多传感器数据融合中的数据配准研究

数据配准是多传感器数据融合的先期处理过程。本文在研究了传统的最小二乘算法的基础上，提出了基于三维坐标系中的极大似然配准算法，解决了最小二乘配准算法对于传感器相距较远时无法解决的问题。最后通过计算机仿真证明了此算法的有效性。     

星基ADS与雷达误差校准算法的研究

基于星基自动相关监视(ADS)系统和雷达各自的特点,分析了空中交通管制中ADS与雷达数据融合的模型,提出了在传统的地心地固(ECEF)坐标系中星基ADS和雷达系统误差校准的算法。同时,针对ADS数据的特性,又进一步提出了在Geodetic坐标系和以雷达站为极点的极坐标系(以下简称雷达站极坐标系)中的系统误差校准算法。最后,对校准效果进行了仿真分析和比较,并介绍了一种有效应用上述算法的方法。     

基于合作目标的三维空间贝叶斯传感器配准算法

当存在合作目标时,基于合作目标的传感器配准算法往往优于基于多站测量的传感器配准算法.传统的基于合作目标的传感器配准算法将系统误差看作是一个确定未知量,对未知量的估计采用了非贝叶斯的参数估计算法,如极大似然法、最小二乘法等.当传感器量测噪声相对于传感器系统误差不可忽略时,上述算法估计效果较差.在此背景下,提出了基于合作目标的贝叶斯传感器配准算法,通过将传感器系统误差建模成未知的随机过程,并通过卡尔曼滤波消除量测噪声对系统误差估计带来的影响,实验结果表明,方法具有较好的实用性.     

机载雷达目标跟踪与航迹信息提取

针对机动目标跟踪中航迹信息提取精度不高的问题,提出一种ECEF坐标系下基于交互多模型的多机协同跟踪算法。首先,各载机以ECEF坐标系为融合中心对目标量测进行无偏转换处理,以有效减小量测转换误差对目标跟踪的影响;然后,利用交互多模型的方法对目标进行融合跟踪,以进一步提高目标机动时的跟踪精度;最后,通过二次滤波的方法,来有效实现目标航迹信息的精确提取。仿真结果表明,该算法可较好地提高目标机动时的跟踪精度和航迹信息提取精度。     

吸收变异的粒子群算法及应用

提出了一种改进的粒子群算法,称为ConvergencemutationPSO(CM_PSO)。该算法根据粒子群中各粒子的适应值动态地调整粒子数量,把部分适应度差的粒子适当汇聚到适应度好的区域,在不损失全局搜索能力的同时,增强局部搜索能力。在将该算法应用于雷达组网误差配准问题中,提出了一种基于CM_PSO的误差配准技术。仿真表明,该算法能有效配准,与对比方法相比较,具有更好的收敛精度和更快的进化速度。     

基于归一化互相关的系统误差配准算法

雷达组网中由于系统误差存在,航迹不能正确关联,因而无法进行有效的误差配准。为了解决这一问题,理论分析了系统误差对目标航迹的影响并将该影响表示为目标航迹的旋转和平移量,结合图像信号时频域特性,提出了一种基于归一化互相关的误差配准算法。该算法采用归一化互相关来估计和补偿组网雷达目标航迹到融合中心航迹的相对旋转参数和平移参数,从而为后面的系统误差配准提供可靠的航迹关联数据。     

自由曲面配准技术

讨论了自由曲面形状误差检测方法,研究了自由曲面配准技术.采用简单的方法定义测量数据与自由曲面的中心坐标系,并使用主轴法进行预配准,为后续精确配准提供了可靠的初值,避免常规方法易陷入局部最优解的问题.提出了曲面精确配准的迭代优化方法,该方法通过修改目标函数以及适当选取偏差阈值,有效降低局部大误差点对配准结果产生的影响.实验结果表明文中算法的有效性.     

