一种新的序列图像匹配制导滤波融合算法

为了改善匹配制导系统可靠性及匹配精度,提出了一种新的基于WMF与LSE的序列图像匹配结果滤波融合算法.分析了序列图像匹配制导滤波融合的基本问题,设计了一种加窗中值滤波器,并将其应用于纵向匹配位置序列的滤波处理,采用LSE对匹配位置序列进行最优参数估计,给出了滤波融合算法的基本原理及实现框图.仿真实验及实例分析验证了本算法在消除误匹配点及减小随机匹配误差干扰方面的有效性、实用性.     

基于WLSE-KF的传感器融合定位算法研究

多传感器融合在定位中的应用越来越广泛。在利用这些传感器进行定位的过程中,需要对其采集的数据进行融合。射频识别融合定位一般采用最小二乘法,然而,它可能使定位误差较大。文中提出了将最小二乘和卡尔曼滤波相结合的算法。该算法先利用加权最小二乘估计获得移动用户的初步位置,再利用扩展卡尔曼滤波进一步使定位精度得到提高。仿真结果表明该算法相比多种传统定位算法,误差减少,定位精度明显提高。     

基于融合改进RANSAC光流法的无人机视觉SLAM研究

针对同时定位与建图(SLAM)中存在定位精度不足、匹配特征点误差累积和特征匹配时间较长,提出了一种融合改进RANSAC光流法的优化算法。该方法基于传统RANSAC算法,加入最小二乘法对模型进行迭代优化来估计最优模型,对光流法的误匹配点进行剔除,大量减少图像误匹配特征点;把融合改进后的RANSAC光流法与特征点通过卡尔曼滤波进行融合,最后使用改进后的算法在公开的EuRoC MAV数据集中进行SLAM定位精度实验。实验结果表明：该改进算法能够有效减小光流法特征匹配的误差,从而提高无人机视觉SLAM的定位精度。     

基于最小二乘融合估计的双星时频差定位

针对单参考站条件下具有测量误差和星历误差时定位精度不高的特点,提出了一种基于多次观测数据的最小二乘融合估计定位算法,该算法无需增加观测条件即可有效提高辐射源定位精度.分析了测量误差、星历误差对单参考站单次定位及融合定位精度的影响,推导了测量误差、星历误差对定位误差的传递公式,提出了含星历误差影响的最小二乘融合估计加权算法.通过Monte-Carlo仿真验证了误差分析结果和定位算法,并比较了加权最小二乘估计定位和单次定位的性能.仿真试验表明:在相同观测精度条件下,加权最小二乘融合定位可极大地提高辐射源定位精度,最大提高10倍以上.     

空基多平台对空中机动目标的被动跟踪定位算法

针对空中机动目标的被动定位跟踪问题,提出了一种先用静态估计理论对空中目标进行最小二乘估计,再采用基于“当前”统计模型的自适应滤波算法进行滤波处理的方法,取得了比最小二乘估计与卡尔曼滤波相结合的算法更好的效果。仿真结果表明,在跟踪非机动目标时,该算法和最小二乘估计与卡尔曼滤波结合的办法相当;在跟踪机动目标时,该算法的误差明显小于原算法。     

双/多机测角频差定位算法研究

对固定辐射源的快速高精度定位是机载无源定位系统的重要任务之一,而双/多机测角频差定位体制是实现该任务的一种新途径。针对该定位体制,提出了一种快速有效的定位解算方法,解决了单次观测条件下的定位问题。该方法首先基于各机测得的方位角、俯仰角,采用伪线性法粗略估计辐射源位置;然后以此为初始值,采用高斯-牛顿迭代法,综合利用频差、方位角及俯仰角信息,精确估计辐射源位置。在单次观测定位的基础上,引入了批处理加权最小二乘融合算法及序贯加权最小二乘融合算法,实现了多次观测定位结果的有效融合。最后,进行了计算机仿真,结果表明:本文给出的单次定位解算方法及多次定位融合算法具有良好的性能,当观测误差不太大且服从高斯分布时,它们对应的辐射源位置估计精度能够很好地逼近克拉美罗限。      

观测站有位置误差的多维标度时频差定位算法

定位精度对观测站位置误差很敏感。论文针对观测站位置和速度有误差的情况,提出了一种加权多维标度时频差定位算法。该算法利用了多维标度定位通过特征结构和维度信息抑制噪声的优势,它将定位残差表示成测量误差和观测站位置误差的线性形式,然后通过加权最小二乘给出了目标位置和速度估计的闭式解。仿真结果表明,在小的测量误差和观测站位置误差时,该算法对目标位置和速度的估计能够达到克拉美劳下界。与两步加权最小二乘和约束总体最小二乘算法相比,该算法在测量噪声和观测站位置误差较大时有更高的定位精度。      

