一种两站交叉定位算法
合集下载
gccphat函数
gccphat函数
gccphat函数是一种用于实时音频信号处理的算法，主要用于声音定位和跟踪。
此算法是基于交叉相关函数（cross-correlation function）的泛化版本，其于1981年被发表于论文《Generalized Cross-Correlation for Time-Delay Estimation》中。
在实际应用中，gccphat函数已被广泛应用于音频处理领域，例如语音识别、检测和定位系统等。
gccphat函数是一种用于计算声音延迟方法的算法，其基本思想是通过比较两个声音信号间的交叉相关函数来计算它们之间的延迟时间。
这个算法的关键步骤是通过将两个信号相乘再正则化得到一个带有相
位信息的交叉相关函数。
然后在将这个交叉相关函数进行峰值检测，
根据峰值的位置来确定两个声音信号的延迟时间。
相比于传统的交叉
相关函数方法，gccphat函数通过正则化使相位信息得到更好的保存，从而在峰值检测方面能够获得更好的成果。
比较常见的使用情况是在定位和跟踪声源方面。
这种算法已成功
地应用于可能出现多个声源的复杂环境中。
可以通过在不同的麦克风
阵列中使用不同的延迟信号和其他技术来提高算法的性能。
除此之外，在语音处理和音频信号处理领域都可以通过此方法来定位和跟踪声源。
总之，gccphat函数是一种高效的算法，旨在通过交叉相关函数的泛化实现两个声音信号间的延迟计算。
它已被广泛应用于语音识别、
检测和定位系统等不同领域。
无论在竞争激烈的市场环境中，gccphat
函数都赢得了极佳的声誉，被人们视为一种广泛使用的实时声音信号
处理算法。
一种基于单个移动信标的分布式节点定位算法
Ｋ ｙ Ｗ ｏ ｄ ｗｉ ｌ ｓ ｅ ｓ ｒｎ ｔ ｒ ｓ Ｗ Ｓ ） ｉｔ ｉ ｕ ｅ ｏ ａ ｉ ｔ ｎ ａｇ ｒｔ ｍ ，ｍｏ ｉ ｎ ｈ ｒ ｅ ｒｓ ｒ ｅ ｓ ｓ ｎ ｏ ｅ ｗｏ ｋ （ ｅ Ｎｓ ，ｄ ｓ ｒｂ ｔ ｄ ｌｃ ｌ ａ ｉ ｌ ｏ ｉ ｚ ｏ ｈ ｂｌ ａ ｃ ｏ ｅ
硬件 要求 比较 高 ， 外 ， 号 强 度 规 律 受 环 境 影 响 另 信
度 进行 测距 ， 需在 节点上 额外 添加 附件 。 无
收 稿 日期 ：００年 １ 月 ２ ２１ １ ６日， 回 日期 ：０ ０年 １ 修 ２１ ２月 ２ 日 ８
作 者简 介 ： 伟 ， ， 理 工 程 师 ， 究 方 向 ： 子 装 备 技术 。 张 男 助 研 电
有必要 减少 节 点 定 位过 程 中的 信标 数 目。如 果 信 标可 以移 动并且 周 期 性 的发 送 自身 位置 信 息 给周
围的未 知节 点 ， 么单个 的信标 就足够 了。 那 本 文提 出了 一种 基 于单 个 移 动信 标 的分 布式 节 点定 位算法 ， 传 感 器 网 络 布设 之 后 ， 据单 个 在 根
ＣＩ ｓ ｍ ｂ ｒ ＴＰ ９ ． ａ ｓ Ｎｕ ｅ ３１９
１ 引言
大规 模 集 成 电 路 、 ＭＳ和通 信 理 论 的成 熟 ＭＥ
较大从 而影 响定 位 效果 ； 而利 用 非 测 距算 法 ， 需 不 要距 离 或角度信 息 ， 每个节 点分 别进 行计 算 。精 度
和通信 量是非测 距算法 面 临的 主要 问题 。
【） ａ 【 ｂ）
其 中 ， ＤＦ麟 未 知 节 点 和 信 标 节 点 之 间距 离 的 Ｐ 是
似然概 率 分 布 函数 ， ， ，． ｉ ｙ ． 限 制 区 ｚ ｚ ｙ ｍ 是 、
硬件 要求 比较 高 ， 外 ， 号 强 度 规 律 受 环 境 影 响 另 信
度 进行 测距 ， 需在 节点上 额外 添加 附件 。 无
收 稿 日期 ：００年 １ 月 ２ ２１ １ ６日， 回 日期 ：０ ０年 １ 修 ２１ ２月 ２ 日 ８
作 者简 介 ： 伟 ， ， 理 工 程 师 ， 究 方 向 ： 子 装 备 技术 。 张 男 助 研 电
有必要 减少 节 点 定 位过 程 中的 信标 数 目。如 果 信 标可 以移 动并且 周 期 性 的发 送 自身 位置 信 息 给周
围的未 知节 点 ， 么单个 的信标 就足够 了。 那 本 文提 出了 一种 基 于单 个 移 动信 标 的分 布式 节 点定 位算法 ， 传 感 器 网 络 布设 之 后 ， 据单 个 在 根
ＣＩ ｓ ｍ ｂ ｒ ＴＰ ９ ． ａ ｓ Ｎｕ ｅ ３１９
１ 引言
大规 模 集 成 电 路 、 ＭＳ和通 信 理 论 的成 熟 ＭＥ
较大从 而影 响定 位 效果 ； 而利 用 非 测 距算 法 ， 需 不 要距 离 或角度信 息 ， 每个节 点分 别进 行计 算 。精 度
和通信 量是非测 距算法 面 临的 主要 问题 。
【） ａ 【 ｂ）
其 中 ， ＤＦ麟 未 知 节 点 和 信 标 节 点 之 间距 离 的 Ｐ 是
似然概 率 分 布 函数 ， ， ，． ｉ ｙ ． 限 制 区 ｚ ｚ ｙ ｍ 是 、
第八讲测速和定位技术(一、二)
②查询应答器或轨道环线 采用轨道电路载频变化对测距进行各种修正 和校准存在一些问题。首先在整条线路上不可能 完全做到载频交叉，这样就可能在分区变化时得 不到定位校正；其次车载设备接收绝缘节信息的 延迟较长，造成校正信息的提供不及时，甚至造 成多绝缘节或少绝缘节的差错情况，使测距系统 混乱。因此在列车运行自动控制系统测距定位中 采用查询应答器或轨道环线的方法解决测距的校 正和准确定位 。
