CN104007426B - 一种基于lse（最小方差估计）的ads与雷达信息系统误差配准算法 - Google Patents

Abstract

本发明属于对空射击管理中的信息处理技术领域，具体涉及一种对空射击管理中的ADS与雷达信息系统误差配准算法，包括对空中单目标和多目标的系统误差配准算法。空中单目标系统误差配准算法包括以下两个步骤：a）应用分布式多传感器接收数据进行处理；b）并将数据发送至融合中心，根据各传感器节点的航迹数据完成数据转换、时间对准、空间对准、航迹相关和数据合成，获得系统误差的最优估计。空中多目标系统误差配准算法结合空中多目标的识别，完成对多目标的系统误差估计及测量数据整合。本发明的有益效果：能有效校准系统误差，监视精度高，关联由不同雷达和ADS探测到的属于同一目标的航迹，融合多雷达数据并进一步融合ADS数据，对空中目标进行准确识别、高精度定位与跟踪，实现统一化、准确化管理。

Description

一种基于LSE（最小方差估计）的ADS与雷达信息系统误差配准 算法

技术领域

本发明属于对空射击管理中的信息处理技术领域，具体涉及一种对空射击管理中的ADS与雷达信息系统误差配准算法。

背景技术

在对空射击活动管理的初期，由于进行对空射击活动的单位少，作业不频繁，航空运输总量不大，对空域使用的要求不高，对空射击活动与航空运输的总体矛盾冲突并不明显。进入新世纪后，随着我国国民经济的持续发展，航空运输和国防建设发展迅速，航空运输总量增长迅猛，军事飞行范围不断扩大；同时，对空射击活动需求也在不断增加，在战备训练、科研任务、空天发射等原有对空射击活动的基础上又增加了人工影响天气活动，并且各类活动越来越频繁，对空射击活动与航空运输的矛盾冲突加剧。在此情况下，对空管理系统可有效的化解矛盾冲突。

对空射击管理系统作为管理对空射击的信息系统担负着重要的职能。各级对空射击管理系统主要由对空射击空域管理、对空射击安全监控、对空射击信息服务三部分功能组成。该系统为相关的科研试验、军事训练和卫星发射等单位以及各级空管部门提供比较完善的对空射击管理手段，进一步规范对空射击作业活动的申请、审批和实施流程，加强各级对空射击空域使用管理部门与对空射击组织管理单位的协调配合和监控监视能力，保证对空射击训练、演习、科研、试验等活动的顺利实施，提高各种对空射击训练和军事科学试验水平，最 大限度的降低对空射击活动对航空运输的影响。

管制部门的根本目的是使航线上的飞机安全、有效和有计划的在空域中飞行，管制员需要对管制空域内飞行器的飞行动态进行实时监视。实施空中交通监视有两种主要方法：一是雷达监视，二是国际民航组织的未来空中航行系统(FANS)专门委员会推荐采用的自动相关监视(Automatic Dependent Surveillance，以下简称ADS)。但是，雷达系统具有很多局限性：雷达波束的直线传播形成了大量雷达盲区；无法覆盖海洋和荒漠等地区；无法获得飞行器的计划航线、速度等态势数据，限制了跟踪精度的提高和短期冲突检测告警的能力。发展中的ADS借助导航卫星和通信卫星不仅可以实现对飞行器的整个飞行阶段进行连续的无间断的监视，还可以提高监视的可靠性和精度，尤其适合海洋和荒漠等地区使用。由于ADS的机载设备和地面设备建设费用比雷达低一个数量级。因此，ADS有良好的开发应用前景。

但是，如果将ADS作为唯一的监视手段，一旦导航系统出现问题，将导致监视功能的丧失。因此，雷达监视和ADS监视将在相当长的时间内共存。如何将ADS数据与雷达数据有效的融合在一起，最大限度地发挥它们的综合效力，提高监视精度，是一个亟待解决的问题。

在监视系统中，目标的相对位置和方位十分重要。当监视源为单数据源时，其距离和方位的偏差对所有飞行器的作用一样，对性能没有影响。但是，当具有覆盖范围互有重叠的两个或两个以上数据源时，要求对同一目标的不同数据进行空间迭合，这就需要对各数据源数据进行校准。在对空射击管理系统中，要处理ADS数据与雷达数据，首 先要将这两种数据转换到统一的坐标系中，而直接的坐标转换将由于系统误差的存在而使结果产生较大的偏差。

