异类传感器时间配准技术研究

在多传感器信息融合系统中,异类传感器之间由于异步采样及传输延迟,数据之间存在时间不匹配的问题。时间配准是把关于同一个目标的各传感器的不同步测量信息同步到某一时刻,是信息融合前的数据预处理步骤之一。如果不经过时间配准这一步骤,那么信息融合会产生较大误差,甚至无法有效进行,因此,时间配准是多传感器信息融合中不可或缺的部分。针对异步采样这一时间配准的问题来源,通过Matlab验证了最小二乘法和内插外推法两种经典算法的有效性,并将卡尔曼(Kalman)滤波引入时间配准,将插值法与卡尔曼滤波相结合,提出了一种改进的时间配准算法,提高了信息融合的精度。

集中式多传感器融合系统中的时间配准研究

建立了集中式多传感器融合系统的时间配准模型.在已有时间配准算法的基础上,提出了配准频率的概念,给出了配准频率的选择方法.将配准频率与拟合计算相结合,提出了单目标条件下和多目标条件下的时间配准算法,并对配准实现中可能出现的问题进行了分析.分别在单目标条件下和多目标条件下对所提算法的应用效果进行了仿真.仿真结果验证了所提算法的有效性.

基于分段重叠的时间配准方法

通过分析时间误差在组合导航系统速度估计和位置估计中的作用机理,导航系统中的时间误差不容忽视(尤其在机动条件下)。针对现有时间配准算法只能在特定条件下使用而无法有效解决多传感器导航系统中时间配准的不足,提出基于分段重叠的时间配准算法,通过分段处理使不同传感器的量测信息统一到同一处理时刻,通过重叠分段区,提高采样率,提高量测精度。仿真实验表明:新算法有效抑制了不规律的时间误差,保持了系统的精度和平稳性。

自适应变长滑窗曲线拟合时间配准算法

针对曲线拟合的时间配准算法存在窗口长度选择的问题,提出了一种基于运动模式转变的自适应窗口长度选择算法.将目标运动模式分为类直线运动和曲线运动两种模式,通过对每个数据点目标运动轨迹斜率的近似运算,确定运动模式突变点以及目标在时间配准点的运动模式,从而自适应地确定配准点窗口长度.仿真结果验证了文中算法在大时延、目标大机动条件下仍然具有较强的可靠性.

基于多模型时间配准的雷达融合跟踪

针对不同数据率的雷达融合问题,提出了一种多模型时间配准算法,同时将基于最佳线形无偏估计(BLUE)准则的量测转换算法和交互式多模型(IMM)的滤波方法结合起来,将它们运用在雷达的融合跟踪中。通过仿真跟踪一个机动目标,验证了算法的有效性。仿真结果表明,当雷达采样周期比为4时,单模型配准和多模型配准误差相差不多,相应的融合误差相当;当雷达采样周期比为8时,多模型配准误差较单模型配准误差明显较小,相应的融合误差减小,融合效果好。

机动目标的IMM扩展卡尔曼滤波时间配准算法

针对目前研究的时间配准方法是在目标运动模型已知的情况下进行时间配准,难以保证目标在复杂机动情况下运动模型多变时的时间配准精度。提出了机动目标的交互多模型扩展卡尔曼滤波(IMM-EKF)时间配准算法,该算法将交互多模型中的每个运动模型分别进行扩展卡尔曼滤波输出同时根据滤波过程中得到的残差计算每个模型的概率,根据模型概率和各模型滤波输出得到时间配准周期内最后一个采样点的测量数据,利用该点的状态和模型概率进行外推就得到时间配准周期和传感器采样周期不成整数比时配准时刻的位置。通过仿真结果表明该算法能够有效降低整体的时间配准误差。该算法提高了时间配准的精度,为数据融合提供了良好的基础。