②滑行校正 若现在的列车速度和 1s 前的列车速度的差值 （减速度）过大，如图 5-21 所示，图中速度曲线的 尖峰部分，超过了滑行判定加速度，列控车载设备认 为出现了滑行，并对列车速度进行校正。 校正方法：把滑行校正减速度默认为当前减速度， 得出校正速度 v ，当来自速度传感器的检测速度值高 于校正速度 v ，校正结束。
（1）测速电机方式 测速电机包括一个齿轮和两组带有永久磁铁 的线圈。齿轮固定在机车轮轴上，随车轮转动。
线圈固定在轴箱上。轮轴转动，带动齿轮切割磁
力线，在线圈上产生感应电动势，其频率与列车 速度（齿轮的转速）成正比。这样列车的速度信 息就包含在感应电动势的频率特征里。经过频率 -电压变化后，把列车实际运行的速度变换为电
为了使地面控制中心和列车本身获知列车当前位置和
向顾客提供信息，必须精确地确定列车的位置。因此，对 任何性能良好的列车定位与导航系统来说，精确、可靠的
测距定位是必要的先决条件。
定位是指确定地球表面上车辆的坐标。 位置是指车辆相对于路标或其他地面特征 （如道路）的方位。 通常采用三种定位技术：独立定位技术、
单独的相对传感器不能提供相对于参考坐标
系的绝对方向和位置。相反，绝对传感器可提供
相对于大地的车辆位置信息。
提供绝对位置信息的最常用技术是 GPS 定
一种改进的基于TDOA的三维多点定位技术
仿真1：对于每个传感器，TDOA的测量噪声服从相互独立的高 斯分布，标准差为10ns。对于每一个点每次仿真3000次，并求平均的 GDOP值。图2所示的是改进的TDOA多点定位算法的GDOP（几何精 度因子）三维视角示意图。从图中可以看到在几个传感器附近的范围 定位精度很高；而矩形的对角线附近的区域GDOP较差。
参考文献：
[1]马芝，云计算在IC设计中的应用，电子产品世界， （2011.8），P32-33,45
[2]云计算技术发展及应用探讨[R/OL].(2010-6-10) ，http://www.
作者简介：徐君怡（1978-），男，浙江嘉兴人，本科，北京工商 大学，信息主管，助理工程师，苏州华芯微电子股份有限公司，研究方 向：计算机应用及网络
[1] 吕小平, MDS技术在我国民用航空的应用探讨[J].空中交通管理, 2006, 23(9): 4-11
[2] 王洪, 刘昌忠等. 一种多点定位的目标位置精确解算方法. 航空 学报, 2011, Vol.32 No.7 1269-1274.
[3] 易云清, 徐汉林. 时差定位模型与定位精度分析. 电子对抗技术. 2010(3): 0016-05
仿真2：在保证改进的“矩阵伪逆-泰勒展开”的GDOP误差小于 “泰勒展开”的GDOP误差的情况下，对两种算法的迭代次数随着收 敛门限 的变化规律进行仿真。对于每一个点每次仿真运行3000次，并 求平均的迭代次数。运行的结果如图3所示，相比于“泰勒展开”， “矩阵伪逆-泰勒展开”在迭代次数的减少上取得了不错的性能提 高。因为泰勒展开的初始点并不是随机的，而是一个接近目标位置的
166
[7] Chan Y T, Ho L C. A simple and efficient estimator for hyperbolic location[J]. IEEE Transaction on Signal Processing, 1994, 42(8): 1905-1915.
参考文献：
[1]马芝，云计算在IC设计中的应用，电子产品世界， （2011.8），P32-33,45
[2]云计算技术发展及应用探讨[R/OL].(2010-6-10) ，http://www.
作者简介：徐君怡（1978-），男，浙江嘉兴人，本科，北京工商 大学，信息主管，助理工程师，苏州华芯微电子股份有限公司，研究方 向：计算机应用及网络
[1] 吕小平, MDS技术在我国民用航空的应用探讨[J].空中交通管理, 2006, 23(9): 4-11
[2] 王洪, 刘昌忠等. 一种多点定位的目标位置精确解算方法. 航空 学报, 2011, Vol.32 No.7 1269-1274.
[3] 易云清, 徐汉林. 时差定位模型与定位精度分析. 电子对抗技术. 2010(3): 0016-05
仿真2：在保证改进的“矩阵伪逆-泰勒展开”的GDOP误差小于 “泰勒展开”的GDOP误差的情况下，对两种算法的迭代次数随着收 敛门限 的变化规律进行仿真。对于每一个点每次仿真运行3000次，并 求平均的迭代次数。运行的结果如图3所示，相比于“泰勒展开”， “矩阵伪逆-泰勒展开”在迭代次数的减少上取得了不错的性能提 高。因为泰勒展开的初始点并不是随机的，而是一个接近目标位置的
166
[7] Chan Y T, Ho L C. A simple and efficient estimator for hyperbolic location[J]. IEEE Transaction on Signal Processing, 1994, 42(8): 1905-1915.
