CN104237862A - 基于ads-b的概率假设密度滤波雷达***误差融合估计方法 - Google Patents
基于ads-b的概率假设密度滤波雷达***误差融合估计方法 Download PDFInfo
- Publication number
- CN104237862A CN104237862A CN201410475911.XA CN201410475911A CN104237862A CN 104237862 A CN104237862 A CN 104237862A CN 201410475911 A CN201410475911 A CN 201410475911A CN 104237862 A CN104237862 A CN 104237862A
- Authority
- CN
- China
- Prior art keywords
- ads
- radar system
- system error
- radar
- estimation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于ADS-B的概率假设密度滤波雷达***误差融合估计方法。其包括建立基于ADS-B的雷达***误差观测方程;建立雷达***误差状态方程;构造雷达***误差状态和观测有限集;概率假设密度滤波雷达***误差融合估计等阶段。本发明提供的估计方法首先将目标的ADS-B和雷达的观测转换到以雷达为中心的直角坐标系下,由于ADS-B监视精度远远优于雷达定位精度,在不考虑ADS-B定位误差的基础上,建立基于ADS-B的雷达***误差测量方程和状态方程,然后使用概率假设密度滤波器对坐标统一后的ADS-B与雷达的测量差值进行融合估计,进而得到雷达***误差的估计结果。本发明方法具有估计精度高、估计性能好等优点。
Description
技术领域
本发明属于传感器误差配准技术领域,特别是涉及一种基于ADS-B的概率假设密度滤波雷达***误差融合估计方法。
背景技术
雷达观测误差主要分为随机误差和***误差两类。在多雷达融合跟踪***中,雷达***误差估计已成为多雷达融合处理的先决条件,其会直接影响整个***的工作性能。因此需要对雷达***误差进行估计,以此对雷达测量进行相应的补偿,这个过程也称为误差配准。现有的雷达误差估计方法可以归纳为离线估计方法和在线估计方法两类。其中离线估计方法是通过对一段时间的雷达观测数据进行数据拟合,从而估计***误差,如最小二乘方法及最大似然方法等。在线估计方法主要是利用滤波方法实现***误差的递推估计。在线估计方法与离线方法相比具有实现实时误差校正的优点,因此得到的国内外学者的更多关注。2006年Bar-Shalom提出利用Kalman滤波进行***误差估计的方法。2007年Herrero提出一种利用Kalman滤波实现***状态与误差联合估计方法。
无论是基于数据拟合的离线估计方法还是基于滤波的在线估计方法,上述方法都需要满足这样一个假设:目标状态和观测之间的关联关系预先已知。现有的方法如通过最近邻方法(NN)、联合概率数据关联方法(JPDA)等方法获得目标状态和观测之间的关联关系。而对于多目标或密集杂波场景,想要获得准确的关联关系是十分困难的,而且错误的目标状态与观测之间的关联关系将会严重影响***误差估计结果。2003年Mahler在随机有限集理论框架下提出传递目标状态集合的后验概率密度的一阶统计矩的概率假设密度(Probability hypothesis density,PHD)滤波理论。PHD滤波器将复杂的多目标状态空间的运算转换为单目标状态空间内的运算,可有效避免多目标状态估计中复杂的数据关联问题。2006年Vo题出了高斯混合模型PHD(Gaussian Mixture PHD,GM-PHD)滤波器错误!未找到引用源。,给出了线性高斯条件的PHD滤波器的封闭解形式。2009年Vo利用类似扩展Kalman滤波的方法给出了了弱非线性条件下的GM-PHD滤波。
随着全球导航卫星***(GNSS)和空空、空地数据链通信技术的发展,一种新型的航空器运行监视技术—广播式自动相关监视技术(Automatic DependentSurveillance-Broadcast,ADS-B)正在航空器监视中广泛应用。航空器上的ADS-B机载收发信机将本机GPS(Global Positioning System)导航设备获得的本机经度、纬度、速度、时间、高度等数据通过数据链对外广播,ADS-B地面站通过接收有效空域内航空器所发送的广播数据实现对航空器的监视,其定位精度即为机载GPS导航设备的定位精度,远远优于雷达定位精度。因此利用ADS-B进行雷达***误差估计成为该领域新的研究热点。2009年Besada提出了利用ADS-B监视数据对空中交通管理***航管雷达进行误差配准的方法。2013年He You提出利用Kalman滤波及ADS-B监视数据进行雷达***误差估计的方法。但到目前为止尚未发现基于ADS-B的概率假设密度滤波雷达***误差融合估计方法方面的报道。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于ADS-B的概率假设密度滤波雷达***误差融合估计方法。