ADS和雷达系统误差的产生原因十分复杂，包括雷达转轴偏移、安装平台倾斜、内部电器元件老化及电磁环境影响等，造成其大小随着距离和方位的不同而变化。这些系统误差不仅会直接影响到目标跟踪精度，而且还可能导致ADS数据和雷达数据对同一目标的相关失败，导致错误的数据融合，不能生成正确的系统航迹。因此，误差校准在整个数据融合模型中有着极其重要的地位。

由于ADS数据的特殊性，ADS与雷达系统误差校准不同于传统的多雷达系统误差校准，因此迫切需要寻找一种新的能有效校准ADS与雷达系统误差的算法。

发明内容

本发明的目的在于针对现有技术的不足，提供一种对空射击管理中的ADS与雷达信息系统误差配准算法，并将该配准算法与多源监视信息目标判定算法相结合，实现空中目标的准确识别、高精度定位与跟踪，从而为后续的导航、预警、战略指挥或战略防御等军事行为提供可靠的决策。

所述误差配准包括系统误差估计、误差修正等步骤，其中关键环节是系统误差估计。

一种对空射击管理中的ADS与雷达信息系统误差配准算法，包括以下两个步骤，a)处理步骤：应用分布式多传感器接收数据进行处 理，筛选出有用数据；b)数据融合：将ADS和雷达对多个目标的测量数据发送至融合中心，构造方程组，通过最小平方估计(LSE)获得系统误差的最优估计值。

所述“接收数据”包括雷达测量数据和ADS测量数据。

进一步地，所述步骤a)中的数据处理，包括筛选有用数据和产生局部的多目标跟踪航迹；

进一步地，所述步骤b)的融合中心根据各个传感器节点的航迹数据完成数据转换、时间对准、空间对准、航迹相关和数据合成，进一步地，利用ADS和雷达对同一组目标的测量值构造方程组，求最小平方解，即可获得系统误差的最优估计。

所述“测量值”包括：ADS测得的目标大地经度、目标大地纬度、目标海拔高度和雷达测得的目标斜距、目标方位角、目标海拔高度。

本发明的有益效果：能有效校准系统误差，监视精度高，关联由不同雷达和ADS探测到的属于同一目标的航迹，融合多雷达数据并进一步融合ADS数据，对空中目标进行准确识别、高精度定位与跟踪，实现统一化、准确化管理。

附图说明

图1为对空射击管理主要业务功能模块示意图；

图2为数据融合的基本处理流程。

具体实施方式

如图1所示，多源监视信息多目标融合算法包含在航管雷达数 据处理模块中，是监视信息数据能在系统屏幕上正确显示的关键。下面将结合附图和具体实施例对该发明进行进一步的具体说明。

在对空射击管理系统中，多目标源的监视信息融合按照传感器系统的信息流形式和综合处理层次分类，数据融合系统结构模型主要有四种，即集中式、分布式、混合式和多级式。其中分布式结构在军事信息系统中得到广泛应用。在分布式多传感器数据融合系统中，各传感器都有自己的处理系统，每个传感器的检测报告在进入融合以前，先由它自己的处理系统进行处理，产生局部的多目标跟踪航迹，然后将处理后的信息送至融合中心。融合中心根据各传感器节点的航迹数据完成数据转换、时间对准、空间对准、航迹相关和数据合成，获得系统误差的最优估计，其基本处理流程如图2所示。

所述“数据转换”指通过ADS和雷达对同一组目标进行测量，将两者测得的位置矢量转换到中心坐标系后根据它们的矢量差构造方程组解出雷达的系统误差从而完成配准。

所述“时间对准”和“空间对准”指各雷达和ADS没有统一时间基准，所测得的目标位置数据也都是在各自本地坐标系中，为了对各路雷达和ADS数据进行融合就必须把各雷达和ADS的时间和空间数据转换到统一的时空坐标系中。