一种三站时差定位的布站优化算法
一种三站时差定位的布站优化算法曾辉;曾芳玲;谷玉祥【摘要】测量站的布站直接影响时差定位目标的定位精度.针对一定区域目标整体定位精度的优化,提出了一种三站时差定位的布站优化算法.以水平定位精度因子(HDOP)为定位精度的度量准则,建立布站优化问题的多目标规划数学模型,通过构造最小最大评价函数,求解模型的最优解,从而得到三站时差定位的最优布站.仿真给出了该布站优化算法对某种初始布站进行优化前后两种布站的HDOP分布图.由仿真结果可以看出,相对于初始布站,最优布站对目标区定位精度的提高较为明显,验证了这种布站优化算法的有效性.【期刊名称】《电讯技术》【年(卷),期】2010(050)005【总页数】5页(P18-22)【关键词】三站时差定位;多目标规划;布站优化;评价函数【作者】曾辉;曾芳玲;谷玉祥【作者单位】解放军电子工程学院,合肥,230037;解放军61764部队,海南,三亚,572013;解放军电子工程学院,合肥,230037;解放军61764部队,海南,三亚,572013【正文语种】中文【中图分类】TN9711 引言三站时差定位是一种无源定位方法，利用目标位于地球表面的约束，结合三站分别对目标进行时差测量形成的两路时差数据，实现对目标的三维定位。
因其具有无源被动工作、定位精度高[1-2]等优点，在雷达、无线通信定位[3]、水声定位[4]等领域得到了广泛应用。
对于时差定位系统，目标的定位误差是与目标相对于测量站的几何关系密切相关的[1,5]。
因此，在时差测量误差及测量站站址误差等误差因素一定的情况下，对测量站布站进行优化，是提高定位精度的有效手段。
目前的文献多是对时差定位精度与布站关系的研究，定性地选择某种布站形式为最优布站[5-6]。
本文以提高一定的目标区域的整体定位精度为目标，运用基于多目标规划的最优化算法建立数学模型，构造最小最大评价函数，以使目标区的最大水平定位精度因子(HDOP)最小的布站为最优布站。
空间四站时差定位算法及其性能分析
中 图 分 类 号 ： ＴＮ９７ ５ 文 献 标 识 码 ： Ａ 文 章 编 号 ： １０ —３６ （０ ２０ —０ １ —０ ０ ７ ２ ４ ２ １ ）２ ０ ３ ５
ｔ ｎ ｔ ｏ ｒｓ ａ ｅｓａｉｎ ｎ ｅｆ ｌ ｗｉｈ ｆ ｕ ｐ ｃ ｔｔｏ ｓａ ｄ ｐ ｒ￣ ｕ ＹＡＮＧ ｉ Ｊｅ
Ａｂ ｔａ ｔ Ｆ ｒｔ ｅｐ ｏ ｌｍ ｆＴＤ０ Ａ ｏ ａｉｎ ｗｉｈ ｆｕ ｔｔｏ ｓ ｉｅ ｔｌｃ ｔｏ ｏ ｕ ｉｎ ａｇ － ｓｒ ｃ ： ｏ ｈ ｒ ｂｅ ｏ ｌｅ ｔｏ ｔ ｏ ｒｓａｉｎ ，ａｄｒ ｃ ｏ ａｉｎ ｓ ｌｔｏ ｌｏ ｒｔ ｍ ｓｐ ｏ ｏ ｅ ． Ｉ ｉｓ ｘ ｒ ｓ ｅ ｈ ａ ｇ ｔｃ ｏ ｄｎ ｔｓａ ｈ ａ ｉａ ａ ｇ ｑ ａ ｉｎ ｅａ ｉｅ ｉｈ ｉ ｒ ｐ ｓ ｄ ｔｆ ｔｅ ｐ ｅ ｓ ｓｔ ｅｔ ｒ ｅ ｏ ｒ ｉａ ｅ ｓｔ ｅ ｒｄ ｃ ｌ ｎ ｅｅ ｕ ｔｏ ｓｒｌｔｖ ｒ ｒ ｔ ｈ ｅｅｅ ｃ ｔｔｏ ｏ ｔ ｅｒ ｆｒ ｎ ｅｓ ａｉｎ，ａ ｄｔ ｅ ｏｖ ｓｔ ｅｅ ｕ ｔ ｎ ｏｇ ｔｔ ｅｒ ｄｃ ｌ ａ ｇ ．Ｓ ｈ ｓ ｉ ａｉｎ ｎ ｈ ｎ ｓ ｌ ｅ ｈ ｑ ａ ｉ ｓｔ ｅ ｈ ａ ｉａ ｎ ｅ ｏｔ ｅｅ ｔ ｔｏ ｏ ｒ ｍ
＝
故 有
ｒ＋ Ｔ ｏ＝ ２ ｏ ｚｒ ， ｒ ＋ ｌ
因此有
（ ｒ ＋ △ ｛△ｒ ２ｏ ｒ ） ｉ—
Ｅｘ一 （ ｉ ２ ｚ ＋ ｏ］Ｉ 一 ） ） （０ ＋ ｚ
＋ 鞫， ｎ ｚ ｒ ｏ ｌ
将该式带入式（） ｒ 的表达式， １中 ｏ 可得