为了达到上述目的,本发明提供的基于ADS-B的概率假设密度滤波雷达***误差融合估计方法包括按顺序进行的下列步骤:
1)建立基于ADS-B的雷达***误差观测方程的S1阶段;
2)建立雷达***误差状态方程的S2阶段;
3)构造雷达***误差状态和观测有限集的S3阶段;
4)概率假设密度滤波雷达***误差融合估计的S4阶段。
在步骤1)中,所述的建立基于ADS-B的雷达***误差观测方程的方法是利用坐标投影技术首先将目标ADS-B观测值转换到以雷达位置为中心的直角坐标系下,然后将目标雷达极坐标的观测值转换到以雷达站位置为中心的直角坐标系下,在不考虑ADS-B定位误差的基础上,建立基于ADS-B的雷达***误差观测方程,为概率假设密度滤波雷达***误差融合估计做准备。
在步骤2)中,所述的建立雷达***误差状态方程的方法是将雷达的***误差和目标的状态看作两个相互独立的过程,并且假设雷达的***误差服从马尔可夫过程,进而建立雷达***误差状态转移方程,为概率假设密度滤波雷达***误差融合估计做准备。
在步骤3)中,所述的构造雷达***误差状态和观测有限集的方法是认为每一个目标均可获取一组雷达***误差估计值,然后将所有目标的雷达***误差估计值组成雷达***误差状态有限集,且将坐标统一后的任意的雷达观测值与ADS-B观测值的差值作为雷达***误差观测值,以此组成雷达***误差观测有限集。
在步骤4)中,所述的概率假设密度滤波雷达***误差融合估计的方法是使用概率假设密度滤波器对雷达***误差进行融合估计。
本发明提供的基于ADS-B的概率假设密度滤波雷达***误差融合估计方法首先将目标的ADS-B和雷达的观测转换到以雷达为中心的直角坐标系下,由于ADS-B监视精度远远优于雷达定位精度,在不考虑ADS-B定位误差的基础上,建立基于ADS-B的雷达***误差测量方程和状态方程,然后使用概率假设密度滤波器对坐标统一后的ADS-B与雷达的测量差值进行融合估计,进而得到雷达***误差的估计结果。本发明方法具有估计精度高、估计性能好等优点。
附图说明
图1为本发明提供的基于ADS-B的概率假设密度滤波雷达***误差融合估计方法流程图。
图2为目标运动轨迹及观测值。
图3为雷达斜距估计随时间变化曲线图。
图4为雷达方位角估计随时间变化曲线图。
图5为雷达俯仰角估计随时间变化曲线图。
图6为雷达斜距估计均方根误差随时间变化曲线图。
图7为雷达方位角估计均方根误差随时间变化曲线图。
图8为雷达俯仰角估计均方根误差随时间变化曲线图。
图9为雷达***误差校正前后的雷达观测对比图。
具体实施方式
下面结合附图和具体实施例对本发明提供的基于ADS-B的概率假设密度滤波雷达***误差融合估计方法进行详细说明。
图1为本发明提供的基于ADS-B的概率假设密度滤波雷达***误差融合估计方法流程图。其中的全部操作都是在计算机***中完成的,操作的主体均为计算机***。
如图1所示,本发明提供的基于ADS-B的概率假设密度滤波雷达***误差融合估计方法包括按顺序进行的下列步骤:
1)建立基于ADS-B的雷达***误差观测方程的S1阶段:
本阶段是利用坐标投影技术首先将目标的ADS-B观测值转换到以雷达位置为中心的直角坐标系下,然后将目标雷达极坐标的观测值转换到以雷达站位置为中心的直角坐标系下,由于ADS-B监视精度远远优于雷达定位精度,在不考虑ADS-B定位误差的基础上,建立基于ADS-B的雷达***误差观测方程,然后进入下一步S2阶段。
在此阶段中,所述的建立雷达***误差观测方程的具体方法如下:利用ADS-B监视精度即GPS导航设备定位精度远远优于雷达定位精度的优点,假设不考虑ADS-B定位误差,以ADS-B获得的目标位置作为目标位置的真值。由于ADS-B观测数据使用WGS-84大地坐标系获得目标的经度、纬度及高度信息,而雷达观测数据使用以雷达位置为中心的极坐标系获得目标的斜距、方位及俯仰信息。首先将目标ADS-B观测值转换到以雷达位置为中心的直角坐标系下,然后将目标雷达极坐标的观测值转换到以雷达站位置为中心的直角坐标系下,最后将坐标统一后的雷达观测值与ADS-B观测值的差值作为雷达***误差的观测,从而构建起雷达***误差的观测方程。
a、将目标ADS-B观测值转换到以雷达位置为中心的直角坐标系下
首先将目标的ADS-B观测值转换到地心地固(ECEF)坐标系下,然后再转换为以雷达站位置为中心的坐标下的观测值。设ADS-B***获得的k时刻第i个目标的观测为 分别表示目标的经度、纬度及距离海平面的高度。则转换后的ECEF坐标系系观测值为 则:
其中, e为地球的偏心率,Eq为赤道半径。
