MAXIMUM LIKELIHOOD ESTIMATION FOR INSAR IMAGE CO-REGISTRATION

This paper presents a closed-form robust phase correlation based algorithm for performing image registration to subpixel accuracy.The subpixel translational shift information is directly obtained from the phase of the normalized cross power spectrum by using Maximum Likelihood Estimation(MLE).The proposed algorithm also has slighter time complexity.Experimental results show that the proposed algorithm yields superior registration precision on the Cramér-Rao Bound(CRB) in the presence of aliasing and noise.

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。

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。

基于地心坐标系的传感器极大似然配准算法

配准是多传感数据无误差坐标转换的必不可少的处理过程。现有的精确极大似然 (EML)配准算法[1]是基于立体几何投影法进行的 ,没有考虑地球地形的影响 ,因此当传感器之间相距很远时将失去实际意义。提出了一种基于地心坐标系 (ECEF)的传感器极大似然配准算法。这种方法考虑到了地球形状对配准的影响。最后给出的仿真结果说明这种配准算法初步解决了远距离的传感器配准。

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。

基于极大似然法的异类传感器配准方法研究

针对异类传感器数据融合空间配准问题,利用极大似然法对多传感器系统模型进行分析,推导出配准参数的估计值,以毫米波雷达/红外传感器复合制导为例,对空间配准算法进行了仿真,仿真结果具有较快的迭代收敛速度和较好的配准效果,满足了异类传感器融合实时性和精确度的要求。

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。

基于Metropolis-Hastings抽样的系统误差配准方法

针对目标运动模型不完全的跟踪系统,为解决系统误差配准问题,提出一种基于Metropolis-Has-tings抽样的系统误差配准方法。该方法通过系统误差的最大似然估计导出的等效概率平稳函数作为Metropo-lis-Hastings算法要求构造的概率密度函数,同时给出不同的提议函数来提高系统误差空间分布的全局性。对时变和时不变系统误差情况分别进行了仿真,仿真结果表明,所提方法在考虑系统误差统计特性的同时对解决系统误差配准问题具有有效性和可行性。

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。

高分辨雷达/红外成像复合系统的空间配准方法

为实现高分辨雷达/红外成像复合制导系统的空间配准,首先提出了一种基于无偏转换测量的精确极大似然坐标变换法来完成由球坐标系到笛卡尔坐标系的坐标转换,然后提出了一种通过标定雷达和红外相机实现空间配准的方法。为提高空间配准的精度,用提出的坐标变换法估计目标在笛卡尔坐标系下的真实位置,在红外图像处理中提出了一种多灰度细分质心算法来求取图像中目标的精确位置。实验结果表明:该方法配准精度高,满足系统的精度要求。所提出的空间配准方法不仅适用于高分辨雷达/红外成像复合制导系统,还为其他异类传感器复合系统的空间配准提供了一种方法。

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。

二维多传感器误差配准算法分析

针对二维多传感器误差配准问题,研究目前已有的典型的系统误差估计算法,包括实时质量控制法、最小二乘法、广义最小二乘法、基于Kalman滤波的实时误差配准算法和精确极大似然法等.首先分析比较这几种算法的模型和原理,然后建立一个合理的仿真环境对各种算法中的系统误差估计性能进行仿真比较,最后分析各个算法的性能及其优缺点,为实际应用中根据不同环境选择不同算法提供一种可靠的参考依据.

多星载光学传感器系统误差极大似然配准算法

针对低轨星座协同探测弹道目标过程中存在系统误差的问题,提出多星载光学传感器系统误差极大似然配准(maximum likehood registration,MLR)算法。通过一阶Taylor近似对非线性量测转换线性化,推导出目标状态的误差协方差与卫星轨道定向、姿态角测量和传感器测量等随机误差的关系,并基于视线交叉获得观测在状态空间中的近似投影,从而将MLR算法扩展到低轨星座多光学传感器的误差配准。通过引入各类测量误差的先验信息对目标状态的误差协方差进行修正,利用期望极大化迭代,实现了对系统误差的无偏有效估计及目标轨迹的融合估计。仿真验证了所提算法的有效性,且配准性能优越。