（ ＋ ｒ － ｙ ） ＋ （ ＋ ｒ 一 ） ２ ２ ｏ ０ ３ ３ ｏ ，
（ ｎ ｅ ｆ ｒｎｅ ＲＤ ， Ｒａｇ ｆ ｅｃ， ） 到达两 个接 收站 的距 离差 Ｄｉｅ 为 常数 的 可能 目标位 置 为 一 条 双 曲线 （ 双 曲 面 ） 或 ，
ｔ ｎ ｔ ｏ ｒｓ ａ ｅｓａｉｎ ｎ ｅｆ ｌ ｗｉｈ ｆ ｕ ｐ ｃ ｔｔｏ ｓａ ｄ ｐ ｒ￣ ｕ ＹＡＮＧ ｉ Ｊｅ
Ａｂ ｔａ ｔ Ｆ ｒｔ ｅｐ ｏ ｌｍ ｆＴＤ０ Ａ ｏ ａｉｎ ｗｉｈ ｆｕ ｔｔｏ ｓ ｉｅ ｔｌｃ ｔｏ ｏ ｕ ｉｎ ａｇ － ｓｒ ｃ ： ｏ ｈ ｒ ｂｅ ｏ ｌｅ ｔｏ ｔ ｏ ｒｓａｉｎ ，ａｄｒ ｃ ｏ ａｉｎ ｓ ｌｔｏ ｌｏ ｒｔ ｍ ｓｐ ｏ ｏ ｅ ． Ｉ ｉｓ ｘ ｒ ｓ ｅ ｈ ａ ｇ ｔｃ ｏ ｄｎ ｔｓａ ｈ ａ ｉａ ａ ｇ ｑ ａ ｉｎ ｅａ ｉｅ ｉｈ ｉ ｒ ｐ ｓ ｄ ｔｆ ｔｅ ｐ ｅ ｓ ｓｔ ｅｔ ｒ ｅ ｏ ｒ ｉａ ｅ ｓｔ ｅ ｒｄ ｃ ｌ ｎ ｅｅ ｕ ｔｏ ｓｒｌｔｖ ｒ ｒ ｔ ｈ ｅｅｅ ｃ ｔｔｏ ｏ ｔ ｅｒ ｆｒ ｎ ｅｓ ａｉｎ，ａ ｄｔ ｅ ｏｖ ｓｔ ｅｅ ｕ ｔ ｎ ｏｇ ｔｔ ｅｒ ｄｃ ｌ ａ ｇ ．Ｓ ｈ ｓ ｉ ａｉｎ ｎ ｈ ｎ ｓ ｌ ｅ ｈ ｑ ａ ｉ ｓｔ ｅ ｈ ａ ｉａ ｎ ｅ ｏｔ ｅｅ ｔ ｔｏ ｏ ｒ ｍ
＝
故 有
ｒ＋ Ｔ ｏ＝ ２ ｏ ｚｒ ， ｒ ＋ ｌ
因此有
（ ｒ ＋ △ ｛△ｒ ２ｏ ｒ ） ｉ—
Ｅｘ一 （ ｉ ２ ｚ ＋ ｏ］Ｉ 一 ） ） （０ ＋ ｚ
＋ 鞫， ｎ ｚ ｒ ｏ ｌ
将该式带入式（） ｒ 的表达式， １中 ｏ 可得
（ ＋ ｒ － ｙ ） ＋ （ ＋ ｒ 一 ） ２ ２ ｏ ０ ３ ３ ｏ ，
（ ｎ ｅ ｆ ｒｎｅ ＲＤ ， Ｒａｇ ｆ ｅｃ， ） 到达两 个接 收站 的距 离差 Ｄｉｅ 为 常数 的 可能 目标位 置 为 一 条 双 曲线 （ 双 曲 面 ） 或 ，
一种伪卫星网络双天线双频定位算法
【正文语种】中 文
【中图分类】TN929.5
0 引 言
近几十年，全球卫星导航系统（Global Navigation Satellite System，GNSS）应用非常广泛。对于高楼密集区的地区和位于深山峡谷中的水库大坝等，由于卫星信号受到遮挡，接收机观测到的卫星数较少，卫星几何图形分布不佳，导致卫星定位精度大大降低。此外，应用卫星定位技术进行精密测量，目前在水平方向的定位精度可达到毫米级；但在垂直方向，卫星定位精度较差，难以满足高精度测量的要求。伪卫星定位技术成为一条解决上述卫星导航和定位现存问题的有效途径。
则n个历元误差协方差阵为：
利用加权最小二乘算法[11]得到整周模糊度的浮点解为：
其中N0=[ANN ACC]，权矩阵
运用加权最小二乘算法得到模糊度浮点解 的同时，也得到估计矢量的协方差矩阵M：
在模糊度浮点解和其协方差矩阵都已知的情况下，运用LAMBDA算法得到其整数解，LAMBDA算法原理如下[12]：
一种伪卫星网络双天线双频定位算法
吴千爽;邓平
【摘 要】伪卫星技术无论在独立组网定位还是与卫星系统组合定位方面都有重要应用,基于频率与空间分集原理,提出了一种伪卫星双频定位算法,利用伪卫星上的双天线分别发射不同频率导航定位信号,定位接收机收到信号后建立双频载波相位观测方程,经过线性化处理,再分别运用加权最小二乘算法及LAMBDA算法得到模糊度整数解,并确定接收机的准确位置.仿真实验表明,与单频定位算法相比,该算法可以显著提高伪卫星系统的定位精度.