若雷达站所在位置在WGS-84坐标系下可表示为(LRS,λRS,HRS),则其ECEF坐标系下的位置(ExRS,EyRS,EzRS)同样可以由式(1)获得。
将ECEF坐标系下的目标ADS-B观测值 通过式(2)转换为以雷达站位置为中心的直角坐标下的观测值
其中,TRS为旋转矩阵。
b、将目标雷达极坐标的观测值转换到以雷达站位置为中心的直角坐标系下
雷达观测数据使用以雷达位置为中心的极坐标系获得目标的斜距、方位及俯仰信息。雷达的观测模型可以用式(3)表示:
其中,分别表示k时刻第i个目标的斜距、方位及俯仰的观测值, 分别表示斜距、方位及俯仰对应的真实值,分别表示斜距、方位及俯仰的***误差,分别表示斜距、方位及俯仰的观测噪声。
设雷达k时刻获得的第i个目标的斜距、方位及俯仰分别为转换后以雷达站位置为中心的直角坐标系下的目标观测值为
以雷达斜距、方位及俯仰的***误差作为状态向量,以雷达站位置为中心的直角坐标系下的雷达观测值与ADS-B观测值的差值 作为雷达***误差的观测量,构建观测方程,将式(3)误差模型转换到以雷达站位置为中心的直角坐标系下,可以表示为:
由于ADS-B监视精度远远优于雷达定位精度,在不考虑ADS-B***误差的情况下,假设以ADS-B观测值作为目标位置的真值,即则有:
其中,同理有:
从而得到雷达***误差的观测方程如下:
其中,
表示斜距、方位及俯仰的观测噪声,且nk~N(·,0,Rk)。
2)建立雷达***误差状态方程的S2阶段:
本阶段是将雷达的***误差独立于目标,并且服从马尔可夫过程,从而建立雷达***误差状态转移方程,然后进入下一步S3阶段。
在此阶段中,所述的建立雷达***误差状态方程的具体方法如下。假设雷达***误差独立于目标,且服从马尔可夫过程,则雷达***误差状态转移方程可以表示为:
其中, 表示***噪声,且wk-1~N(·,0,Qk-1)。
3)构造雷达***误差状态和观测有限集的S3阶段:
将雷达的***误差估计和目标的状态估计看作两个相互独立的过程,并且假设雷达的***误差估计服从马尔可夫过程,进而建立雷达***误差状态转移方程,然后进入下一步S4阶段。
在此阶段中,所述的构造雷达***误差状态和观测有限集的具体方法如下。假设监视区域内存在Nk个目标,均配备ADS-B机载设备。其中Mk个目标被雷达观测到(由于雷达有一定的检测概率,一般情况下Nk≥Mk)。
a、构造雷达***误差状态有限集合
以雷达斜距、方位及俯仰的***误差构造误差状态量。对于Mk个被雷达观测到的目标,每一个目标均可获得一组雷达***误差估计值,因此可以构造一个含有Mk个元素的***误差状态集合,即:
其中,F(χ)表示***误差状态的有限集合。
b、构造雷达***误差观测有限集合
假设k时刻在监视区域内存在Nk个配备ADS-B机载设备的目标,则可以获得Nk个目标个ADS-B观测,即:
其中,
同时利用雷达对目标进行观测,获得Mk个目标的雷达观测值,即:
其中,
将Mk个雷达观测值与Nk个ADS-B观测值任意两者之间的差值作为雷达***误差的观测值,构成Mk×Nk个误差观测值集合Zk:
其中,F(Ζ)表示***误差观测的有限集合。
对于雷达***误差来说,在Mk×Nk个误差观测值中,只有Mk个来自同一目标的雷达观测值与ADS-B观测值的差值才能作为正确的误差观测来更新雷达***误差的估计,而其余的Mk×(Nk-1)则应将其视为杂波观测。这样避免了传统滤波方法需利用数据关联技术获得同一目标的雷达观测与ADS-B观测对的过程。
4)概率假设密度滤波雷达***误差融合估计的S4阶段:
本阶段使用概率假设密度滤波器对雷达***误差进行融合估计。
在此阶段中,所述的概率假设密度滤波雷达***误差融合估计的具体方法如下。
a、以雷达斜距、方位及俯仰的***误差构造误差状态向量,假设k-1时刻的误差强度函数为υk-1(x):
b、预测步:
预测目标强度函数得到υk|k-1(x),由于假设雷达***误差始终存在且不变,因此不存在新生状态,且存活概率pS,k=1,即:
其中,
c、更新步:
以雷达观测值与ADS-B观测值的差值构建观测有限集合进行雷达***误差估计更新:
其中,
λ为杂波数,可由下式估计获得:
其中,Nk为k时刻获得的目标ADS-B观测数,Mk为k时刻获得的目标雷达观测数。c(z)为杂波分布函数,这里假设服从观测空间的均匀分布。
d、对更新获得的***误差状态的强度函数υk|k(x)的高斯项进行裁剪合并获得目标状态估计,方法与GM-PHD算法相同。
e、对获得的多个雷达***误差估计值进行加权融合:
本发明提供的基于ADS-B的概率假设密度滤波雷达***误差融合估计方法的效果可以通过以下仿真结果进一步说明。