基于泰勒加权最小二乘算法的水下TDOA/FDOA联合定位方法

针对水下复杂的定位场景中,两阶段加权最小二乘算法因为忽视噪声平方项而造成的定位不精确问题,本文提出了一种基于泰勒加权最小二乘算法的水下到达时间差和到达频率差(Time difference of arrival and frequency difference of arrival, TDOA/FDOA)联合定位方法。该方法首先通过加权最小二乘算法求解目标粗估计位置和速度;然后通过求解TDOA/FDOA测量值的泰勒展开式构造定位误差方程,用迭代的方法不断更新目标估计位置和速度;最后,当定位误差足够小或达到最大迭代次数的时候,算法停止运行并输出目标估计位置和速度。仿真表明,在噪声方差小于10分贝时,本文算法的位置和速度估计的均方根误差能够接近或约等于克拉美罗下界。      

基于函数拟合的SIFT误匹配点剔除算法

针对RANSAC算法在剔除SIFT误匹配点实验中存在耗时长、误匹配等问题,提出了基于函数拟合的SIFT误匹配点剔除算法。首先采用SIFT算法进行待匹配图像与匹配图像的匹配工作,对匹配后的待匹配图像关键点采用迭代最小二乘拟合法构建函数模型,然后与匹配图像特征关键点进行拟合,最后计算两者的误差,当误差大于给定阈值时,确认该点为误匹配点,对其进行剔除。实验结果表明,采用基于函数拟合剔除误匹配点在时间上比RANSAC算法平均节省了2 s,正确匹配率提高11.75%,并且较多地保留了正确匹配点。     

基于NLS的多机只测角误差配准算法

多机无源融合定位中的误差配准是目前多传感器误差配中的难点之一。当无源传感器获得的观测量存在系统误差却不进行配准时,多机融合定位的效果将受到严重影响。针对这一情况,在多机只测角无源定位问题中提出了一种基于非线性最小二乘（NLS）的误差配准算法。该算法将多机只测角误差配准问题转换为非线性最小二乘估计问题,并采用高斯–牛顿法求解,即先将非线性量测方程线性化并采用加权最小二乘进行估计,然后进行迭代直至收敛到最优估计值。仿真结果表明,与EKF配准算法相比,当观测时间足够长时,本文提出的NLS误差配准算法的定位误差可以接近克拉美罗限（CRLB）,并且对系统误差的估计精度非常高。      

一种改进两步加权最小二乘的TDOA定位算法

现有的两步加权最小二乘水下声源定位算法中,两步法处理均存在平方以及开方等非线性运算忽略了二阶误差项,导致定位精度下降。提出了一种改进的两步加权最小二乘算法,首先引入时差方程,构建新的定位方程,初步估计出声源位置;接着引入中间变量并进行泰勒展开,利用中间变量与声源位置误差之间的非线性关系构建定位方程,对声源位置初步估计值进行校正,有效避免了二阶误差项的丢失,得到了更加精确的估计结果。通过与克拉美罗下界进行比较,验证了算法性能的同时进一步提升了算法定位精度。     

基于测距最小二乘的方位融合多传感器定位算法

在多部2D传感器组网目标定位中,为减小地球曲率对观测的影响,充分利用各传感器量测并解决观测方程的非线性最小二乘问题,提出了融合方位量测的测距最小二乘算法。该算法的实质是基于多部2D传感器设备的测距以及方位角信息,考虑地球曲率的影响建立等效的观测模型和非线性方程,通过数学变换将非线性系统转化为线性系统;利用纯距离最小二乘定位原理初步估算出目标的位置,然后融合各传感器的方位量测得到关于目标的最终位置估计。仿真实验表明,本方法在3部以上2D传感器观测并且测距误差较大而方位误差较小的情况下,可以修正测距最小二乘法在某些位置的定位误差,从而整体提高目标的定位精度。     

基于Hession优化梯度滤波的全局航拍视频配准

提出一种基于优化梯度滤波的全局航拍视频配准算法。该方法首先提出一种基于优化梯度滤波的Hession检测器,以实现特征点的精确定位,同时,为了保证在不同摄像机焦距下获得相同的特征点,保留3个分辨率下具有恒定不变的特征点。然后利用最小生成树方法对待配准点进行初始匹配。一致特征点建立后,通过利用非线性最小二乘(NLLS)和随机采样一致性(RANSAC)算法选取具有全局最小误差的变换参数对视频帧间实现配准。实验结果表明,通过利用优化梯度滤波和全局最优模型估计可实现帧间的精确配准,对不同动态场景和光照变换具有较强的适应性。     