基于非合作低轨卫星的测向交叉定位技术

根据非合作低轨卫星的特点，可以被动测量多颗卫星信号的来向，通过测向交叉的方式进行定位。但是通过星历解算出的卫星位置位于地心地固坐标系，用户测量的方位角和俯仰角基于站心坐标系。针对非合作低轨卫星测向交叉定位时目标用户角度信息与卫星位置基于不同坐标系的问题，提出了一种迭代最小二乘定位算法，通过迭代的方式不断收敛定位结果，能够在目标用户角度信息与卫星位置基于不同坐标系的情况下，解决非合作低轨卫星的测向交叉定位问题。仿真结果表明，基于迭代最小二乘定位算法能够实现非合作低轨卫星仅利用角度定位，并分析了测角精度、卫星轨道高度、参与定位卫星数与定位误差之间的关系。针对迭代的计算方法，分析了迭代过程中不同收敛条件下迭代次数与定位误差之间的关系。在保证定位精度的情况下，将迭代收敛范围设置为8~30 km，可以降低2~3次迭代次数。     

多传感器融合目标跟踪

分析了基于成象和雷达两种传感器对目标状态的测量模型及其融合模型。针对两种传感器之间测量信息的不同步问题,给出了一种基于最小二乘法的不同步信息之间的时间配准和融合方法,并设计了跟踪滤波器。     

遥感图像的亚像素配准技术研究

高分辨遥感技术在军民领域应用广泛,图像配准技术是高分辨遥感图像的预处理技术。实际的机载和星载遥感成像仪,由于自身成像原理和成像仪平台抖动原因,出现了遥感图像亚像素偏移误差。对亚像素图像配准技术进行系统研究,对高精度亚像素配准算法进行研究分析,并对其算法进行仿真、处理,对仿真的结果进行系统分析,通过误差分析提出配准误差修正算法,修正算法对亚像素配准进行了很好的改进,达到遥感图像预处理的目的。     

Joint sensor registration and track-to-track fusion for distributed trackers

Sensor registration deals with the correction of registration errors and is an inherent problem in all multisensor tracking systems. Traditionally, it is viewed as a least squares or a maximum likelihood problem independent of the fusion problem. We formulate it as a Bayesian estimation problem where sensor registration and track-to-track fusion are treated as joint problems and provide solutions in cases 1) when sensor outputs (i.e., raw data) are available, and 2) when tracker outputs (i.e., tracks) are available. The solution to the latter problem is of particular significance in practical systems as band limited communication links render the transmission of raw data impractical and most of the practical fusion systems have to depend on tracker outputs rather than sensor outputs for fusion. We then show that, under linear Gaussian assumptions, the Bayesian approach leads to a registration solution based on equivalent measurements generated by geographically separated radar trackers. In addition, we show that equivalent measurements are a very effective way of handling sensor registration problem in clutter. Simulation results show that the proposed algorithm adequately estimates the biases, and the resulting central-level trucks are free of registration errors.     

An LS-TLS-based sequential identification algorithm: Application toan accelerometer

Total least squares (TLS) parameter estimation is an alternative to least squares (LS) estimation when there are errors in both data matrix and observation vector. Especially, when some of the columns, not all, of the data matrix A are free of error, we call it a mixed LS-TLS problem. Accordingly, a sequential algorithm for solving a mixed LS-TLS problem is proposed here. The proposed algorithm employs an efficient algorithm to locate the minimum eigenpair, instead of singular value decomposition (SVD) which is computationally exacting. The proposed algorithm is applied to an accelerometer model to identify error parameters which are very important in inertial navigation systems (INS)     

基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制

提出了一种基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制方法.该方法通过给误差变量赋予不同权值因子提高LS-SVM的鲁棒性,采用修剪算法提高LS-SVM的稀疏性;该方法从某涡扇发动机输入输出空间中建立其正常模型,采用阈值判别法对传感器故障进行实时监视与诊断,并用模型输出值代替故障传感器测量值反馈回闭环控制系统,实现对发动机的自适应重构控制.仿真结果表明,该方法能及时准确地定位故障,并进行有效的自适应重构控制.      

