两坐标雷达组网中目标高度与系统误差联合估计

针对目前两坐标雷达组网系统误差估计忽略了目标高度影响的问题,采用模块化方法,将3部两坐标雷达组网分成平面与空间两个模块进行目标高度与系统误差的联合估计,提高了系统误差估计的精度。首先分析目标高度对系统误差估计的影响,接着详细推导基于极大似然估计法的目标高度与系统误差联合估计模型,并给出估计流程图,最后建立仿真模型对算法进行验证,并和传统方法进行比较。仿真结果显示,所建立的模型能够精确估计出目标平面位置和高度信息,实现目标的三维准确定位,并且同样能精确估计出传感器系统误差,验证了算法的准确性和有效性。     

基于两级扩展Kalman滤波的海上多平台误差配准算法

为了建立统一态势图,利用平台的低精度导航信息和相互测量的位置信息来进行海上多平台传感器数据位置对准,避免了对高精度导航设备的依赖以及将地表近似为平面所带来的误差。分析数据位置对准过程中的主要误差来源,给出对准的坐标变换模型,分别构建关于导航系统误差和传感器系统误差的测量方程和状态方程,设计两级扩展Kalman滤波配准算法对两种系统误差进行在线估计和补偿,完成海上多平台的误差配准,为后续数据关联和融合提供更高精度的传感器数据。仿真实验结果验证了算法的正确性和有效性。     

传感器精度对压制兵器操瞄精度影响的仿真分析方法

考虑了传感器精度对操瞄系统精度影响的分析问题,给出了由传感器误差导致的操瞄系统误差的数学模型,在此基础上,基于统计原理,得到了操瞄系统误差的估计和检验方法,最后通过某型压制兵器操瞄系统的仿真例子,说明了上述方法的可行性。     

存在系统误差下交叉定位系统最优交会角研究

研究了存在系统误差下被动传感器测向交叉定位系统中的最优交会角问题。考虑实际应用中传感器不可避免地存在系统误差,传感器的测量误差设定为非零均值高斯分布,在不同的准则下,计算了两部传感器测量误差不同情况下的最优交会角,讨论了系统误差和测角精度对最优交会角的影响,得到的相关结论在指导多传感器的优化配置和提高定位精度方面具有一定的实际意义。     

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。     

推广的多传感器数据融合算法

本文对工程实际中多传感器系统线性化后存在未知的系统误差，测量噪声具有指数衰减相关，且与状态噪声相关的问题，提出了推广的多传感器数据的分层融合算法和多传感器自适应数据融合算法，给出了计算流程图，可以对目标的状态进行实时估计，这两种算法对防空导弹体系制导雷达组网数据融合具有理论意义与实用价值。     

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。     

基于相对系统误差估计的组网雷达点迹融合技术

雷达组网点迹融合系统中,雷达系统误差的存在导致雷达点迹的空间配准精度不能满足数据关联和点迹融合的需求。提出一种基于相对系统误差估计的组网雷达点迹融合技术,即将各雷达观测统一到本地雷达的系统误差基准上,以实现精确的点迹空间配准。这种融合技术能提高融合航迹的精度,改善多目标环境下数据关联的正确率,并且当本地雷达功能失效时,融合中心可以采用远方雷达点迹进行补盲,实现精确的航迹维持。仿真实验验证了以上结论。     

数据融合中的残差建模分析与融合算法

多传感器数据融合系统中,传感器之间存在着难以精确建模的系统误差。即便经过校准,仍然会存在残差。残差的量级与随机观测噪声相当,不同的是,残差是一种随时间慢变的系统误差。目前文献中缺乏有效的残差分析建模手段,从而难以提高融合精度。针对上述问题,建立了残差的数学模型,进而提出了残差补偿航迹融合算法。算法将残差增广至目标状态向量,在状态估计的同时完成残差补偿。仿真结果表明,残差补偿算法极大地提高了目标状态估计的精度,显著改善了机动目标的跟踪性能。最后使用雷达实测数据对算法进行仿真,验证了算法可应用于实际工程系统。     

病态场景下多传感器系统误差的岭估计方法

多传感器系统误差估计是数据融合系统获得性能优势的关键前提之一。针对病态场景下传统系统误差估计方法数值不稳定的问题,对目标密集型和传感器密集型两种典型病态场景进行了理论分析,提出了多传感器系统误差的岭估计方法,以牺牲估计器无偏性的代价来改善估计结果的数值稳定性。通过引入条件数约束,给出了岭参数的最优取值方法。仿真结果表明,所提岭估计器在良态场景下与传统最小二乘估计器性能保持一致;在目标密集型场景下,与传统方法相比有显著性能优势;在传感器密集型场景下,对距离系统误差的估计性能有明显改善。     

