刘颢 蒲宇清 王海鹏 陈世友 黄友澎
1.武汉数字工程研究所湖北武汉430074 2.哈尔滨工业大学空间科学与应用技术研究院广东深圳518000 3.海军航空大学信息融合所山东烟台264000
现代跟踪与监视系统大都采用多部雷达融合跟踪[1]以改善性能,得到更精确的目标航迹,然而实际上融合后航迹往往达不到理论精度, 其中一个主要原因就是多雷达之间的误差配准问题还没有完全解决.多雷达误差配准包括系统误差估计、误差修正等步骤,其中的关键环节是系统误差估计.
按照误差配准的需要, 系统误差估计算法可分为相对配准算法和绝对配准算法.常见的绝对配准方法有基于统计理论的实时质量控制法[2](Real Time Quality Control,RTQC)、最小二乘法[3−4](Least Square, LS)、极大似然法[5](Estimation of Maximum Likelihood, EML),各种滤波算法如卡尔曼滤波[6−7]、扩展卡尔曼滤波[8]、粒子滤波[9]等方法,同时也包括基于人工智能的神经网络[10]、遗传算法[11−12]等.其中, 实时质量控制法对每个雷达所测得的数据取平均值作为传感器的观测值, 最小二乘法对每个传感器所测得的数据建立线性模型并求其最小二乘解作为传感器最终系统误差估计值, 极大似然法采用两步递归优化法来加快误差估计的收敛速度[13], 这类方法认为系统误差是一个全探测区域的常值函数,造成大多数情况下系统误差校准效果不理想.滤波算法如利用卡尔曼滤波和扩展卡尔曼滤波来估计传感器偏差参数, 或利用非线性的粒子滤波对目标状态和系统误差进行估计……