基于机动检测的自适应实时时间配准算法

多传感器航迹数据的时间配准是分布式融合处理的前提之一。在几种常用时间配准算法的对比分析中发现,不同算法仅在某种目标运动模型条件下是最优的,而目前的研究大多采用固定某一种配准方法,难以保证目标复杂机动情况下的配准精度。因此提出基于机动检测的自适应实时时间配准算法。融合中心根据传感器航迹数据估计目标加速度以检测目标运动模型的变化,然后采用当前模型对应最优的时间配准算法。仿真结果表明,该算法能够有效降低整体的时间配准误差,性能优于各单一固定的算法。

用于多源信息中制导的MM-LS时间配准算法

针对目标做匀速直线运动以及时间配准周期与雷达采样周期成整数比两个假设限制了最小二乘时间配准算法应用范围的问题,结合多模型的思想,研究了无限制条件下的多模型最小二乘时间配准算法.在推导匀加速模型、加加速模型最小二乘时间配准算法的基础上,由最小均方误差准则得出多模型最小二乘时间配准算法.利用各模型求解得到的一阶、二阶、三阶导数,进一步通过外推算法,解决了时间配准周期与雷达采样周期比为非整数这一问题.仿真表明,当目标的机动过载从1 g至9 g变化时,雷达的探测误差从10m至100m变化,多模型最小二乘时间配准算法虽然不能取得最好的结果,但是可以确保得到值得信赖的时间配准结果.

基于运动模型估计的分布式实时时间配准算法

在目标运动模型未知和参数不完备等复杂情况下,目前尚无较好的分布式实时时间配准方法。假设在较短时间内目标在某一方向上的运动可以用匀速、匀加速或匀变加速直线运动模型表示,文中提出了一种复杂情况下基于运动模型估计的分布式实时时间配准算法。首先,对目标航迹序列进行不同阶次的滑窗多项式拟合,并根据拟合误差在线估计目标的运动模型;然后,在状态参数不完备的情况下构造完整的运动状态估计向量,并利用Kalman预测方法进行实时时间配准。仿真结果表明,与传统方法相比,提出的方法具有更好的性能。

多传感器数据融合系统中时间配准算法分析

在多传感器数据融合系统中,要求融合处理的各传感器数据必须是同一时刻的,这样才可能计算出目标的正确状态。但实际系统中,由于数据传播的延迟、传感器采样周期的不统一等,都会带来时间上的误差,而时间误差对测量的距离数据和距离变化率数据都会带来很大的影响,因此在融合前必须进行时间配准。本文着重分析了目前时间配准常用的几种算法,并分别进行仿真验证,得出了有益的结论。

一种基于弹道的时间配准算法

时间配准是分布式多传感器融合处理的前提之一,配准误差直接影响后续融合精度。常用时间配准算法通过直线或近似曲线的拟合完成目标的配准,对空中目标通常能够取得较高的配准精度。但对于速度较快、轨道固定的弹道目标则误差较大,难以保证配准精度。因此提出基于弹道的时间配准算法,估计目标当前位置和速度后计算目标的轨道并进行时间配准。通过仿真可以发现,与其它算法相比,本文所提出的算法能够明显地降低弹道目标的时间配准误差。

基于最小二乘曲线拟合的时间配准方法研究

针对单一手段探测低慢小目标能力不足的问题,提出了运用雷达/红外手段联合探测的方法。但在雷达红外数据融合之前,需要解决时间配准的问题。为解决这个问题,提出了一种基于最小二乘曲线拟合的时间配准改进方法,推导出了改进的最小二乘曲线拟合公式,分析了影响拟合精度的因素,通过仿真分析验证了该方法的有效性。