基于NS2的无线传感器交通监控网络仿真

随着无线传感器网络技术不断发展,其应用日益广泛,智能交通便是其重要应用领域之一。针对高速公路交通监控的迫切需求,构建了基于无线传感器网络的高速公路智能交通监控系统。但该系统中一些重要参数及其性能在物理环境下往往难于测量和评估,为解决这一难题,建立了无线传感器交通监控网络仿真模型。此外,扩展了NS2功能,使其支持无线传感器网络仿真。并在该环境下对所建模型进行了验证,对其重要参数如网络节点能量消耗、网络密度、数据率等进行了仿真分析。从而实现了系统模型和参数的调整和优化,进一步验证了系统的可行性。     

基于粗糙神经网络的航空电子传感器故障诊断

针对航空电子传感器系统是由多个子系统所组成的复杂大系统且很难量测系统输入,传统故障诊断方法难以评估这类系统的问题,提出了一种基于粗糙神经网络的航空传感器故障诊断方法。该方法首先运用Kohonen网络对航空电子传感器测量得到的连续数据进行离散化,然后用粗糙集理论进行知识规则的提取,最后用提取的知识作用于一步预测神经网络,用该网络预测结果与航空电子传感器实际输出进行阈值比较,进而进行故障检测。仿真实验和实际应用表明,该方法可行并能有效地检测传感器故障,且故障诊断率高。     

无线传感器网络的系统建模与仿真实现

无线传感器网络是集分布式信息采集、信息传输和信息处理技术于一体的网络信息系统,能够通过各类集成化的微型传感器协作地实时监测、感知和采集信息,并通过自组织网络将所感知信息传送到用户终端,具有十分广阔的应用前景。通过对无线传感器网络特点及协议栈的分析,在OPNET网络仿真平台上,搭建了基于多跳分簇网络的仿真模型,最后分析了相关仿真结果。     

基于概率神经网络的故障诊断方法及应用

针对智能大厦空调系统中发生的各种传感器故障问题 ,提出了一种基于概率神经网络 (PNN)的传感器故障诊断改进方法。该方法采用贝叶斯分类决策理论建立系统的数学模型 ,以高斯函数作为激励函数 ,具有非线性处理和抗干扰能力强等特点 ,可获得对空调系统中各种传感器硬故障和软故障的有效识别和诊断。给出了该方法的理论分析 ,故障特征量的选取 ,神经网络设置和训练的具体步骤。通过仿真和空调系统模型试验证明了该方法在网络训练速度 ,抗干扰能力及各种传感器故障识别准确率等方面的有效性。     

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。     

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。     

基于多目标优化的传感器网络任务分配模型

由于网络节点资源受限,节点任务分配对传感器网络性能和网络服务质量影响很大.本文以优化系统时延、能量消耗及网络均衡度为目标,建立了基于多目标优化的传感器网络任务分配模型.同时为了有效协调多目标间的关系,采用目标协调优化方法构造目标函数.利用关键路径法解决通信路径选择,给出了基于遗传算法的最佳任务分配方案,进而最大限度地提高了传感器网络效率.最后,仿真结果表明了该模型和算法是合理的和有效的.     

高山流域降水无线传感器网络节点布局优化方法

降水无线传感器网络节点布局对于准确分析降水时空分布规律和降低运维成本至关重要,是智慧流域物联网观测系统建设的关键问题和难点.针对高山流域的特点,在考虑路网约束的基础上,耦合回归克里格和模拟退火算法,提出了一种基于并行计算架构的流域降水无线传感器网络优化布局方法.利用该方法分析了雅砻江中下游流域现状站网的合理性,并进行站点优化布局研究.结果表明,基于回归克里格的优化布局方法可以对降水无线传感器网络进行合理优化布局,优化布局站点以相对较低的站网密度很好地捕捉了降水在空间上的分布规律;采用并行设计模拟退火算法进行降水无线传感器网络优化布局可以成倍的节省程序运行时间,显著提高优化布局效率.     

WSN节点重要性和网络抗毁性的分析方法

无线传感器网络的一个重要设计目标是网络可靠性,无线传感器网络条件受限,节点能源有限,布置环境恶劣,使得研究无线传感器网络的节点重要性和抗毁性变得至关重要.节点的剩余能量会对网络生存时间产生影响,同样节点在拓扑结构中的位置也会对网络各个指标产生影响.通过研究节点的剩余能量和节点在拓扑结构中的贡献,综合这两种因素,提出了计算节点重要性和网络抗毁性的方法.仿真结果及对比表明该方法效果较好,且算法并不复杂.     

神经网络主元分析的传感器故障诊断方法

针对多传感器故障诊断问题，将神经网络引入主元分析(principal component analysis, PCA)模型之中，提出一基于主元分析的多传感器故障诊断模型。首先，应用传感器正常工作时测量的历史数据，由PCA模型得到所有传感器的预测值。其次，计算传感器系统的平方预期误差值(squared prediction error, SPE),根据系统的SPE值是否跳变，判定有无故障发生。通过分别重构单个传感器信号的SPE值来确定发生故障的传感器。最后,应用一个多传感器故障诊断仿真实例证明了该方案的可行性。