基于极大似然的联合多传感器配准与融合

传感器配准和多源融合是多传感器多目标跟踪系统中面临的两个重要问题。多传感器融合的精度一定程度上与传感器固有系统误差相关,为提高融合精度,需要进行多传感器配准。在多传感器多目标跟踪场景下,文中根据传感器量测噪声特性,通过公式推导实现了一种基于极大似然的联合多传感器配准与融合算法。该算法可同时在采样时刻间对传感器系统偏差和目标融合位置进行估计,并对传感器系统误差进行时间递推。仿真结果表明,文中算法具有较高的估计精度,可同时解决多传感器的配准与融合问题。

多传感器中传感器配准技术发展综述

多传感器配准技术是多传感器数据融合中的一个重要环节。文中介绍了多传感器配准误差源的主要来源及配准方法 ,综述了现有的多传感器配准技术 。

基于高精度导航设备的海上多传感器配准算法

对海上多平台多传感器误差配准问题,利用平台的高精度导航信息将各传感器的量测数据转换到地心坐标系下,构建关于传感器偏差和舰艇姿态误差的伪测量模型,采用卡尔曼滤波对配准误差进行在线估计和补偿.算法较好地解决了传统的基于球极投影误差配准技术受地球曲率影响的不足,并突破了离线配准算法假定配准误差恒定的限制.仿真实验结果验证了算法的正确性和有效性.

多传感器配准估计方法与实现

采用地心地固坐标系作为统一坐标系,研究了多传感器组网中的配准估计问题。首先论述了传感器配准的现实意义和传感器偏差的客观来源。随后给出了多传感器配准问题的数学模型描述,并据此给出了配准参数状态矢量。然后利用单目标在不同传感器探测中的量测,在地心地固坐标系下得出偏差方程,采用一阶泰勒展开进行近似,给出各传感器距离、方位角、仰角偏差的线性化公式,并使用最小二乘法估计出各传感器的实时配准参数。最后通过一个Matlab仿真实例,验证了上述方法的有效性。

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。

地心坐标系下考虑测量噪声的传感器配准算法

现有的传感器配准算法主要有两大类,一类是基于立体投影的二维空间配准技术,这类方法在投影时扭曲了数据,且无法估计俯仰角系统误差;一类是基于地心坐标的三维空间中的配准技术,这类方法由于在计算时很少考虑到测量噪声对传感器系统误差估计产生的影响,实际的估计效果较差。为此,通过在地心坐标系下对系统进行建模,提出了两种考虑测量噪声的三维空间传感器配准算法:一种基于合作目标,一种基于公共量测。最后通过蒙特卡洛仿真验证了算法的有效性。

多源测距下联合目标定位与传感器配准

针对多传感器跟踪系统中多源测距下常规传感器配准方法无法形成等效量测的问题,设计了一种联合目标定位与传感器配准方法。利用量测噪声构造似然函数,联合交互式多模型方法估计目标位置,通过对似然函数极大化,实现了多源测距传感器系统偏差估计和目标定位。仿真结果表明,该方法具有快速收敛性和较高估计精度,可有效解决多源测距下传感器配准和目标定位问题。

数据压缩卡尔曼滤波的多传感器精确配准方法

针对多传感器的系统偏差估计问题,提出了数据压缩卡尔曼滤波的精确配准方法。首先采用无偏转换测量模型,利用各传感器局部测量值来构造系统偏差的伪测量方程,然后引入数据压缩方法得到一个合成的测量值,并使用卡尔曼滤波得到偏差估计值。转换模型的无偏特性,保证了即使在测量噪声及系统偏差较大的情形下,估计结果仍然能有较好的一致性和稳定性。同时数据压缩方法可避免传统方法的多次迭代处理,只需一次滤波过程即可完成估计。仿真实验结果表明新方法的估计结果精度良好,同时可有效降低计算耗时。

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。

WGS-84坐标系下空基多平台有源传感器最大似然配准

对空基多运动平台有源传感器进行配准,是空战协同作战的前提和基础。首先构建了WGS-84坐标系下有偏观测模型,然后将最大似然配准(MLR)算法扩展到WGS-84坐标系下空基多运动平台有源传感器的配准。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。理论和仿真结果表明,该方法可实现系统配准,配准误差逼近其Cramer-Rao下界。

WGS-84坐标系下空基多平台异质传感器MLR配准

多平台多传感器良好协同的重要前提之一是其系统误差的配准,由于空中平台的运动和传感器类型的异质性使得配准问题更为复杂。首先构建了WGS-84坐标系下有偏观测模型,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异质传感器的配准。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。理论和仿真结果表明该方法可实现异质传感器配准,配准误差逼近其Cramer-Rao界。

舰艇编队多平台传感器空间配准方法

提出了一种舰艇多平台传感器空间配准方法。该方法利用多个舰艇平台传感器对同一目标连续测量之差及平台导航数据,在地心地固(ECEF)坐标系下实时估计每个舰艇平台的经度、纬度以及方位角的偏差。仿真分析表明,该方法可有效降低或消除多舰艇平台传感器环境下系统误差对目标复合跟踪性能的影响,为舰艇协同作战提供高质量目标航迹数据。

