● 摘要
在利用数据融合技术综合处理来自多个传感器的原始信息时，为了提高传感器系统的整体性能，消除系统偏差的影响，需要对传感器进行误差配准。本文主要是以雷达为例，利用多个雷达对同一目标的观测，来实现多雷达误差配准技术的研究。
误差配准模型中包含非线性模型和非高斯噪声，因此选用粒子滤波来解决非线性非高斯问题。研究了粒子滤波的基本原理，针对粒子滤波中粒子退化的缺点，设计了基于重要性密度函数的改进算法和基于重采样技术的改进算法，即辅助粒子滤波（APF）和正则化粒子（RPF）滤波，并将粒子滤波算法及其改进算法与交互式多模型算法组合，得到交互式多模型粒子滤波算法及其改进算法。
针对基于非合作目标的误差离线配准问题，本文采用基于地心地（ECEF）坐标系的广义最小二乘配准算法，将不同雷达的量测转化到地心地坐标下，对得到的测量数据两两相减，可得到观测向量之差的方程式。利用多次的误差向量差值，估计出每个雷达的系统偏差，实现误差的离线配准研究。
针对基于非合作目标的固定平台误差在线配准问题，本文是在基于地心地（ECEF）坐标系下，采用扩展卡尔曼（EKF）滤波算法和正则化粒子滤波算法对误差进行配准。对建立的不同的误差配准模型，设置好仿真场景和参数，分别采用扩展卡尔曼滤波算法和正则化粒子滤波法进行仿真，分析模型和算法的性能及优缺点。
最后，针对基于非合作目标的移动平台误差在线配准问题，本文是选用扩展卡尔曼滤波算法和正则化粒子滤波算法对误差进行配准，理论推导配准算法的合理性，并设置仿真场景和参数，验证该配准算法的有效性。