室内移动机器人目标定位性准确匹配研究

在室内移动机器人目标定位系统中的扫描匹配技术中,传统的迭代最近点算法存在待配准点云初始位置要求苛刻、难以找到正确对应点对的问题,因此提出一种基于Kinect传感器获取三维环境点云,根据旋转投影统计特征描述子的相似性来查找对应点对并进行扫描匹配的移动机器人目标定位方法。首先通过Kinect传感器获取物体点云图,根据特征提取算法提取点云特征;然后获取两个待匹配点云的旋转投影统计特征描述子,通过比较两个描述子之间特征的相似程度,估算它们之间的对应关系,采用距离差分矩阵算法剔除误匹配点,计算初始匹配参数;最后利用最小二乘法迭代进行ICP配准,获得点云间的最终变换矩阵,实现目标定位。实验结果表明,改进后的算法有效地提高了点云匹配效率和配准精度,得到了较精确的目标定位信息。     

基于DOA-TDOA-FDOA的单站无源相干定位代数解

针对利用单站接收多个外辐射源信号实现目标定位的问题,该文提出一种基于两步加权最小二乘的到达角度(DOA)、时差(TDOA)和频差(FDOA)联合定位代数解算法.首先,在第1步加权最小二乘估计中,通过引入辅助参数,将非线性的角度、时差和频差方程转化为伪线性形式,并利用加权最小二乘得到目标位置和速度的粗估计;而后在第2步加权最小二乘估计中利用辅助参数和目标位置参数之间的约束关系来构造另外一组线性方程,并再次利用加权最小二乘得到目标位置和速度的精确估计.推导了联合角度、时差和频差定位的克拉美罗界.理论分析和仿真结果表明,算法在观测误差较小时的定位误差可以达到克拉美罗界.     

一种用于多点定位监视系统的TOA估计方法

信号的TOA估计精度是决定多点定位监视系统目标位置精度的关键因素之一。由于噪声的影响,传统的信号到达时间估计方法会带来较大的系统时间同步误差,从而影响所监视目标位置精度。针对多点定位系统对信号的到达时间的高精度要求,本文提出了一种基于差分匹配滤波的信号到达时间测量方法。在多点定位监视系统建模的基础上,本文对传统到达时间估计方法和本文所采用估计方法的误差进行了对比分析,仿真结果验证了本文算法的有效性,工程实践应用验证了本文方法的实用性。     

三角定位偏差估算

传统的三角定位是通过对位置的估计实现的。提出了一种基于两观察站位置偏差估计对运动辐射源定位的方法，采用优化的最小二乘和卡尔曼滤波算法实现定位。这种算法可使定位误差圆概率模糊区迅速减小，缩短收敛时间，实现了快速定位跟踪的目的。建立了位置偏差的状态方程和测量方程．用上述算法进行了计算机仿真。该方法与位置估计仿真曲线进行了比较．收敛时间从2s降低到1s，并且提高了定位精度。     

基于Chan算法的水下测控设备组网数据融合技术研究

依据水下测控设备组网系统的工作特点,为了有效挖掘现有测控设备的使用效能,构建高精度的综合性水下测控网络,该文提出基于Chan算法的水下测控设备组网集中式数据融合定位算法。该算法首先利用基于波达时间的加权最小二乘算法粗测目标位置,然后依据该目标位置和测量时延信息的关系,构造新的误差矢量,利用该误差矢量再次加权最小二乘估计解算目标位置。研究结果表明,该算法可实现多套水下测控设备的数据融合,可有效提高全域范围的定位精度,且精度高于纯基于波达时间的融合定位算法。     

MIMO-OFDM系统中基于迭代MAP算法的RLS信道估计

该文提出了一种适用于MIMO-OFDM系统的迭代最大后验概率(Iterative-MAP)信道估计算法。接收机利用MAP译码算法中的信息位和校验位软信息,经过非线性映射将信息反馈至信道估计模块,采用递归最小二乘(RLS)自适应滤波算法对信道时变状态参数进行跟踪,提高了信道估计的精度。仿真结果表明,该方法与最小二乘(LS)算法相比,估计的均方误差(MSE)和误帧率(FER)性能都有较大改善。     

基于DOA-TDOA-FDOA的单站无源相干定位代数解

针对利用单站接收多个外辐射源信号实现目标定位的问题,该文提出一种基于两步加权最小二乘的到达角度(DOA)、时差(TDOA)和频差(FDOA)联合定位代数解算法。首先,在第1步加权最小二乘估计中,通过引入辅助参数,将非线性的角度、时差和频差方程转化为伪线性形式,并利用加权最小二乘得到目标位置和速度的粗估计;而后在第2步加权最小二乘估计中利用辅助参数和目标位置参数之间的约束关系来构造另外一组线性方程,并再次利用加权最小二乘得到目标位置和速度的精确估计。推导了联合角度、时差和频差定位的克拉美罗界。理论分析和仿真结果表明,算法在观测误差较小时的定位误差可以达到克拉美罗界。