基于随机模糊神经网络的传感器配准方法

配准不精确是多传感器跟踪系统的一个主要问题。提出了基于神经网络的配准方 法。把随机模糊神经网络用于配准的优点是无需事先知道系统误差特性,所以适用于所有不 同类型传感器。该解决方案的主要优点是同样的网络可以通过训练解决不同类型的系统 误差。     

基于平滑的Wigner-Hough变换的编队目标架次检测

针对常规低分辨雷达无法直接在距离和方位上分辨同一批次中目标的缺陷,在分析了编队目标雷达回波信号的时频特征基础上,提出一种基于平滑的Wigner-Hough变换的编队目标架次检测方案。该方案不仅能精确检测目标架数,而且有很强的抗噪声和抗干扰能力。仿真实验验汪了该方案的有效性,适应于中远程警戒雷达。     

平台级卡尔曼滤波空间配准算法

配准是实现多雷达系统多目标跟踪的一个重要前提。在对现有几种配准方法进行分析与比较的基础上,提出一种基于卡尔曼滤波估计平台级系统偏移的配准算法。最后,对以上算法作了大量的计算机仿真,仿真结果证明了提出算法的有效性。     

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。