仿真数据描述:实验设置在一个[-10000,10000]×[-10000,10000]的监视区域,5个目标运动(如图2所示),采样周期T=1s,仿真100步,***误差状态向量为其中分别表示斜距、方位、俯仰对应的误差值,雷达检测概率为PD,k=PD=0.95,误差存活概率为PS,k=PS=1。观测噪声nk~N(.;0,Rk),其中,1σn=[50,0.005,0.005]T。***噪声wk~N(.;0,Qk),其中,方差σw=[20,0.002,0.002]T。高斯项修剪阈值为T=10-5,合并门限U=4,高斯项最大个数Jmax=100,实验运行环境为Intel Core2 Quad CPU 2.66GHz,2GB内存,仿真软件为MatlabR2010a。
图2为5个目标的运动轨迹及观测,其中,‘——’为目标真实运动轨迹,‘—*—’为目标ADS-B观测,‘—△—’为目标雷达观测。
图3为雷达斜距估计随时间变化曲线图,图4为雷达俯仰角估计随时间变化曲线图,图5为雷达方位角估计随时间变化曲线图。其中,‘——’为误差真值,‘—*—’为采用本发明方法的估计结果。
图6为雷达斜距估计均方根误差随时间变化曲线图,图7为雷达俯仰角估计均方根误差随时间变化曲线图,图8为雷达方位角估计均方根误差随时间变化曲线图。其中,‘—*—’为采用本发明方法估计的均方根误差。
图9为雷达***误差校正前后的雷达观测对比图,从图中可以看出,误差校正后的雷达观测接近目标真实的运动轨迹。
Claims (5)
1.一种基于ADS-B的概率假设密度滤波雷达***误差融合估计方法,其特征在于:所述的一种基于ADS-B的概率假设密度滤波雷达***误差融合估计方法包括按顺序进行的下列步骤:
1)建立基于ADS-B的雷达***误差观测方程的S1阶段;
2)建立雷达***误差状态方程的S2阶段;
3)构造雷达***误差状态和观测有限集的S3阶段;
4)概率假设密度滤波雷达***误差融合估计的S4阶段。
2.根据权利要求1所述的基于ADS-B的概率假设密度滤波雷达***误差融合估计方法,其特征在于:在步骤1)中,所述的建立基于ADS-B的雷达***误差观测方程的方法是利用坐标投影技术首先将目标ADS-B观测值转换到以雷达位置为中心的直角坐标系下,然后将目标雷达极坐标的观测值转换到以雷达站位置为中心的直角坐标系下,在不考虑ADS-B定位误差的基础上,建立基于ADS-B的雷达***误差观测方程,为概率假设密度滤波雷达***误差融合估计做准备。
3.根据权利要求1所述的基于ADS-B的概率假设密度滤波雷达***误差融合估计方法,其特征在于:在步骤2)中,所述的建立雷达***误差状态方程的方法是将雷达的***误差和目标的状态看作两个相互独立的过程,并且假设雷达的***误差服从马尔可夫过程,进而建立雷达***误差状态转移方程,为概率假设密度滤波雷达***误差融合估计做准备。
4.根据权利要求1所述的基于ADS-B的概率假设密度滤波雷达***误差融合估计方法,其特征在于:在步骤3)中,所述的构造雷达***误差状态和观测有限集的方法是认为每一个目标均可获取一组雷达***误差估计值,然后将所有目标的雷达***误差估计值组成雷达***误差状态有限集,且将坐标统一后的任意的雷达观测值与ADS-B观测值的差值作为雷达***误差观测值,以此组成雷达***误差观测有限集。
5.根据权利要求1所述的基于ADS-B的概率假设密度滤波雷达***误差融合估计方法,其特征在于:在步骤4)中,所述的概率假设密度滤波雷达***误差融合估计的方法是使用概率假设密度滤波器对雷达***误差进行融合估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410475911.XA CN104237862B (zh) | 2014-09-18 | 2014-09-18 | 基于ads‑b的概率假设密度滤波雷达***误差融合估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410475911.XA CN104237862B (zh) | 2014-09-18 | 2014-09-18 | 基于ads‑b的概率假设密度滤波雷达***误差融合估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104237862A true CN104237862A (zh) | 2014-12-24 |
CN104237862B CN104237862B (zh) | 2017-01-11 |
Family
ID=52226321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410475911.XA Expired - Fee Related CN104237862B (zh) | 2014-09-18 | 2014-09-18 | 基于ads‑b的概率假设密度滤波雷达***误差融合估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104237862B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104849702A (zh) * | 2015-04-30 | 2015-08-19 | 中国民航大学 | 利用ads-b数据的gm-ephd滤波雷达***误差联合估计方法 |
