多传感器数据融合中基于目标识别的DS算法研究

由于多传感器数据中对目标的描述通常存在或多或少的模糊、相驳、遗缺等现象,在多传感器数据融合处理中如何对目标进行有效可靠的识别,是一个备受关注的难题。本文对多传感器数据融合处理中基于ＤＳ算法的目标识别问题进行了较深入的探讨,利用ＤＳ算法对不确定性信息的推理判断机制,为解决上述难题提供了一种有效的方法。     

多传感器数据融合应用及展望

近年来,随着电子技术、信号检测与处理技术、计算机技术、网络通信技术以及控制技术的飞速发展,各种面向复杂应用背景的多传感器系统大量涌现。数据融合技术的产生正是源于对多源信息自动融合处理技术的需求。现代环境的多样化和复杂化使得人们必须综合利用来自多种不同传感器的观测数据和信息对环境态势作出正确而迅速的估计,并制定相应的对策。     

UPF算法在OFDM时变信道估计中的应用

为了提高正交频分复用（OFDM）系统中时变信道估计的精度和系统性能,提出一种利用无迹粒子滤波（UPF）算法的OFDM时变信道估计方法。该方法首先将OFDM系统时变信道建模为具有动态特性的状态方程,然后利用UPF算法,结合接收信号动态地估计信道状态。仿真结果表明：在高斯和非高斯环境下,所提的方法均可以获得比采用传统粒子滤波（PF）算法的信道估计方法更高的估计精度和更好的系统性能,因此适用于实际系统。     

小波分析在多传感器多目标跟踪的航迹相关算法中的应用

在多传感器多目标融合跟踪系统中,航迹关联是对目标进行连续跟踪最重要的关键技术。在融合中心,对多传感器获得的目标航迹数据进行航迹关联处理,判断哪些航迹数据源于同一个目标。利用小波分析的方法提取航迹信号的趋势项信息,再结合传统的航迹关联处理方法对这些趋势信号进行关联判决。仿真实验表明这种方法是可行的。     

基于阶跃边缘多尺度梯度的无参考图像模糊度估计

针对数字图像的客观质量评价,从图像模糊距离的角度,提出一种基于阶跃边缘多梯度的无参考图像模糊度估计方法.单独的边缘检测方法和模糊度估计.实验结果表明,和传统方法相比,该方法更为精确,结果和人们的主观判断有很好的一致性.     

多模型交互滤波在运动目标轨迹融合中的应用

分析了运动目标轨迹融合数据源的技术特点,在目标跟踪算法基础上,提出了多模型滤波的概念,同时建立了比较有效的数学模型,解决了目标高度机动情况下的目标跟踪问题。最后给出了多模型滤波效果的仿真演示结论。     

修正Kalman滤波多带UWB信道估计改进方法

针对多带超宽带(UWB)系统中修正Kalman滤波算法复杂度高的缺陷,提出一种低复杂度的修正Kalman滤波改进方法。该方法中UWB信道采用自回归模型(AR)建模,利用导频跟踪时变信道衰减因子,通过Kalman滤波和频域分段最小均方误差(MMSE)算法同时跟踪信道的时域相关性和频域相关性,提高了系统性能,降低了计算复杂度。仿真结果表明,和修正的Kalman滤波方法相比,在估计精度损失很小的情况下,所提方法极大降低了计算复杂度,提高了系统整体的估计性能。     

块处理Kalman算法及其在系统辨识中的应用

Kalman滤波器能以自适应的方式精确地辨识一个系统,但在通信等应用领域,Kalman系统辨识的意义往往在于求其逆系统并用作均衡等后级处理。由于求逆算子的敏感性,估计结果中小的误差也可能造成均衡器性能的显著损失。本文在研究Kalman估计的各种噪声抑制结构后提出一种块处理Kalman算法,该算法在静态或缓变系统中显示出比传统逐符号处理Kalman算法更好的估计误差的性能(误差功率与块处理长度成反比),而且其结构简单,易于实现。     

雷达杂波谱参量估计及其在自适应滤波中的应用

本文结合自适应滤波技术在地面监视雷达信号处理中的工程应用,提出一种利用自相关法实时估计杂波谱参量,并根据统计参量自适应控制滤波器的方法.采用门限判决法,改善了杂波空域分布不均匀和目标引入对杂波谱参量估计带来的误差.文中特别对自适应滤波技术的实际工程应用问题进行分析讨论.经理论分析和计算模拟论证了该方法的正确性和可行性.最后结合工程实践,给出采用TMS32020数字信号处理器实现杂波谱参量估计和自适应控制滤波器的方案设想.     