单平台三维传感器组网配准的最小二乘法

针对单平台多部三维传感器组网的校准和姿态偏差给出了一种综合估计算法。根据不同传感器跟踪相同目标时的空中叠合条件,由一阶泰勒展式导出了相对偏差的线性化公式,再利用最小二乘法实时估计出传感器量测间存在的偏差,从而进行配准。本算法对传感器近距离组网或者单舰多传感器组网的配准具有较好的精度和稳健性。

基于岭最小截平方的传感器稳健配准方法

传感器配准是多传感器数据融合系统获得性能优势的关键前提.受随机噪声、系统误差、虚警、漏报等因素的干扰,传感器配准常常工作在非理想关联环境中,依赖于理想关联假设的传统配准方法性能衰退严重.另一方面,传统传感器配准方法对目标分布场景敏感,当目标密集分布时,配准问题呈现病态性,估计结果数值不稳定.本文重点研究非理想关联及场景病态性共存时的传感器稳健配准问题,提出了系统误差的岭最小截平方(Ridge Least Trimmed Squares,RLTS)估计方法.该方法结合了岭回归(Ridge Regression,RR)与最小截平方(Least Trimmed Squares,LTS)估计的优点,能够有效应对错误关联及病态性的不良影响.仿真实验证实了所提方法的稳健性能.

分布式多传感器多目标跟踪方法综述

多传感器多目标跟踪是信息融合领域的热点问题,其通过融合多个局部传感器数据,提高目标跟踪精度和稳定性。多传感器多目标跟踪按融合体系可分为分布式、集中式、混合式3类,其中分布式融合结构对网络通信带宽要求低、可靠性和稳定性强,广泛应用于军事、民用领域。该文聚焦分布式多传感器多目标跟踪涉及的目标跟踪、传感器配准、航迹关联、数据融合4项关键技术,主要分析了各关键技术的理论原理与适用条件,重点介绍了不完整测量条件下的空间配准与航迹关联,并给出仿真结果。最后,该文总结了现有分布式多传感器多目标跟踪关键技术存在的问题,并指出了其未来发展趋势。

无先验关联的雷达系统误差协同配准算法

针对没有先验航迹关联信息并且系统误差范围未知的情况,利用数据链系统合作目标的精确参与平台定位与识别报告功能,提出了一种雷达系统误差协同配准算法.分析了任意一对雷达本地航迹与精确参与平台定位与识别航迹变换到参数空间点的分布特征,采用参数空间累积和峰值检测方法初步估计雷达系统误差.引入航迹对的累积平方马氏距离无偏估计量作为关联代价,将修正后的雷达航迹与精确参与平台定位与识别航迹的关联问题建模为线性规划问题,并求解全局最优指派关系,根据关联结果可精确估计出雷达系统误差.通过蒙特卡罗仿真验证了算法的性能.

基于数据链的雷达误差配准算法

针对没有航迹关联和系统误差分布先验信息的情况,利用数据链系统合作目标的精确参与平台定位与识别(PPLI)报告功能,提出了一种雷达系统误差配准算法。算法将雷达与PPLI航迹对映射为参数域点集,定义了参数域上的信任函数,证明了在一定假设下信任函数随公共航迹数量增加依概率收敛于以系统误差点为均值的正态分布概率密度函数,通过搜索信任函数峰值初步估计雷达系统误差。在此基础上求解雷达航迹与PPLI航迹全局最优关联关系并精确估计雷达系统误差。通过蒙特卡洛仿真验证了算法性能接近Cramér-Rao下界。

一种面向异构传感器的无人水面艇海面目标识别跟踪系统

[目的]为了应对无人水面艇(USV)在海洋环境下执行任务时,通过导航雷达与一体化光电设备对远距离海面目标识别与跟踪的需求,开发一种同时具备目标航迹预测、光电摄像头姿态补偿与修正等功能的无人水面艇自主感知系统。[方法]通过对导航雷达输出的目标位置信息使用基于卡尔曼滤波的目标航迹预测算法,提高目标定位精度,同时为光电摄像头提供实时性更好的目标指示信息;采用基于船舶姿态的光电摄像头姿态补偿算法,完成光电摄像头对目标的图像采集、识别与跟踪。[结果]搭载该感知系统的无人水面艇在3级海况下完成了动态目标识别跟踪测试,并将目标跟踪误差降低了6%,目标识别成功率提高到96.25%,验证了该感知系统的环境适应能力。[结论]通过试验验证,该识别跟踪系统可以解决海面目标图像采集难、识别效果差的问题,有效提高目标识别成功率。

基于Mean-Shift的传感器动态偏差估计方法

针对系统误差变化规律未知时的传感器探测系统偏差估计问题,提出了一种改进的基于Mean-Shift(均值偏移)的传感器动态偏差估计算法。该算法利用Mean-Shift方法对不同样本点对估计结果贡献不同的特点,根据样本点偏离均值的偏移量以及偏移时间构建权系数。仿真结果表明,该方法在系统误差变化规律未知的情况下,可有效估计多传感器动态偏差,且克服了随机误差、异常点的影响,估计结果更加稳健。

平台级卡尔曼滤波空间配准算法

配准是实现多雷达系统多目标跟踪的一个重要前提。在对现有几种配准方法进行分析与比较的基础上,提出一种基于卡尔曼滤波估计平台级系统偏移的配准算法。最后,对以上算法作了大量的计算机仿真,仿真结果证明了提出算法的有效性。