本文提出了一种模糊度的双天线双频解算方法。该算法首先在伪卫星定位网络收发机双天线设计的基础上得到双频单差载波相位观测方程；其次将观测方程线性化，利用加权最小二乘算法得到整周模糊度的浮点解；再通过LAMBDA算法得到模糊度整数解，并进一步得到接收机的准确坐标。
【中图分类】TN929.5
0 引 言
近几十年，全球卫星导航系统（Global Navigation Satellite System，GNSS）应用非常广泛。对于高楼密集区的地区和位于深山峡谷中的水库大坝等，由于卫星信号受到遮挡，接收机观测到的卫星数较少，卫星几何图形分布不佳，导致卫星定位精度大大降低。此外，应用卫星定位技术进行精密测量，目前在水平方向的定位精度可达到毫米级；但在垂直方向，卫星定位精度较差，难以满足高精度测量的要求。伪卫星定位技术成为一条解决上述卫星导航和定位现存问题的有效途径。
则n个历元误差协方差阵为：
利用加权最小二乘算法[11]得到整周模糊度的浮点解为：
其中N0=[ANN ACC]，权矩阵
运用加权最小二乘算法得到模糊度浮点解 的同时，也得到估计矢量的协方差矩阵M：
在模糊度浮点解和其协方差矩阵都已知的情况下，运用LAMBDA算法得到其整数解，LAMBDA算法原理如下[12]：
一种伪卫星网络双天线双频定位算法
吴千爽;邓平
【摘 要】伪卫星技术无论在独立组网定位还是与卫星系统组合定位方面都有重要应用,基于频率与空间分集原理,提出了一种伪卫星双频定位算法,利用伪卫星上的双天线分别发射不同频率导航定位信号,定位接收机收到信号后建立双频载波相位观测方程,经过线性化处理,再分别运用加权最小二乘算法及LAMBDA算法得到模糊度整数解,并确定接收机的准确位置.仿真实验表明,与单频定位算法相比,该算法可以显著提高伪卫星系统的定位精度.
本文提出了一种模糊度的双天线双频解算方法。该算法首先在伪卫星定位网络收发机双天线设计的基础上得到双频单差载波相位观测方程；其次将观测方程线性化，利用加权最小二乘算法得到整周模糊度的浮点解；再通过LAMBDA算法得到模糊度整数解，并进一步得到接收机的准确坐标。
一种复杂背景下车牌定位算法_赵大伟
MGD = Gmax － Gmin 对应于图 3 中的梯度曲线的最大梯度差曲线如 图 4 所示。
图 2 二值化后的图像
1． 2 基于先验知识的线性窗口检测算法 实际环境中获取的车牌图像背景比较复杂，二
值化后的车辆图像中存在着可能与车牌区域特征相 似的区域，因此需要进行进一步的验证以获取正确 的车牌区域，通过车牌的先验知识可知真正的车牌 区域内字符和背景的对比度强烈，字符投影的灰度 值具有正负梯度交替变化的特征，可以利用图像梯 度差检测 可 能 的 行，从 而 确 定 车 牌 的 字 符 图 像 区 域［3］。算法中，需要计算其相应的梯度矩阵。因为 字符与背景的对比度强烈，字符区域对应的梯度值 明显大于非字符的区域，如图 3 所示。
进行车牌定位之前，首先要对获取的车辆图像 进行预处理，以消除或降低图像中的噪声干扰。车 辆图像预处理中，图像二值化是重要的一步，它决定 了是否能准确地定位出车牌候选区域。由于车牌识 别系统对实时速度要求较高，为了能够快速地定位 出车牌区域，所以对图像二值化时要求算法要简洁， 执行速度快。经典的 Otsu 算法［2］属于全局动态的 二值化方法，它会依据图像中各个像素的灰度值进 行统计并分类，并使用最小二乘法进行计算，计算过 程中，比较类间方差与类内方差的比值，将比值中的 最大值作为阈值，通过该阈值可以正确地将图像的 目标区域和背景区分开。由于处理的图像多采集于 自然条件下，图像的质量受光照和天气等因素影响 较大，常常存在图像不清和字符边缘模糊的情况，所 以单独使用 Otsu 算法二值化时可能会影响到车牌 定位的准确性。因此，本文做了大量的实验并对比 各种图像阈值化算法后，在对图像二值化时采用了 一种自适应的动态二值化方法，算法中的阈值是先 使用 Otsu 算法计算出一个全局的阈值，然后根据图 像自身的特征并通过一种反复迭代过程，迭代出一 个合适的阈值 r。首先通过 Otsu 算法得到一个全局 阈值并利用它对图像二值化，对二值化后的图像进 行候选区检测，如果没有检测到符合条件的候选区， 就改变当前这个全局的阈值，进行 r + 5，再利用改 变后的阈值 r 重新对图像进行二值化，然后再对二 值化后的图像进行候选区检测，重复上述过程反复 迭代，直到检测到符合条件候选区个数大于或等于 1 的结果或者候选区个数始终小于 1，即无法检测到 该图像符合条件区域 （ 阈值修改操作迭代 8 次以 上） 。算法中，对阈值的递加（ 或递减） 5 个单位，是 为了提高算法收敛过程和执行速度，同时又不会影 响符合条件的区域的检测。通过对大量的车辆图像 进行实验，实验结果表明，这种自适应的二值化算法 可以满足车牌定位模块的需求。图 1 为从实际环境 中获取的车辆图像，图 2 为采用上述算法二值化后
