对雷达组网数据融合中几个关键问题的研究

针对雷达组网的实际情况 ,通过对影响雷达网数据融合处理的几个关键问题进行分析 ,给出解决这些问题的方法 ,通过仿真和实际雷达数据的实验 ,取得了好的效果。

基于遗传算法的雷达组网误差配准算法

系统误差校正是雷达组网的关键问题,传统的误差校正方法采用最小均方估计法或极大似然法,这些方法受随机误差影响,计算量大,难以在工程中应用。本文在实时精度控制法(RTOC)的基础上,通过构造误差配准的目标函数,将误差配准转换为非线性优化问题,并采用遗传算法进行寻优。该方法采用非参数化的方法进行误差配准,克服了RTOC和最小二乘算法中线性化带来的误差,提高了误差估计的精度。仿真和实际数据测试表明,本文提供的方法能有效地进行组网雷达误差配准。

机动组网雷达系统偏差估计

针对机动组网雷达中的距离和欠度的修正偏差,提出了一种基于扩展卡尔曼滤波(extendedKalmanfil ter,EKF)滤波的雷达系统偏差的估计方法,减少了一阶近似对系统偏差估计的影响,即使在系统偏差较大的情况下,也能得出较准确的估计结果,适用于高机动组网雷达中的实时系统偏差修正。

基于回归神经网络误差配准算法的仿真实现

在网络系统优化问题的研究中,目前广泛使用的BP网络模型不能保证收敛到全局最小点,这给网络传输带来误差。为消除网络误差,提高收敛速度,在BP网络加入反馈信号生成内部递归神经网络的误差配准算法。算法在内部递归神经网络引入上次输出的结果,加入先验知识,提高了收敛速度。同时文中对有偏差单元的递归神经网络的误差反向传播学习规则进行了推导,使得网络的累积误差不大于要求值。通过民用航空领域雷达网系统仿真数据仿真表明,算法在消除雷达网系统误差、提高目标精度,对网络系统优化可以取得较好的效果。

雷达组网系统误差校正的一种方法

建立组网的系统误差模型，用非线性规划方法求系统误差。利用加入系统误差的模拟目标，验证优化算法的有效性；应用该算法对三站实际数据提取系统误差。

一种改进的系统误差配准算法

雷达组网系统首先要解决误差配准问题,以便较准确地估计和消除系统误差.作者提出了一种改进的基于ECEF坐标系的广义最小二乘算法用于误差配准.该算法通过循环配准逐渐对真实的系统误差进行逼近.仿真数据验证了该算法的性能优于传统的ECEF-GLS误差配准算法的性能.