高精度3D雷达组网实时误差配准算法

对制导雷达组网实时误差配准算法进行了研究。建立了基于大地坐标系(ECEF)的实时Kalman(ECEF-Kalman)滤波算法和模型,并进行了仿真验证。结果表明:此算法能有效地估计系统误差,配准效果明显优于实时Kalman滤波算法。

3D雷达与2D雷达联合误差配准技术研究

分析了地心地固(ECEF)坐标系下,两坐标(2D)雷达和三坐标(3D)雷达联合估计类误差配准方法和3D雷达校正2D雷达系统误差的方法。前者直接使用3D雷达和2D雷达的量测值,通过滤波得到各自的系统偏差估计值;后者则首先使用常规方法对2个3D雷达进行误差配准,然后使用配准后的3D雷达数据来校正2D雷达。2种算法都以卡尔曼滤波为基础构建等效量测方程和状态方程。根据2D雷达是否使用3D雷达提供的高度估计值,分2种情况进行公式推导和分析。仿真结果表明,联合类估计算法和不使用高度估计值的算法性能较好。

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.

一种多传感器配准与目标跟踪算法研究

传统的多传感器误差配准技术多基于球极投影,没有考虑地球地形的影响,当传感器之间距离较远时将失去实际意义,无法对目标进行有效的跟踪;而现有的跟踪方法大多没有考虑传感器系统误差对跟踪精度的影响。基于地心坐标系,提出了一种Unscented卡尔曼配准与目标跟踪算法,充分考虑地球形状的影响,在跟踪目标的同时实现传感器配准。首先给出传感器数据配准几何坐标转换算法,详细推导了误差配准算法;接着建立目标的动态方程,将目标运动模型和传感器配准误差模型组合在同一个状态方程中,然后利用UKF进行估计。最后的Monte-Carlo仿真结果表明,该方法能同时有效地估计目标运动状态和传感器配准误差,为远距离的传感器配准与目标跟踪提供了一种新的解决方法,具有较大的工程应用价值。

基于SRUKF的组网雷达系统偏差估计方法

雷达组网数据处理首先要进行误差配准,来准确地估计和消除系统偏差。该算法模型建立在ECEF坐标系下,并采用均方根不敏卡尔曼滤波(SRUKF)对组网雷达系统偏差进行实时估计。该算法不仅无需计算雅可比矩阵,而且算法的方根形式增加了数值稳定性和状态协方差的半正定性。仿真结果表明,该算法可以有效地实现组网雷达的系统误差配准。

基于地心地固坐标系的多传感器实时配准方法

针对立体投影配准算法的不足,在分析广义最小二乘方法的基础上,提出了基于地心地固坐标系的实时配准方法.该方法选定一个传感器为数据处理中心,建立配准模型,采用序贯最小二乘方法和卡尔曼滤波方法来估计系统偏差,实现了误差的实时估计,便于工程应用实现.仿真表明了该方法的有效性.

基于地心坐标系的多传感器动态偏差估计算法

配准是多传感器系统进行数据融合必不可少的处理过程.使用一种新的基于地心地固(ECEF,Earth-Centered Earth-Fixed)坐标系的多传感器配准算法,能对传感器的动态偏差进行估计,同时充分考虑了地球曲率对配准算法本身的影响.首先利用多传感器的局部航迹数据来构造关于传感器偏差的伪测量模型,其噪声满足零均值高斯白噪声特性,协方差信息也易于计算,然后使用序贯卡尔曼滤波算法(SKF,Sequential Kalman Filter)对偏差进行动态估计.当传感器偏差恒定时,算法经过简单修改后依然适用.最后通过仿真试验对新算法的性能进行了评估,结果说明新算法能有效地进行传感器配准.

地固坐标系下捷联惯导系统初始精对准

为了使捷联惯性导航系统(SINS)在初始工作时更加准确地输出导航参数,提出一种地固系下的初始精对准方法:在全球卫星导航系统(GNSS)与SINS组合导航中,以地固系力学编排方案所对应的误差状态方程为基础,用卡尔曼滤波估计SINS载体坐标系到地固坐标系的平台“失准角”,直接输出载体在地固坐标系下的位置与速度,从而实现SINS的初始精对准。实验结果表明,航向角误差可小于0.1°,水平角误差可小于0.01°,证明了基于当地水平坐标系与地固坐标系下的卡尔曼滤波初始精对准方法的有效性。

基于地心地固坐标系的多运动平台实时配准方法

固定平台情况下基于地心地固(ECEF)坐标系的配准模型,在运动平台中已不适用,鉴于此,在考虑系统误差固定不变的条件下,推导了基于ECEF坐标系的多运动平台多传感器的配准模型,并提出采用卡尔曼(Kalman)滤波方法来估计系统偏差,实现了对固定系统误差的实时估计,便于工程应用实现。仿真表明了该方法的有效性。