低精度时间点内插、外推,从而形成一系列等间隔的目标观测数据以进行融合处理。Р§1.2.1.2空间配准算法研究的发展РBurke J1171提出的实时质量控制法(RTQC)采用对每个传感器所测得的数据进行平均处理,然后取平均值作为传感器的观测值。Heung LOs]提出的最小二乘法(Ls)采用对每个传感器所测得的数据运用最小二乘法进行运算处理,取其运算结果作为传感器最终观测值。丽 Dana,MpiT]提出的加权最小二乘法(GLS)只是最小二乘法的一种推广,它是根据传感器所测数据的方差为每个测量值赋予不同的权值,然后运用最小二乘法则进行计算。Р上述三种方法都忽略了传感器测量噪声和各传感器相对于公共坐标系的偏差对传感器配准误差的影响,所以只有当测量噪声很小时,算法的性能才比较好,并且这三种算法都是基于二维区域性平面中立体投影进行的。即是,首先运用立体投影技术把传感器的测量值投影到一个与地球相切的局部传感器坐标平面上,然后转换到区域平面上,最后在此平面上利用不同传感器的不同测量值对传感器的偏差进行估计。这就不可避免地出现误报和配准模型的不准确11”。l。РZhou[IoJ提出的精确极大似然法(EML)是利用传感器在系统平面中的测量值,运用极大似然法则对目标的位置和传感器的偏差同时进行估计,它运用了两步递归优化法来加快估计的收敛速度。精确极大似然法虽然考虑了传感器的测量噪声,但仍是基于二维区域性平面中立体投影进行的,避免不了数据的误报和配准模型的不准确。РZhou,Heung L等口”提出的在地球坐标系中配准方法,先运用测地转换法则‘22431把传感器的测量值转换到地球坐标系中,并把传感器在地球参考坐标系中的偏差归结为传感器本身的偏差,然后运用最小二乘法则对传感器的偏差进行估计。此算法解决了二维区域性平面中立体投影带来的不利影响,但在进行传感器偏差估计时忽略了传感器的测量噪声的影响。
全文预览