CN105116391A (zh) * | 2015-08-05 | 2015-12-02 | 中国人民解放军海军航空工程学院 | 面向海用雷达误差标定的有效目标序列集联合分析方法 |
CN106168662A (zh) * | 2016-07-26 | 2016-11-30 | 中国人民解放军海军航空工程学院 | 基于极大似然估计的被动传感器的误差配准方法及装置 |
CN107271992A (zh) * | 2017-06-01 | 2017-10-20 | 无锡孚嘉航海科技有限公司 | 一种高频雷达空中目标高度估测***及其估测方法 |
CN107390191A (zh) * | 2017-05-23 | 2017-11-24 | 中国民航大学 | 一种ecef坐标系下概率假设密度滤波雷达空间误差配准方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587652A (zh) * | 2009-06-10 | 2009-11-25 | 民航数据通信有限责任公司 | 基于不完全观测的信息处理方法和*** |
CN102692621A (zh) * | 2012-05-23 | 2012-09-26 | 中国人民解放军海军航空工程学院 | 一种ads-b与雷达的联合***误差估计方法 |
KR20140060135A (ko) * | 2012-11-09 | 2014-05-19 | 인하대학교 산학협력단 | Ads-b 시스템 및 ads-b 정보 처리 방법 |
-
2014
- 2014-09-18 CN CN201410475911.XA patent/CN104237862B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587652A (zh) * | 2009-06-10 | 2009-11-25 | 民航数据通信有限责任公司 | 基于不完全观测的信息处理方法和*** |
CN102692621A (zh) * | 2012-05-23 | 2012-09-26 | 中国人民解放军海军航空工程学院 | 一种ads-b与雷达的联合***误差估计方法 |
KR20140060135A (ko) * | 2012-11-09 | 2014-05-19 | 인하대학교 산학협력단 | Ads-b 시스템 및 ads-b 정보 처리 방법 |
Non-Patent Citations (3)
Title |
---|
BA-NGU VO,WING-KIN MA: "The Gaussian Mixture Probability Hypothesis Density Filter", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
HE YOU: "Joint systematic error estimation algorithm for radar and automatic dependent surveillance broadcasting", 《RADAR, SONAR & NAVIGATION, IET》 * |
吴振亚 等: "一种基于ADS-B的雷达误差实时融合校正算法", 《西南交通大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104849702A (zh) * | 2015-04-30 | 2015-08-19 | 中国民航大学 | 利用ads-b数据的gm-ephd滤波雷达***误差联合估计方法 |
CN104849702B (zh) * | 2015-04-30 | 2017-10-27 | 中国民航大学 | 利用ads‑b数据的gm‑ephd滤波雷达***误差联合估计方法 |
CN105116391A (zh) * | 2015-08-05 | 2015-12-02 | 中国人民解放军海军航空工程学院 | 面向海用雷达误差标定的有效目标序列集联合分析方法 |
CN106168662A (zh) * | 2016-07-26 | 2016-11-30 | 中国人民解放军海军航空工程学院 | 基于极大似然估计的被动传感器的误差配准方法及装置 |
CN107390191A (zh) * | 2017-05-23 | 2017-11-24 | 中国民航大学 | 一种ecef坐标系下概率假设密度滤波雷达空间误差配准方法 |
