基于岭最小截平方的传感器稳健配准方法

• 作者: 彭华甫 林晓烘 王雪宝 田威 黄高明
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 传感器配准 系统误差估计 非理想关联 病态性 岭最小截平方
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 1009-1016
• 页数: 8页
• 分类号: TP212
• 字数: 5804字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.05.005

摘要

传感器配准是多传感器数据融合系统获得性能优势的关键前提.受随机噪声、系统误差、虚警、漏报等因素的干扰,传感器配准常常工作在非理想关联环境中,依赖于理想关联假设的传统配准方法性能衰退严重.另一方面,传统传感器配准方法对目标分布场景敏感,当目标密集分布时,配准问题呈现病态性,估计结果数值不稳定.本文重点研究非理想关联及场景病态性共存时的传感器稳健配准问题,提出了系统误差的岭最小截平方(Ridge Least Trimmed Squares,RLTS)估计方法.该方法结合了岭回归(Ridge Regression,RR)与最小截平方(Least Trimmed Squares,LTS)估计的优点,能够有效应对错误关联及病态性的不良影响.仿真实验证实了所提方法的稳健性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄高明	海军工程大学电子工程学院	152	710	12.0	17.0
2	田威	海军工程大学电子工程学院	10	5	1.0	1.0
3	林晓烘	海军工程大学电子工程学院	7	3	1.0	1.0
4	王雪宝	海军工程大学电子工程学院	4	3	1.0	1.0