存在观测站位置误差的转发式时差无源定位

无源定位中,由于观测站安放在运动平台等原因造成的观测站位置误差会影响无源定位精度性能。另外到达时间差(简称时差)(TDOA)的转发式测量需要将不同观测站截获到的辐射源信号都转发到同一位置,如主观测站。针对这两个问题,提出了基于约束总体最小二乘(CTLS)的无源定位算法。首先将转发式时差的非线性定位方程转化为不需要中间变量的直接线性方程,再基于CTLS算法依次转化为约束优化问题和无约束优化问题,最后推导给出定位近似闭式解。仿真实验表明在观测站误差较大时,该算法与其他算法相比定位精度性能较好。     

An efficient algorithm of data smoothing in real-time calculations

We propose an algorithm for real-time data smoothing due to considerable reduction and simplification of computations by employing the recursive least mean squares technique. The efficiency of algorithms is shown by an example of determining the flight airspeed and altitude based on the data of pressure sensors.     

Identification of a discrete-time dynamical system

A novel generalized minimum variance (GMV) system identification algorithm is developed, and its performance is gauged against the established generalized least squares (GLS) estimation algorithm. The emphasis of the proposed GMV algorithm is on the rigorous treatment of measurement noise for dynamical system identification. A careful analysis of the measurement situation on hand yields a novel fixed-point calculation-based parameter estimation algorithm. The novel and established algorithms are compared in carefully performed and reproducible experiments which include measurement noise. Differences are apparent under small (measurement) sample operation, whereas under sufficient excitation, the algorithms produce statistically similar results     

传感器位置误差条件下的约束总体最小二乘时差定位算法

 现代定位系统中,传感器往往被安放在运动平台上,其位置无法精确得知,存在估计误差,将严重影响对目标的定位精度。针对这一问题,提出基于约束总体最小二乘(CTLS)的到达时差(TDOA)定位算法。首先通过引入中间变量,将非线性TDOA定位方程转化为伪线性方程,再利用CTLS技术,全面考虑伪线性方程所有系数中的噪声。在此基础上推导了定位方程的目标函数,再根据牛顿迭代方法,进行数值迭代,快速得到精确解。采用一阶小噪声扰动分析方法,对该算法的理论性能进行了分析,证明了算法的无偏性和逼近克拉美-罗下限(CRLB)。仿真实验表明,该算法克服了现有总体最小二乘(TLS)算法不能达到CRLB、两步加权最小二乘(two-step WLS)算法在较高噪声时性能发散的缺陷,在较高噪声时定位精度仍然能达到CRLB。     

Novel passive localization algorithm based on double side matrix-restricted total least squares

In order to solve the bearings-only passive localization problem in the presence of erroneous observer position, a novel algorithm based on double side matrix-restricted total least squares (DSMRTLS) is proposed. First, the aforementioned passive localization problem is transferred to the DSMRTLS problem by deriving a multiplicative structure for both the observation matrix and the observation vector. Second, the corresponding optimization problem of the DSMRTLS problem without constraint is derived, which can be approximated as the generalized Rayleigh quotient minimization problem. Then, the localization solution which is globally optimal and asymptotically unbiased can be got by generalized eigenvalue decomposition. Simulation results verify the rationality of the approximation and the good performance of the proposed algorithm compared with several typical algorithms.     

重访机制驱动的多无人机协同动目标搜索方法

为实现多无人机高效捕获灰色任务区域内的移动目标,考虑传感器探测概率与虚警概率,提出了重访机制驱动的协同搜索规划（RMD-CSP）方法,以降低目标遗漏与误判概率。考虑无人机飞行性能约束,以最大化任务执行效能为目标建立多无人机协同搜索模型。根据目标先验信息初始化环境搜索信息图（包括目标概率分布图、环境不确定度图与环境搜索状态图）,利用无人机实时探测信息,基于贝叶斯准则持续更新搜索信息图。定制基于环境不确定度更新的重访机制,通过增加长时间未被重访区域的环境不确定度,引导无人机搜索该区域,降低移动目标的遗漏概率;定制基于目标函数权重更新的重访机制,引导无人机快速重访发现新的疑似目标的区域,对疑似目标进行再次确认,减少由于传感器虚警概率造成的目标误判概率。采用滚动时域规划架构,将搜索规划问题分解为一系列短时域规划问题,提升了求解效率。在典型任务想定下,通过数值仿真试验验证了所提方法的有效性。仿真结果表明,RMD-CSP能够在秒级时间内生成每个时域的搜索航迹,相比于光栅式搜索方法与标准的概率启发式搜索方法,能够引导无人机捕获更多的移动目标,同时减少误判次数,有效提升了多无人机协同搜索的任务效能。