CN107271992A (zh) * | 2017-06-01 | 2017-10-20 | 无锡孚嘉航海科技有限公司 | 一种高频雷达空中目标高度估测***及其估测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104237862B (zh) | 2017-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hsu | GNSS multipath detection using a machine learning approach | |
CN104849702B (zh) | 利用ads‑b数据的gm‑ephd滤波雷达***误差联合估计方法 | |
CN104406605B (zh) | 机载多导航源综合导航仿真*** | |
CN101285686B (zh) | 一种农业机械导航分级定位的方法和*** | |
CN104237862B (zh) | 基于ads‑b的概率假设密度滤波雷达***误差融合估计方法 | |
CN108061889A (zh) | Ais与雷达角度***偏差的关联方法 | |
CN101839976B (zh) | 利用北斗一号终端进行雷达***误差估计的方法 | |
CN102692621A (zh) | 一种ads-b与雷达的联合***误差估计方法 | |
CN105093198A (zh) | 一种分布式外辐射源雷达组网探测的航迹融合方法 | |
Liang et al. | UAV-aided positioning systems for ground devices: Fundamental limits and algorithms | |
CN110068793A (zh) | 一种定位跟踪方法 | |
CN104535993A (zh) | 一种机载多主动雷达测距的地面物体高精度定位方法 | |
Ghanem et al. | Testing vehicle-to-vehicle relative position and attitude estimation using multiple UWB ranging | |
Ouyang et al. | Cooperative navigation of UAVs in GNSS-denied area with colored RSSI measurements | |
Liu et al. | Pseudolite constellation optimization for seamless train positioning in GNSS-challenged railway stations | |
Dasanayaka et al. | Analysis of vehicle location prediction errors for safety applications in cooperative-intelligent transportation systems | |
CN104820221A (zh) | 多基合成孔径雷达的目标三维定位方法 | |
Hsu et al. | Intelligent viaduct recognition and driving altitude determination using GPS data | |
Rathinam et al. | A multiple vehicle path covering problem with localization constraints: Formulation and algorithms | |
Lee et al. | Development of confidence bound visualization tool for LTE-based UAV surveillance in urban areas | |
Anderson et al. | Networked radar systems for cooperative tracking of UAVs | |
Kauffman et al. | Simulation study of UWB-OFDM SAR for navigation with INS integration | |
CN113933876B (zh) | 多星通讯时差定位数据融合处理方法 | |
CN104330772B (zh) | 基于多向寻优的全跟踪式ukf滤波算法的双站定位方法 | |
Jiang et al. | Augmentation of carrier-phase DGPS with UWB ranges for relative vehicle positioning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170111 Termination date: 20200918 |
|
CF01 | Termination of patent right due to non-payment of annual fee |