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。     

RTQC误差配准算法性能分析

RTQC算法是一种已应用于工程中的经典的误差配准技术，但是该算法是在没有考虑随机量测误差的情况下给出的，没有揭示出随机量测误差对误差配准精度的影响规律。以雷达组网的误差配准为研究对象，推导了RTQC配准算法的准确形式，给出了随机量测误差为高斯分布条件下，RTQC配准算法的估计精度，从理论上分析了随机量测误差对算法性能的影响规律，纠正了人们对这一问题认识的偏颇。最后，通过仿真对理论分析的结果进行了验证。     

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。     

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。     

基于结构的SAR图像配准

由于SAR图像中相干斑的存在，使得已有用于光学遥感图像自动配准的算法往往无法直接应用。基于人工通过地物结构推毫匹配关系进行配准的想法。提出了一种基于结构的SAR图像自动配准算法，该算法首先通过检测出的点目标构造“虚拟结构”，然后再综合新提出的“虚拟结构”不变量及结构区域不变矩作为相似测度完成匹配检测，最后用LMS算法估计出变换参数从而实现SAR图像的自动配准。实验结果表明，该算法不仅能够有效实现SAR图像的自动配准，而且能有效避免SAR图像中相干斑对配准过程中特征检测和匹配造成的影响。     

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.     

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。     

刚体变换下基于轮廓的多传感器图像配准算法

提出了一种基于轮廓的多传感器图像配准算法,输入图像之间的几何变换假设为刚体变换。该配准算法的特点是根据匹配轮廓对的质心和长轴计算配准参数,克服了传统的基于特征的图像配准算法控制点检测与匹配的问题,算法鲁棒性较高。首先提取输入图像中的明显轮廓,然后对提取的轮廓进行匹配,并将其中匹配的开轮廓对转化为闭合轮廓对,然后根据所有闭合轮廓对的质心和长轴估计配准参数。实验结果表明,所提算法能精确解决输入图像之间仅存在旋转和平移情况时的图像配准问题。     

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。     

基于Metropolis-Hastings抽样的系统误差配准方法

针对目标运动模型不完全的跟踪系统,为解决系统误差配准问题,提出一种基于Metropolis-Hastings抽样的系统误差配准方法。该方法通过系统误差的最大似然估计导出的等效概率平稳函数作为Metropolis-Hastings算法要求构造的概率密度函数,同时给出不同的提议函数来提高系统误差空间分布的全局性。对时变和时不变系统误差情况分别进行了仿真,仿真结果表明,所提方法在考虑系统误差统计特性的同时对解决系统误差配准问题具有有效性和可行性。     

基于半参数回归的联合定轨误差估计仿真算法

通过对联合定轨非线性影响因素特征的分析,提出了一种参数建模与非参数分量表示相结合的联合定轨非线性半参数回归建模方法。首先讨论了联合定轨模型及常值系统误差估计算法,在此基础上建立了一种广义非线性半参数回归联合定轨模型,设计了相应的卫星轨道参数、系统误差参数及模型误差估计算法,并从理论上证明了半参数模型轨道估计精度优于经典最小二乘轨道估计精度。仿真计算结果表明,广义非线性半参数回归联合估计方法能将模型误差和随机误差有效分离,同时联合定轨精度也得到了进一步的改善,从实际应用角度验证了半参数回归联合定轨建模方法的合理性和可行性。     

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。     

基于平滑算法的惯导系统误差校正技术

惯性导航系统受初始误差的影响会产生周期性振荡以及发散误差。针对这一问题,提出了基于自适应衰减卡尔曼滤波及固定点平滑的估计算法,对系统初始误差进行估计,估计结果代入系统误差模型推导误差发散情况,以此对系统输出进行补偿。仿真结果表明,该算法可以有效抑制惯性导航系统输出误差的振荡及发散。     

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。     

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…     

New structure of Kalman filter for radar networking

1.INTRODUCTION Inpractice,radarsoftenoperateasynchronouslyandpro videdataatdifferentrateswithdifferentcommunication timedelays,thustheproblemofdatafusioninradarnet workingsystemisasynchronousinsteadofsynchronous. However,theresearchinthefieldofdatafusionfocuses onthesynchronousproblems,andthemeasurementsof differentsensorsarealwayspredictedatthesametimefor updatingKalmanfiltersynchronously.Thisapproachis complicatedforengineering,anditwillreducethedata ratesofthesystem,atthesametimethee…     

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。     

利用k近邻区间距离的异步抗差航迹关联算法

针对异步和系统误差并存情况下的航迹关联问题, 提出利用航迹序列k近邻区间距离的异步抗差航迹关联算法。定义区间序列与区间点的k近邻区间距离度量, 提出系统误差区间化方法, 通过不等长航迹区间序列间的灰色关联度, 利用经典分配法进行航迹关联判定。与传统算法相比, 对系统误差先验信息的要求低。仿真结果表明, 算法能以较高正确率实现稳定关联, 具有良好的抗差性。算法亦可处理异步不等速率航迹关联问题, 无需时域配准, 具有明显的优势。     

车载简易惯性测量装置的误差建模与仿真

提出了一种用于列车定位的车载简易惯性测量装置（IMU），给出了其系统安装结构与导航定位解算方法，并分析了该系统的误差源，进而在此基础上推导获得了其系统误差模型。计算机仿真结果表明，所建立的IMU系统误差模型能够准确地描述出测量器件误差对整个系统测量结果的影响，从而为车载简易IMU的工程应用垫定了理论基础。