图 2 二值化后的图像
1． 2 基于先验知识的线性窗口检测算法 实际环境中获取的车牌图像背景比较复杂，二
值化后的车辆图像中存在着可能与车牌区域特征相 似的区域，因此需要进行进一步的验证以获取正确 的车牌区域，通过车牌的先验知识可知真正的车牌 区域内字符和背景的对比度强烈，字符投影的灰度 值具有正负梯度交替变化的特征，可以利用图像梯 度差检测 可 能 的 行，从 而 确 定 车 牌 的 字 符 图 像 区 域［3］。算法中，需要计算其相应的梯度矩阵。因为 字符与背景的对比度强烈，字符区域对应的梯度值 明显大于非字符的区域，如图 3 所示。
进行车牌定位之前，首先要对获取的车辆图像 进行预处理，以消除或降低图像中的噪声干扰。车 辆图像预处理中，图像二值化是重要的一步，它决定 了是否能准确地定位出车牌候选区域。由于车牌识 别系统对实时速度要求较高，为了能够快速地定位 出车牌区域，所以对图像二值化时要求算法要简洁， 执行速度快。经典的 Otsu 算法［2］属于全局动态的 二值化方法，它会依据图像中各个像素的灰度值进 行统计并分类，并使用最小二乘法进行计算，计算过 程中，比较类间方差与类内方差的比值，将比值中的 最大值作为阈值，通过该阈值可以正确地将图像的 目标区域和背景区分开。由于处理的图像多采集于 自然条件下，图像的质量受光照和天气等因素影响 较大，常常存在图像不清和字符边缘模糊的情况，所 以单独使用 Otsu 算法二值化时可能会影响到车牌 定位的准确性。因此，本文做了大量的实验并对比 各种图像阈值化算法后，在对图像二值化时采用了 一种自适应的动态二值化方法，算法中的阈值是先 使用 Otsu 算法计算出一个全局的阈值，然后根据图 像自身的特征并通过一种反复迭代过程，迭代出一 个合适的阈值 r。首先通过 Otsu 算法得到一个全局 阈值并利用它对图像二值化，对二值化后的图像进 行候选区检测，如果没有检测到符合条件的候选区， 就改变当前这个全局的阈值，进行 r + 5，再利用改 变后的阈值 r 重新对图像进行二值化，然后再对二 值化后的图像进行候选区检测，重复上述过程反复 迭代，直到检测到符合条件候选区个数大于或等于 1 的结果或者候选区个数始终小于 1，即无法检测到 该图像符合条件区域 （ 阈值修改操作迭代 8 次以 上） 。算法中，对阈值的递加（ 或递减） 5 个单位，是 为了提高算法收敛过程和执行速度，同时又不会影 响符合条件的区域的检测。通过对大量的车辆图像 进行实验，实验结果表明，这种自适应的二值化算法 可以满足车牌定位模块的需求。图 1 为从实际环境 中获取的车辆图像，图 2 为采用上述算法二值化后
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
３ ． １ 算法１ 利用公式 （ １ ） 和公式 （ ３），可求得 ：
乘 法的交叉定位算 法 ，与通 常算 法相 比 ，算法提高 了定位
精度和 范围。
Ｒ ： 兰 二 ！ 二 三 二 三 ！ ！ １ Ｃ Ｏ Ｓ ￡ １ ｓ ｉ ｎ （ ｌ 一 ）
Ｒ１ Ｃ Ｏ Ｓ ８ ｌ ＋ｙｌ Ｒ２ Ｃ ０ ８ ８ ２ ＋ｙ ２
无法 测量 目 标 的距 离信息 ，而只能测量 目 标 的角度信息 。
雷 达组网条件 ，可 利用不小 于两 部雷达测量 干扰源 的角度 信 息 ，通过解线性 方程组 ，求 出干扰源 的距 离信息 。但 由 于该 线性方程组是 一个 “ 超定 ”方程组 ，常用的算法是选 取其 中某些等式求 出方程组 的解 ，这些算 法没有充分利用
—
ｃ ｏ ｓ ｃ ｏ ｓ Ｉ
—
Ｓ Ｉ ｎｅ ２
Ｊ
ｌ Ｃ Ｏ Ｓ Ｓ ｌ ｓ ｉ ｎ ｌ ｆ ｌ Ｃ Ｏ Ｓ Ｅ ２ ｓ ｉ ｎ Ｊ 、
３ １
Ｘ ＝
ａ
则公式 （ ７ ） 最小二乘法的解为 ：Ｘ＝ Ａ ｝ Ａ Ｙ 。因
此 ，Ｒ 的最／ ｂ－ － －乘解 为 ：
种求解此类方程组最常用的方法 ，它是将各方程平方求和 ， 求 出使平方和最小 的解作为方程组的解 。
图１ 雷 达 站 与 目标 的 空 间 关 系
将公式 （ １ ）～ 公式 （ ３） 组成方程组表示成矩阵形式 ：
Ａ Ｘ ＝ Ｙ 式 中： （ ７）
以０点 （ 雷 达 组 网 中心 ）为 坐 标 原 点 ，建 立 大 地 直 角坐 标 系 ，设站 １ 的 坐标 为 （ ｘ １ ｊ Ｙ … Ｚ ）、站２ 的坐标 为 （ ｘ ２ ， ｙ ： ， ｚ ）、 目标 Ｍ的坐标为 （ Ｘ ｍ ， ｙ ， Ｚ ）、站 １ 与 目标之 间