所述“航迹相关”指将由不同雷达和ADS探测到的属于同一目标的航迹关联起来。各雷达航迹可根据雷达航迹数据中的航迹号和飞机的3/A模式代码进行匹配，进而与对应的飞行计划相关联，这 样就可以再根据ADS数据中的飞机尾号与ADS航迹关联起来了。航迹相关配对还要负责解决雷达航迹数据的有效性检验，以此监测发生数据传输错误的雷达。

所述“数据合成”指经过相关配对并已转换到时空坐标系中的各雷达和ADS航迹，根据各自状态矢量的协方差数据，就可以以加权融合的方式构造目标的多雷达系统航迹和ADS与多雷达中央系统航迹了。

在本发明中，对于单一目标，采用基于最小平方估计(LSE)准则的ADS与雷达信息系统误差配准算法进行数据融合。

基于最小平方估计(LSE)准则的ADS与雷达的系统误差配准算法的基本原理是：以现有多雷达系统中的误差配准方法为基础，充分考虑引入ADS后新老融合模型的异同，利用ADS和雷达对同一组目标的测量值构造方程组，并求其最小平方解的方法，获得系统误差的最优估计，通过实验验证和实际应用，该方法对消除ADS与雷达融合系统中的数据源系统误差能起到有效作用。

对空射击管理项目引接了ADS信息和雷达信息，两类数据系统误差配准是多源数据融合处理中的一个关键问题，在系统中采用基于最小平方估计(LSE)准则的ADS与雷达信息系统误差配准算法，以现有多雷达系统中的误差配准方法为基础，充分考虑引入ADS后新老融合模型的异同，利用ADS和雷达对同一组目标的测量值构造方程组，并求其最小平方解的方法，获得系统误差的最优估计，通过实验验证和实际应用该方法，对消除ADS与雷达融合系统中的数据源系统误差能 起到有效作用，其方法如下：

(1)WGS-84坐标系

WGS-84坐标系是一种国际上采用的地心坐标系，坐标原点为地球质心，其地心空间直角坐标系的Z轴指向国际时间局(BIH)1984.0定义的协议地极(CTP)方向，X轴指向(BIH)1984.0的协议子午面和CTP赤道的交点，Y轴与Z轴、X轴垂直构成右手坐标系，这是一个国际协议地球参考系统(ITRS)，是目前国际上统一采用的大地坐标系，全称是世界大地坐标系-84(World Geodical System-84),它是一个地心坐标系，由美国国防部制图局建立于1987年，取代了当时GPS所采用的WGS-72坐标系统而成为目前GPS所采用的坐标系统。GPS所发布的星历参数就是基于此坐标系统。

(2)GPS坐标系变换原理

GPS测量的一个显著特点就是它所得到的是WGS-84下的经纬度和大地高，而用户所要求的往往是1954年北京坐标或独立坐标，他们之间的变换遵循下列流程，如说明书附图1所示。

设N为WGS-84大地水准面高；e为椭球第一偏心率； $l_{\mathrm{ADS}}^{\left(K\right)}=[L_{\mathrm{ADS}}^{\left(K\right)},B_{\mathrm{ADS}}^{\left(K\right)}{,H}_{\mathrm{ADS}}^{\left(K\right)}],l_R^{\left(K\right)}=[r_R^{\left(K\right)},{\mathrm{\θ}}_R^{\left(K\right)},h_R^{\left(K\right)}],$ 分别为ADS和雷达测量的目标K的位置矢量，其中，为大地精度；为大地纬度；为ADS测量的海拔高度；为目标斜距；目标方位角；为雷达测得的目标海拔高度。由转换到中心坐标系中的位置矢量 $X_{\mathrm{cADS}}^{\left(K\right)}=[x_{\mathrm{cADS}}^{\left(K\right)},y_{\mathrm{cADS}}^{\left(K\right)},z_{\mathrm{cADS}}^{\left(K\right)}]$ 的转换公式：

$\begin{array}{c}{x}_{\mathrm{cADS}}^{\left(K\right)}=(N+H_{\mathrm{ADS}}^{\left(K\right)})\cos B_{\mathrm{ADS}}^{\left(K\right)}\cos L_{\mathrm{ADS}}^{\left(K\right)}\\ y_{\mathrm{cADS}}^{\left(K\right)}=(N+H_{\mathrm{ADS}}^{\left(K\right)})\cos B_{\mathrm{ADS}}^{\left(K\right)}\sin L_{\mathrm{ADS}}^{\left(K\right)}\\ z_{\mathrm{cADS}}^{\left(K\right)}=[N(1-e^2)+H_{\mathrm{ADS}}^{\left(K\right)}]\sin B_{\mathrm{ADS}}^{\left(K\right)}\end{array}---\left(6.1\right)$