雷达组网的精确极大似然误差配准算法

针对最小二乘法和卡尔曼滤波方法在雷达网系统中的误差配准问题,提出一种雷达组网的精确极大似然误差配准算法。采用基于圆极投影的极大似然配准算法,利用各雷达站的几何关系,通过极大似然混合高斯–牛顿迭代方法估计出雷达网的系统误差,并进行仿真。仿真结果证明:该配准方法具有良好的一致性,可以用于多雷达组网的误差配准。

机载雷达与地面雷达的最大似然配准算法

空、地多雷达配准是空地一体化预警的前提。通过建立空中运动雷达与地面静止雷达的配准模型,以最大似然算法为基础,导出其空间系统误差配准参数及目标运动状态估计的具体公式,并对系统误差估计值的卡拉美-罗界进行了讨论。仿真结果表明,该算法具有较快的迭代收敛速度和较好的配准效果。

应用统计线性回归的系统误差最大似然配准

针对协同多传感器系统探测目标过程中存在着非随机系统误差的问题,提出一种基于统计线性回归的最大似然配准算法。首先通过联合最大化目标状态和系统误差的似然函数,建立多传感器系统的配准方程;然后利用一组不完全相同的回归点处理非线性量测转换的线性化问题,通过统计线性回归,构建目标状态关于去偏量测的回归方程,并得到投影后目标状态的前二阶统计特性;最后利用似然最大化迭代求解配准方程,实现对系统误差和目标状态的联合估计。仿真结果表明,基于统计线性回归的最大似然配准算法能在各观测维度上实现多个传感器的配准,且相比经典最大似然配准算法具有更高的配准精度和相当的计算复杂度。

三维传感器极大似然配准算法

基于测量噪声的影响,提出一种精确极大似然法(EML)。配准估计是通过求最大似然函数获得的。说明了EML准则包含两类部分可分变量(实际目标位置和传感器配准误差),提供了两步递归优化算法,并通过计算机仿真证明了极大似然算法用于多传感器配准处理的估计精度高,适用的范围广,解决了最小二乘配准算法中存在的局限性;当多个传感器相距较远时,该算法明显优于传统的最小二乘配准算法。

基于极大似然的联合数据关联与空间配准

针对雷达量测存在漏探测情况下的雷达之间数据关联与雷达系统误差估计问题,提出了基于极大似然(ML)的联合数据关联与空间配准算法。该算法采用多维分配算法进行数据关联,使用ML对空间配准问题中的系统偏差进行估计,通过迭代进行数据关联和空间配准,最终得到收敛的系统偏差估计和关联正确率。仿真实验表明:在雷达探测存在漏探测时,文中提出的算法能够有效地进行数据关联和估计系统偏差,有较强的抗噪性和鲁棒性。

一种基于合作目标的机动雷达误差配准技术

针对机动平台传感器非协同误差配准技术实施难度大和配准效果差的问题,对基于合作目标的协同误差配准技术进行了研究。首先根据传感器对合作目标的地球直角坐标系量测方程,建立了系统误差的估计模型,然后根据建立的系统误差估计模型,利用传感器获得的量测和目标通过数据链上报的导航信息,采用最大似然估计技术,对系统误差进行估计。仿真结果表明:该系统误差估计模型可得到系统误差的有效估计,并对目标的导航误差具有强鲁棒性,因此该算法具有一定的工程应用前景。

一种自适应子空间追踪的基于配准补偿方法

先验信息失配(如速度误差、偏航角等)和孔径损失使得基于配准补偿方法的杂波距离相关性补偿性能下降.此外,基于配准补偿方法的运算量大,在大天线阵情况下实现困难.针对上述问题,将最大似然自适应子空间估计算法引入到杂波距离相关性补偿之中,并对最大似然自适应子空间估计算法的迭代过程进行改进,提出了一种新的杂波距离相关性补偿方法,称为基于改进最大似然自适应子空间估计算法的基于配准补偿(MRBC)方法.与基于配准补偿方法相比,MRBC方法无须子孔径平滑、协方差矩阵估计和特征值分解等过程,直接利用最大似然自适应子空间估计方法迭代估计杂波协方差矩阵的瞬时特征向量矩阵和特征值矩阵,能够在保证杂波距离相关性补偿性能的基础上大幅减少运算量.且由于MRBC方法没有利用先验信息,完全基于雷达回波数据,因此不受误差影响.