应用聚类方法的多卫星无源时差定位算法

为了提高卫星定位系统的容错能力和鲁棒性,应用聚类方法提出了一种适用于多卫星的无源定位算法。依据三站时差定位原理,将每3颗卫星编成一组,用每组中的卫星分别对地面目标进行三站时差定位;再利用聚类方法融合估计目标的位置。仿真结果表明,此算法定位精度及稳定性优于传统的三站时差定位法和最小二乘法,可减少信息的不确定性,有助于提高系统的定位效果。     

多站时差定位关键技术研究

提出一种基于机动平台的电子侦察目标精确定位方法,利用多站观测获得雷达辐射源时差信息,通过定位跟踪算法实现目标位置精确估计。该方法具有较大的灵活性,适用于任意机动观测平台,且可方便地推广应用于更多机动平台组网观测,以提高侦察定位精度和稳健性。分析了精确时差测量、辐射源定位跟踪等关键技术,并进行了性能分析仿真。     

基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

基于极大似然的单传感器误差配准算法

对单传感器系统误差配准问题进行了研究,首先理论分析了传感器量测系统误差对固定目标探测定位的影响,给出了传感器运动将造成固定目标产生虚像做类似运动的结论;在此基础上,提出了一种基于极大似然的单传感器误差配准算法,该算法基于极大似然准则,利用运动传感器对固定目标虚像位置的多时刻跟踪滤波信息,构建对传感器量测系统误差的极大似然估计,并通过进一步迭代估计获得系统误差最终估计结果,从而能够利用位置未知的固定目标实现运动平台单传感器量测系统误差的精确配准。     

月面着陆器与巡视器同波束差分时延相对定位算法

针对月球着陆巡视探测活动中的月面着陆器与巡视器的相对定位问题,建立了月面双目标相对运动方程和状态方程,给出了同波束差分时延测量量关于双目标相对位置的测量方程,进而实现了基于统计估计方法解算双目标相对位置的算法。结合嫦娥三号探测器跟踪测量条件,利用该算法开展仿真分析。结果表明:在测量弧段达到5min以上、同波束干涉测量(SBI)时延仅有1ns随机误差的情况下,相对定位精度可达20m;测量数据存在3ns系统误差时,相对定位精度为200m,此时如果增加甚长基线干涉测量(VLBI)时延数据,可将相对定位精度提高到150m。利用嫦娥三号实测数据处理结果验证了此算法的正确性和仿真分析的有效性,可为合理制定月面双目标相对定位策略提供参考。     

机动目标多传感器组网空间配准方法

针对存在传感器偏差的多传感器组网系统跟踪机动目标的问题,把目标状态与传感器偏差进行解耦估计,提出了一种基于交互多模型的两阶段扩展Kalman滤波(IMM-TSEKF)算法。由于传感器观测方程的非线性,文中采用了两阶段扩展Kalman滤波器(TSEKF),针对机动目标,把IMM算法与TSEKF算法相结合用于目标跟踪与空间配准。此外还对算法的时间复杂度进行了分析,并以螺旋机动战术弹道导弹为目标进行组网空间配准与目标跟踪。仿真结果表明,相比于常规的基于交互多模型的增广Kalman滤波(IMM-ASEKF)算法,该文算法在估计性能相当的情况下,减小了计算的复杂度,提高了计算效率,更易于工程实现。     

基于径向加速度精估计的PSO单星无源定位

针对传统单星无源定位方法定位精度较低的问题,文中提出一种基于径向加速度精估计的单星无源定位方法来实现单星对地球表面静止宽带信号辐射源定位。在通过测量脉冲到达时间(Time of Arrival, TOA)获得径向加速度精估计的算法基础上,采用粒子群优化(Particle Swarm Optimization, PSO)算法进行目标位置搜索,提高了定位精度,同时降低了计算量。分析并仿真了该方法定位误差与卫星状态参数、观测时长以及辐射源信号带宽、重频、持续时长等参数的关系。理论和仿真分析表明,该方法实现简单,计算量小,适用范围广,定位精度高。     

情报侦察数据融合技术的几个问题

就情报侦察系统中多传感器 (有源 -无源 )数据融合技术的坐标变换、目标状态估计特征、数据关联和跟踪维持、目标身份识别等问题进行了讨论 ,并就各种相关准则和算法给予研究 ,特别提出了模糊聚类关联算法。     

反馈式多目标多传感器系统误差融合估计技术

本文对多目标情况下的多传感器系统误差估计问题进行了研究,提出了反馈式多目标多传感器系统误差融合估计算法。算法首先对EX算法进行了修正,无需计算各目标状态估计及其增益伪逆,直接利用各传感器量测数据来构建伪量测,通过滤波获得局部传感器组合系统误差估计;其次,算法通过构建状态空间转移矩阵实现了全局估计到局部组合估计关系描述,并从多目标多传感器两个层面对系统误差估计进行更新,即对多目标信息进行递归融合以有效利用空间分布的多目标信息,对多传感器组合估计信息进行反馈融合获得全局估计。蒙特卡洛仿真结果说明该算法能够进行多传感器系统误差的快速精确融合估计,相比EX算法在实时性与估计精度方面均具有较大的优越性。
     

红外扫描过采样系统点目标亚像元定位与灰度提取方法研究

为提高系统的目标测向精度,对一种红外扫描过采样系统对远距点目标亚像元定位和灰度提取方法进行了研究。根据扫描过采样成像特点和模型,给出了基于重心法和最小二乘量子粒子群优化(LS-QPSO)两种过采样点目标亚像元定位技术。前者直接求解过采样图像目标像斑的灰度加权重心,用于点目标亚像元定位;后者基于最小二乘准则建立点目标定位和灰度估计目标函数,引入量子粒子群优化算法求解高维非线性目标函数最优化,同时实现点目标亚像元位置和灰度估计。对LS-QPSO方法进行拓展以满足对多个邻近点目标分辨需求。仿真结果表明:过采样体制能实现对点目标的亚像元定位;两种方法均能实现对单个点目标的亚像元定位,LS-QPSO性能更优;拓展后的LS-QPSO能实现对邻近多目标的分辨。