ｓ ｉ ｎ ｓ １ Ｃ Ｏ Ｓ ￣ ２ ｓ ｉ ｎ 一Ｃ Ｏ Ｓ ｅ ｌ ｓ ｉ ｎ ｌ ｆ １ ｓ ｉ ｎ ｓ ２
４ 基于最ｄ ＼ － 乘法的算法
从上述３ 个算法 的求解过程 ，我们不难发现３ 个算法均未 能充分利用公式 （ １ ）～ 公式 （ ３ ）的所有等式 ，存在信息利 用不充分 的问题 。但若 同时联立公式 （ １ ）～ 公式 （ ３ ）组成 方程组 ，就存在方程个数大于未知数个数 的问题 ，即方程组 变成一个 “ 超定”方程组 ，不能直接求解 。最小二乘法是一
２ ０ １ ３ 年第９ 期
（ 总 第 ２ ５ ２ 期）
中 阂高 斯竣末余业
＃ ｃ¨ ± … ０ Ｈ ￡ｔ ￡ ￡ ＃｛ ￡
ＮＯ ． ９ ． ２ ０１ ３
（ Ｃ ｕ ｍｕ ｌ ａ ｔ ｉ ｖ ｅ ｔ ｙ Ｎ Ｏ． ２ ５ ２）
一
种两站交 叉定位算法
方程组 的信 息 ，造成精度低和定位盲 区。 本 文充分利用 了方 程组所有 等式 ，提 出了基于最小二
（ １ ）
（ ２ ）
（ ３）
Ｒ ｌ ｃ ｏ ｓ ￡ ｌ ｓ ｉ ｎ ｌ ￣ １ ＋ ｚ ｌ ＝ Ｒ ２ Ｃ Ｏ Ｓ ８ ２ ｓ ｉ ｎ ｌ ３ ２ ＋ ｚ ２
３ 常规 求解方法
的距离为Ｒ 、站２ 与 目标之 间的距离为Ｒ 。站 １ 和站２ 分别测 出干扰源 的高低角为￡ 。 、￡ ，方位角为１ ３ 。 、１ ３ ： 。站１ 和站２ 的
位置 、 目标 相对于站 １ 和站２ 的角度是 已知量 ， 目标 的坐标
ｌ Ｃ Ｏ Ｓ ￣ Ｉ Ｃ Ｏ Ｓ
Ａ＝『 ｓ ｉ ｎ ｅ １
王 肖晨
（ 江 南机 电设计研 究所 ，贵 州 贵 阳 ５ ５ ０ ０ ０ ９）
摘 要 ：交叉定位 是一种 雷达组 网抗 干扰 方法。文章将 最 小二 乘法应 用在 交叉定位 中，提 出 了 基 于最 小二 乘法的 交叉定位 算法 ，该算 法消除 了定位 盲 区，具有精 度 高的特 点 ，文章的研 究结果具有一定 的工程应 用价值 。
主题词 ：交叉 定位 ；最小二乘 法 ；抗干扰
中图分 类号 ：ＴＮ９ ５ ３
文献 标识码 ：Ａ
文章编号 ：１ ０ ０ ９ － ２ ３ ７ ４（ ２ ０ １ ３）０ ９ － ０ ０ ３ １ － ０ ３
１ 概 述
在 电子战环境下 ，如果雷达受 到强 自卫式 干扰 ，通 常
和 目标 相对于站 １ 、站２ 的距 离为未知量 ，我们需要通过这 些 已知量求 出目标相对于站１ 的距离Ｒ 。 由图１ 所示 的几何关系我们可以得出 ： Ｒ １ ｃ ０ ｓ ￡ ｌ ｃ ｏ ｓ ｌ ３ １ ＋ ｘ ｌ ＝ Ｒ ２ ｅ ｏ ｓ ｅ ２ Ｃ Ｏ Ｓ ￣ ２ ＋ ｘ ２
ｙ
垫两强
＋ 十
Ｎ
ｌ ： 一 ‘ Ｄ
． — ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ｝ ． ． １ ． ． ． ． ． ． ． ． ． ． ． Ｌ
；
（８） ＼ｕ／
咀 堡
＋ ＋
＾＿ ＿
其中：
Ｚ ，
一
一
一
盥 垫峨
ｓ ｉ ｎ￡ １ Ｃ Ｏ Ｓ ￣ ２ Ｃ Ｏ Ｓ 一Ｃ Ｏ Ｓ ｅ Ｉ Ｃ ＯＳ １ ｓ ｉ ｎｅ ２
（ ５）
３ ． ３ 算法３ 利用公式 （ ２） 和公式 （ ３），可求得 ：
尺 ， ： 二 ！
‘
二 ！ 二 ！ ！ 皇！
（ ６ ）
３ ． ２ 算法２ 利用公式 （ １ ） 和公式 （ ２），可求得 ：
ｐ
’
（ ４）
２ 数学建模
设站１ 为交叉 定位 主站 ，站２ 为 交叉定 位副站 ，０ 为雷 达组 网中心 ，Ｍ为干扰 目标 。雷达 与 目标 的位置关系如 图１
所示 。
ｌ
一
（ ｘ １ 一 ｘ ２ ） ｓ ｉ ｎ ｅ ２ 一（ Ｙ ｌ — Ｙ ２ ） ｃ ｏ ｓ ｅ ￣ ｃ ｏ ｓ
乘 法的交叉定位算 法 ，与通 常算 法相 比 ，算法提高 了定位
精度和 范围。
Ｒ ： 兰 二 ！ 二 三 二 三 ！ ！ １ Ｃ Ｏ Ｓ ￡ １ ｓ ｉ ｎ （ ｌ 一 ）
Ｒ１ Ｃ Ｏ Ｓ ８ ｌ ＋ｙｌ Ｒ２ Ｃ ０ ８ ８ ２ ＋ｙ ２
无法 测量 目 标 的距 离信息 ，而只能测量 目 标 的角度信息 。
雷 达组网条件 ，可 利用不小 于两 部雷达测量 干扰源 的角度 信 息 ，通过解线性 方程组 ，求 出干扰源 的距 离信息 。但 由 于该 线性方程组是 一个 “ 超定 ”方程组 ，常用的算法是选 取其 中某些等式求 出方程组 的解 ，这些算 法没有充分利用
—
ｃ ｏ ｓ ｃ ｏ ｓ Ｉ
—