机载多传感器数据融合的数据链应用技术

表述了机载多传感器数据融合基本概念,侧重于描述战术数据链在多传感器信息融合中的应用。     

SINS/GPS/TACAN组合导航的联邦卡尔曼滤波方法

针对无人机飞行末段的飞行特点,提出了一种用战术空中导航系统(TACAN)辅助惯性导航系统(INS)、全球卫星定位系统(GPS)的新组合导航模式。详细推导了一种系数加权的联邦卡尔曼算法,并将此算法运用到SINS/GPS/TACAN组合导航中。通过融合导航系统的导航信息估计出组合导航系统的误差状态量,以提高导航系统定位精度。此算法不必计算加权矩阵,从而避免了求解滤波误差方差阵的逆矩阵,运算速度有所提高。仿真计算结果表明,该算法可抑制滤波发散,并提高导航系统的精度和速度,此组合导航模式有较好的容错性和环境适应性,具有实用价值。     

SINS/GPS/TACAN机载综合导航定位系统设计

在现代空战中,捷联惯性导航系统（SINS）、全球定位系统（GPS）和塔康（TACAN）,单独利用各导航信息都存在着弊端。为此,提出了3种导航源综合的导航系统设计方案。信息融合技术采用广义联邦滤波技术来完成,状态矢量为导航参数误差,并建立准确数学模型。各个子滤波器（局部滤波器）采用间接滤波方式工作,完成状态矢量局部估算;主滤波器（全局滤波器）进行子滤波器的公共状态矢量融合和时间更新,输出可靠、准确的导航参数误差的全局最优估计量。利用全局滤波输出作为闭环负反馈校正SINS导航源,实现动态校正（比力方程积分初始条件重新设置）、动态对准（姿态矩阵微分方程积分初始条件重新设置）和动态标定,从而提高了组合导航系统性能。系统试验表明,SINS/GPS/TACAN综合导航定位系统获得了良好的定位精度。     

一种基于扩展卡尔曼滤波的方位跟踪算法

介绍了基于扩展卡尔曼滤波的TACAN导航方位跟踪算法,并对该算法进行了计算机仿真。仿真结果表明,该算法在匀速运动和机动情况下,均具有良好的跟踪性能。     

多站测向定位新算法

无源测向定位在信息对抗、导航等领域应用非常广泛。针对如何充分使用同时获得的多站测向数据,提出由两站向多站逐渐递推的目标定位新方法。仿真结果表明,最终定位精度得到了提高,给出的协方差能够真实反映目标的分布概率,新方法具有一定的工程应用价值。     

基于开关扩展卡尔曼滤波的姿态估计

针对低成本动中通系统中的姿态估计问题,提出一种开关扩展卡尔曼滤波算法。以无航向角的姿态更新算法为基础,根据微机械陀螺和加速度计分别建立系统状态方程和测量方程。针对机动加速度的影响,设计了三维开关扩展卡尔曼滤波方程,对载体姿态角和陀螺零偏进行实时估计。实验结果表明,该算法能够准确估计载体姿态和陀螺零偏,姿态角估计误差小于0.5°,俯仰角和横滚角估计误差的方差分别为0.130 1°和0.140 5°,两轴陀螺零偏误差均值均小于(2×10-4) °/s,能够满足动中通的应用要求。     

GLONASS的最新进展及可用性分析

介绍了GLONASS星座现状及最新发展规划,计算了该系统现有可用性.在分析GLONASS缺陷的基础上,从我国用户的需求出发,提出GLONASS/\"双星\"组合导航方案,阐明了其必要性和可行性.从星座可见性和几何构型两方面对系统可用性进行了仿真评估,比较了组合系统与纯GLONASS系统可用性的变化情况.仿真分析表明,组合系统大幅提高了系统可用性,理论可用性提高至93%以上,实际可用性提高至70%以上.     

采样滤波算法在单站无源定位中的应用

讨论了用采样的方法近似非线性分布来解决无源定位中的非线性问题,提出了一种简单的正则粒子滤波,克服了标准粒子滤波用于单站无源定位中出现的粒子贫乏现象,将粒子滤波成功应用到无源定位中,计算机仿真表明该算法的定位精度较Unscented卡尔曼滤波（UKF）有一定的提高。     

基于IMM-EKF的高动态“北斗”导航信号频率估计算法

高动态环境下的“北斗”导航信号含有较大的多普勒频率及其变化率,传统锁相环（PLL）在跟踪时难以保证较高的跟踪精度。在分析高动态环境下“北斗”信号模型的基础上,提出了一种基于交互式多模型-扩展卡尔曼滤波（IMM-EKF）的自适应滤波算法,对载波相位及其高阶分量进行估计。IMM-EKF采用多个跟踪模型来解决滤波过程中单个模型不准确的问题,并结合改进的Sage-Husa自适应算法,在线估计和修正过程噪声及测量噪声的统计特性,增强了滤波的稳定性。仿真结果表明,IMM-EKF相比于PLL和EKF,估计精度更高,算法稳定性更强。     

一种基于插值和卡尔曼滤波的接收机钟差预测方法

针对多模多频接收机面临同时处理大量数据的压力,提出了一种基于插值和卡尔曼滤波的接收机钟差预测方法。插值方法分别用拉格朗日和三次样条,三次样条端点的一阶导数采用“差分法代替求导法”来确定。首先由插值方法得出每隔1 s的卫星坐标、速度、钟差、频漂和伪距测量值,然后基于单星授时方法计算出静止接收机钟差,接着用卡尔曼滤波算法对接收机钟差和频漂进行预测,最后将预测的接收机钟差与加拿大空间参考系统（CSRS） 提供的精密接收机钟差数据进行比较。结果表明,拉格朗日插值由于存在龙格效应,其接收机钟差的抖动幅度比三次样条略大,它们与CSRS钟差数据相比,均方根误差在3 ns之内。