提取包括目标间拓扑信息在内的各种不受系统误差影响的目标不变信息量,采用模糊信息处理理论来解决目标航迹的对准关联问题,从而较好地实现了误差配准前的准确航迹对准关联。     

多星载光学传感器系统误差极大似然配准算法

针对低轨星座协同探测弹道目标过程中存在系统误差的问题，提出多星载光学传感器系统误差极大似然配准（maximum likehood registration，MLR）算法。通过一阶Taylor近似对非线性量测转换线性化，推导出目标状态的误差协方差与卫星轨道定向、姿态角测量和传感器测量等随机误差的关系，并基于视线交叉获得观测在状态空间中的近似投影，从而将MLR算法扩展到低轨星座多光学传感器的误差配准。通过引入各类测量误差的先验信息对目标状态的误差协方差进行修正，利用期望极大化迭代，实现了对系统误差的无偏有效估计及目标轨迹的融合估计。仿真验证了所提算法的有效性，且配准性能优越。     

捷联惯导行进间对准位置更新与误差分析

针对车载捷联惯导行进间初始对准抗干扰能力差、自主测速设备难以获取位置信息的问题，提出一种基于位置更新的行进间惯性系对准算法，并分析位置误差影响。利用惯性凝固思想建立了行进间惯性系双矢量和多矢量对准模型，提出了一种行进间对准位置更新算法，即由自主测速设备获得的载体速度可解算出量测矢量，进而通过姿态变换和积分迭代可以得到地理位置信息，同时分析位置误差对惯性系对准的影响。通过实验验证，相比于惯性系双矢量对准，多矢量对准方法更加充分利用了量测矢量信息，抗干扰能力强；位置误差将引入行进间对准误差，采用位置更新算法能够得到更高的行进间对准精度，还可在初始对准结束时刻为后续导航提供位置信息。     

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。     

水下平台惯导惯性器件误差高精度估计算法

为满足高精度导航及隐蔽性要求,基于方位旋转技术,给出了针对水下平台惯导系统惯性器件(inertial measurement unit, IMU)误差无阻尼估计算法。首先分析了状态转换对固定指北式平台惯导系统的影响;其次利用Laplace变换,求解了方位旋转式平台惯导系统误差;然后基于舒拉振荡和平台旋转周期,利用间断获得的外测信息建立系统短时速度、位置误差模型并作不确定度评估;最后采用Kalman滤波对惯性器件误差作了事后估计。仿真结果表明,建立的速度、位置误差模型可信度高,算法可准确估计出东、北向陀螺常值漂移以及加速度计零位偏置,有效抑制导航误差发散,提高导航精度。     

卫星/惯性组合导航事后高精度融合算法研究

高精度的组合导航数据事后融合处理算法是多传感器信息融合处理的重要环节,是对导航系统性能进行评估分析的关键。研究了一种分两步进行的惯性/卫星组合导航信息事后高精度融合算法,在惯性/卫星组合导航卡尔曼滤波算法的基础上,利用最优固定区间平滑滤波算法对惯性/卫星组合导航信息进行再次平滑滤波融合,可以提高组合导航数据事后处理的精度。设计了仿真验证平台,对所提出的融合算法进行了仿真验证。仿真结果表明:基于卡尔曼滤波与固定区间平滑滤波实现的惯性/卫星信息事后融合算法有效、可行,可作为试飞性能评估中确定参考基准的方法。     

一种新的地心地固坐标系传感器配准算法

针对多传感器系统进行数据融合的需要,提出了一种新的地心地固坐标系下传感器的配准算法,充分考虑了地球曲率对配准算法本身的影响,当传感器之间相距很远时仍然适用。新算法将传感器配准问题表述成一个关于传感器测量的最小二乘判决函数,然后首次引入Levenberg-Marquarat算法来对其进行优化。最后通过仿真试验对新算法的性能进行了评估,结果说明新的算法对于不同数目的测量值具有良好的一致性。     

基于延时对准船用捷联惯导舒勒振荡抑制方法

针对捷联惯性导航系统精度受振荡误差影响的问题,提出了一种舒勒振荡误差抑制方法。基于捷联惯导系统可并行执行多套导航算法的特点,通过延长初始对准时间,使得导航算法2相对于导航算法1延迟半个舒勒振荡误差周期执行。延时对准使得算法2中舒勒振荡误差相位与算法1相差一个圆周率。取算法1和算法2相应导航输出结果的均值补偿舒勒振荡误差,达到了提高捷联惯导系统精度的目的。经过仿真和实验验证,该方法对船用捷联惯性导航系统的舒勒振荡误差具有良好的抑制效果。     

Registration algorithm for sensor alignment based on stochastic fuzzy neural network