Ｓ Ｉ ｎｅ ２
Ｊ
ｌ Ｃ Ｏ Ｓ Ｓ ｌ ｓ ｉ ｎ ｌ ｆ ｌ Ｃ Ｏ Ｓ Ｅ ２ ｓ ｉ ｎ Ｊ 、
３ １
Ｘ ＝
ａ
则公式 （ ７ ） 最小二乘法的解为 ：Ｘ＝ Ａ ｝ Ａ Ｙ 。因
此 ，Ｒ 的最／ ｂ－ － －乘解 为 ：
种求解此类方程组最常用的方法 ，它是将各方程平方求和 ， 求 出使平方和最小 的解作为方程组的解 。
图１ 雷 达 站 与 目标 的 空 间 关 系
将公式 （ １ ）～ 公式 （ ３） 组成方程组表示成矩阵形式 ：
Ａ Ｘ ＝ Ｙ 式 中： （ ７）
以０点 （ 雷 达 组 网 中心 ）为 坐 标 原 点 ，建 立 大 地 直 角坐 标 系 ，设站 １ 的 坐标 为 （ ｘ １ ｊ Ｙ … Ｚ ）、站２ 的坐标 为 （ ｘ ２ ， ｙ ： ， ｚ ）、 目标 Ｍ的坐标为 （ Ｘ ｍ ， ｙ ， Ｚ ）、站 １ 与 目标之 间
ｓ ｉ ｎ ｓ １ Ｃ Ｏ Ｓ ￣ ２ ｓ ｉ ｎ 一Ｃ Ｏ Ｓ ｅ ｌ ｓ ｉ ｎ ｌ ｆ １ ｓ ｉ ｎ ｓ ２
４ 基于最ｄ ＼ － 乘法的算法
从上述３ 个算法 的求解过程 ，我们不难发现３ 个算法均未 能充分利用公式 （ １ ）～ 公式 （ ３ ）的所有等式 ，存在信息利 用不充分 的问题 。但若 同时联立公式 （ １ ）～ 公式 （ ３ ）组成 方程组 ，就存在方程个数大于未知数个数 的问题 ，即方程组 变成一个 “ 超定”方程组 ，不能直接求解 。最小二乘法是一
２ ０ １ ３ 年第９ 期
（ 总 第 ２ ５ ２ 期）
中 阂高 斯竣末余业
＃ ｃ¨ ± … ０ Ｈ ￡ｔ ￡ ￡ ＃｛ ￡
ＮＯ ． ９ ． ２ ０１ ３
（ Ｃ ｕ ｍｕ ｌ ａ ｔ ｉ ｖ ｅ ｔ ｙ Ｎ Ｏ． ２ ５ ２）
一
种两站交 叉定位算法
方程组 的信 息 ，造成精度低和定位盲 区。 本 文充分利用 了方 程组所有 等式 ，提 出了基于最小二
（ １ ）
（ ２ ）
（ ３）
Ｒ ｌ ｃ ｏ ｓ ￡ ｌ ｓ ｉ ｎ ｌ ￣ １ ＋ ｚ ｌ ＝ Ｒ ２ Ｃ Ｏ Ｓ ８ ２ ｓ ｉ ｎ ｌ ３ ２ ＋ ｚ ２
３ 常规 求解方法
的距离为Ｒ 、站２ 与 目标之 间的距离为Ｒ 。站 １ 和站２ 分别测 出干扰源 的高低角为￡ 。 、￡ ，方位角为１ ３ 。 、１ ３ ： 。站１ 和站２ 的
位置 、 目标 相对于站 １ 和站２ 的角度是 已知量 ， 目标 的坐标
ｌ Ｃ Ｏ Ｓ ￣ Ｉ Ｃ Ｏ Ｓ
Ａ＝『 ｓ ｉ ｎ ｅ １
王 肖晨
（ 江 南机 电设计研 究所 ，贵 州 贵 阳 ５ ５ ０ ０ ０ ９）
摘 要 ：交叉定位 是一种 雷达组 网抗 干扰 方法。文章将 最 小二 乘法应 用在 交叉定位 中，提 出 了 基 于最 小二 乘法的 交叉定位 算法 ，该算 法消除 了定位 盲 区，具有精 度 高的特 点 ，文章的研 究结果具有一定 的工程应 用价值 。
主题词 ：交叉 定位 ；最小二乘 法 ；抗干扰
中图分 类号 ：ＴＮ９ ５ ３
文献 标识码 ：Ａ
文章编号 ：１ ０ ０ ９ － ２ ３ ７ ４（ ２ ０ １ ３）０ ９ － ０ ０ ３ １ － ０ ３
１ 概 述
在 电子战环境下 ，如果雷达受 到强 自卫式 干扰 ，通 常
和 目标 相对于站 １ 、站２ 的距 离为未知量 ，我们需要通过这 些 已知量求 出目标相对于站１ 的距离Ｒ 。 由图１ 所示 的几何关系我们可以得出 ： Ｒ １ ｃ ０ ｓ ￡ ｌ ｃ ｏ ｓ ｌ ３ １ ＋ ｘ ｌ ＝ Ｒ ２ ｅ ｏ ｓ ｅ ２ Ｃ Ｏ Ｓ ￣ ２ ＋ ｘ ２
ｙ
垫两强
＋ 十
Ｎ
ｌ ： 一 ‘ Ｄ
． — ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ｝ ． ． １ ． ． ． ． ． ． ． ． ． ． ． Ｌ
；
（８） ＼ｕ／
咀 堡
＋ ＋
＾＿ ＿
其中：
Ｚ ，
一
一
一
盥 垫峨
ｓ ｉ ｎ￡ １ Ｃ Ｏ Ｓ ￣ ２ Ｃ Ｏ Ｓ 一Ｃ Ｏ Ｓ ｅ Ｉ Ｃ ＯＳ １ ｓ ｉ ｎｅ ２
（ ５）
３ ． ３ 算法３ 利用公式 （ ２） 和公式 （ ３），可求得 ：
尺 ， ： 二 ！
‘
二 ！ 二 ！ ！ 皇！
（ ６ ）
３ ． ２ 算法２ 利用公式 （ １ ） 和公式 （ ２），可求得 ：
ｐ
’
（ ４）
２ 数学建模
设站１ 为交叉 定位 主站 ，站２ 为 交叉定 位副站 ，０ 为雷 达组 网中心 ，Ｍ为干扰 目标 。雷达 与 目标 的位置关系如 图１
所示 。
ｌ
一
（ ｘ １ 一 ｘ ２ ） ｓ ｉ ｎ ｅ ２ 一（ Ｙ ｌ — Ｙ ２ ） ｃ ｏ ｓ ｅ ￣ ｃ ｏ ｓ