深空测角测速组合导航系统时间配准方法研究

深空测角测速组合导航系统通过测角信息与测速信息融合,获取探测器位置、速度等参数,具有连续、自主、实时、高精度的优点。在深空测角测速组合导航系统多源信息融合过程中,要求各敏感器数据必须是统一时间基准。基于天文测角测速组合导航系统基本原理,阐述了在实际系统中,测角敏感器、测速敏感器由于时间基准误差、采样周期不一致、数据传输时延等都会造成时间不同步,而时间误差对位置和速度测量信息会带来很大的影响。本文分析时间误差在深空测角测速组合导航系统位置估计和速度估计中的作用机理,研究基于内插外推方法的时间配准方法,实现了测角敏感器与测速敏感器量测信息的同步。数学仿真结果表明,内插外推时间配准算法可有效抑制时间误差,提高深空测角测速组合导航系统导航精度。

雷达数据实时时间配准算法研究

针对雷达数据融合中观测数据时间不同步的问题,本文提出了Kalman滤波器算法与三点抛物线插值法相结合的时间配准方法,结合雷达数据处理的特点,利用方位维波门相关算法,减少无效的时间配准计算,并用仿真的方法验证其配准的有效性。

时间配准在多传感器数据处理中的应用

在应用多传感器进行数据采集的系统中,需要对源于同一目标、同一时刻的不同传感器数据进行融合处理,但由于各传感器的工作方式、传输时延等原因造成数据不同步的问题。因此,在对多传感器数据融合前,应该对多传感器数据进行时间配准。本文提出了采用内插、外推时间配准法解决多传感器时间配准问题,通过仿真验证,该算法可以较好的解决问题。

最小二乘法时间配准在测量数据融合中的应用

在武器装备试验数据处理过程中,经常会遇到不同的测量设备获取的测量数据,在处理中心进行融合时存在不同步的问题。针对这一问题,通过探讨在某型武器装备试验数据处理工作中应用最小二乘法进行时间配准的方法来实现提高测量数据融合效果目的和方法。

基于时间配准的视频图像稳定方法

在车载视频监控系统中,由于载体的姿态变化或振动的影响,使得获得的图像信息模糊、不稳定,增加了观察者的疲劳度。为了解决车辆行进间视场抖动、图像模糊的问题,需要对实时视频图像进行稳定处理,将视频采集装置直接固定在初步稳定的测量平台上,通过稳定平台的稳定残差进行二次图像稳定,但由于传输延迟的存在,对接收到的传感器数据和视频采集的图像数据分别进行了队列缓存,即加入了时间配准方法。通过在某遥控车上验证,其能保证实时视频图像获得最佳的稳定效果。

雷达组网中时间配准问题研究

雷达组网系统数据同步要解决时间配准问题。本文介绍了雷达组网中时间配准的方法并进行了仿真分析,证明使用内插外推法尤其是使用三点插值法进行时间配准是可行的。

基于观测时间配准的升降轨InSAR数据二维形变场解算

传统差分干涉技术只能获取雷达视线方向的一维形变场,极大地限制该技术的应用。联合升降轨InSAR数据,可以解算出地表二维形变场。然而,受卫星轨道参数的限制,即使是不同的卫星,也很难做到对同一目标的同步观测,造成升降轨观测时间的不一致,进而降低二维形变解算精度。针对上述问题,文中提出一种升降轨观测时间配准方法,即以其中一轨SAR时序数据的采集时刻为参考,采用数据插值技术,对另一轨SAR时序数据获取的时间累积形变量进行内插,得到对应参考时刻点的形变量。最后,联合解算时间配准后的两个一维形变量,获取研究区域的二维形变场。为验证所提方法的有效性,文中以苏锡常地区为例,开展二维形变场的解算实验。研究结果表明,所提方法可以更加准确地反演地表二维形变场。

基于自适应卡尔曼滤波的时间配准算法

在多传感器融合系统中,时间配准的动态噪声和观测噪声不易确定。为此,提出一种基于自适应卡尔曼滤波的时间配准算法。采用滤波过程的自适应性来估计系统的动态噪声和观测噪声,并对采样数据进行配准前的预处理。实验结果表明,该算法具有数值稳定性好、动态范围大的优点,且自适应性较强,能提高时间配准的精度。