1.INTRODUCTION 1.1　SensorSurveillanceSystem Surveillancesystemisusedinmanycivilianandmili taryapplicationssystems.Sub surveillancesystem contains:air trafficcontrolsystem,airdefencesys temandnavigationdecisionandcontrolsystem,etc. Inordertoperfectlydescribe“themovementofthe target”,thesystemneedtoobtainthetrackofthe target.Thedatafusionofthetargetandtheprocess buildingtheirtracksarecalledasmultipletargettrac ing.Themainfunctionofthetargetandtheprocess buildingtheirtracksarecalledas…     

静基座速率偏频激光陀螺捷联惯导系统快速高精度初始对准算法

针对惯性器件误差对初始对准精度的影响,提出了基于速率偏频激光陀螺捷联惯导系统的快速高精度初始对准算法。首先,研究了初始对准阶段惯性器件的误差特性;然后,建立了激光陀螺标度因数和加速度计零偏的二次非线性误差模型,并对其进行在线估计和补偿;最后,采用卡尔曼滤波方法对激光陀螺零偏残差进行估计,得到系统初始对准姿态矩阵。实验结果表明,该算法可以有效消除激光陀螺标度因数误差、零偏误差和加速度计零偏误差等因素对初始对准精度的影响,初始对准时间为3 min时水平姿态角对准精度为2″,偏航角对准精度优于30″,精度和快速性均得到显著提高。     

组网冗余MEMS惯性传感器网络优化配置与融合处理方法

针对单个惯性传感器精度与可靠性问题,提出了一种组网冗余微机电系统(micro-electro-mechanical system, MEMS)惯性传感网络优化配置与融合处理方法。首先,研究了多惯性传感器节点的空间配置形式,给出了网络观测模型。利用节点之间的最优化冗余配置策略,提升系统测量可靠性。在此基础上,进一步考虑MEMS陀螺仪和加速度计的安装误差对输出结果的影响,提出了相应的误差模型及校正算法。以随机游走为主要误差源,设计了新型的卡尔曼滤波方法,实现了冗余配置下的高精度导航信息解算。最后,采用自主构建的实验系统进行试验,证明所提出的融合方法能够有效降低陀螺仪和加速度计的随机游走误差。车载试验进一步证明了所提出的方法及系统的有效性。     

组网冗余MEMS惯性传感器网络优化配置与融合处理方法

针对单个惯性传感器精度与可靠性问题,提出了一种组网冗余微机电系统(micro-electro-mechanical system, MEMS)惯性传感网络优化配置与融合处理方法。首先,研究了多惯性传感器节点的空间配置形式,给出了网络观测模型。利用节点之间的最优化冗余配置策略,提升系统测量可靠性。在此基础上,进一步考虑MEMS陀螺仪和加速度计的安装误差对输出结果的影响,提出了相应的误差模型及校正算法。以随机游走为主要误差源,设计了新型的卡尔曼滤波方法,实现了冗余配置下的高精度导航信息解算。最后,采用自主构建的实验系统进行试验,证明所提出的融合方法能够有效降低陀螺仪和加速度计的随机游走误差。车载试验进一步证明了所提出的方法及系统的有效性。     

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。     

伪惯导建模的极区双速度模式惯性系对准算法

针对极区V^b辅助的捷联惯性导航系统(strapdown inertial navigation system, SINS) 行进间惯性系对准, 提出了基于伪惯导建模的双速度模式惯性系对准算法, 消除由惯导建模引起的极区导航误差放大以及传统惯性系对准过程存在的模型误差问题, 提高极区对准性能。最后通过低纬度车载半实物仿真试验以及极区对准仿真试验对其进行验证。在75°和85°初始纬度, 50次航向对准结果的平均绝对误差和标准差分别为0.507 2°、2.527 3°和0.605 2°、2.875°。试验结果表明, 所提算法是可行且合理的, 可以解决极区SINS行进间惯性系对准中惯导建模以及对准模型所存在的问题, 提高极区对准的性能。     

基于UKF的低成本SINS/GPS组合导航系统滤波算法

针对MIMU的精度不高,会带来较大的初始对准误差角,如果继续采用传统的小干扰线性方程就会给滤波带来很大误差,甚至发散。针对这个问题,对低成本SINS/GPS组合导航系统建立了基于四元数误差模型的非线性滤波方程,并采用了UKF非线性滤波方法。针对四元数误差模型单纯使用UKF方法无法估计加计零偏和陀螺漂移的问题,提出将UKF和EKF相结合的算法,仿真结果表明,比起扩展卡尔曼滤波以及采用传统小干扰线性方程的卡尔曼滤波,这种方法能够提高姿态误差角特别是方位误差角的估计精度。