设为雷达俯仰角，则由转换到雷达站本地切平面直接坐标系位置矢量 $X_{\mathrm{dR}}^{\left(K\right)}=[x_{\mathrm{dR}}^{\left(K\right)},y_{\mathrm{dR}}^{\left(K\right)},z_{\mathrm{dR}}^{\left(K\right)}]$ 的公式为：

$\begin{array}{c}{x}_{\mathrm{dR}}^{\left(K\right)}=r_R^{\left(K\right)}\sin {\mathrm{\θ}}_R^{\left(K\right)}\cos {\mathrm{\η}}_R^{\left(K\right)}\\ y_{\mathrm{dR}}^{\left(K\right)}=r_R^{\left(K\right)}\cos {\mathrm{\θ}}_R^{\left(K\right)}\cos {\mathrm{\η}}_R^{\left(K\right)}\\ z_{\mathrm{dR}}^{\left(K\right)}=r_R^{\left(K\right)}\sin {\mathrm{\η}}_R^{\left(K\right)}\end{array}---\left(6.2\right)$

通过就可以将转换到中央坐标系了。设μ_sR＝[x_sR,y_sR,z_sR]为雷达站在中央坐标系中的位置矢量，υ_sR＝[L_sR,B_sR,H_sR]为雷达站的WGS-84经纬坐标矢量，转换公式为：

$X_{\mathrm{cR}}^{\left(K\right)}={\mathrm{\μ}}_{\mathrm{sR}}^{\left(K\right)}+{\mathrm{PX}}_{\mathrm{dR}}^{\left(K\right)}---\left(6.3\right)$

其中， $P=\left[\begin{array}{ccc}-\sin L_{\mathrm{sR}}& -\sin B_{\mathrm{sR}}\cos L_{\mathrm{sR}}& {\cos B}_{\mathrm{sR}}\cos L_{\mathrm{sR}}\\ \cos L_{\mathrm{sR}}& -\sin B_{\mathrm{sR}}\sin L_{\mathrm{sR}}& \cos B_{\mathrm{sR}}\sin L_{\mathrm{sR}}\\ 0& \cos B_{\mathrm{sR}}& \sin B_{\mathrm{sR}}\end{array}\right]$ 为坐标旋转矩阵。

(3)融合处理

由于ADS和雷达测量的是同一个目标，所有在不考虑随机误差的情况下，若没有系统误差，则应该有下式成立：

$X_{\mathrm{cADS}}^{\left(K\right)}=X_{\mathrm{cR}}^{\left(K\right)}---\left(6.4\right)$

但是由于系统误差的存在，使得。若令ξ_ADS＝[ΔL_ADS,ΔB_ADS,ΔH_ADS],ξ_R＝[Δr_R,Δθ_R,Δη_R]分别表示ADS和雷达测量数据中所带的系统误差，对式(6.4)进行修正可得：

$X_{\mathrm{cADS}}^{\left(K\right)}-E\left({\mathrm{\ξ}}_{\mathrm{ADS}}\right)=X_{\mathrm{cR}}^{\left(K\right)}-E\left({\mathrm{\ξ}}_R\right)---\left(6.5\right)$

其中，E(ξ_ADS)和E(ξ_R)分别为ξ_ADS和ξ_R的函数，它们就表示ξ_ADS和ξ_R经过以上各种变换后转换到中心坐标系中的系统误差，因此可利用 观测点K处的对的Jacobian矩阵求出E(ξ_ADS):

$E\left({\mathrm{\ξ}}_{\mathrm{ADS}}\right)=J_{\mathrm{ADS}}^{\left(K\right)}{\mathrm{\ξ}}_{\mathrm{ADS}}---\left(6.6\right)$

同理，可利用观测点K处的对的Jacobian矩阵求出E(ξ_R):

$E\left({\mathrm{\ξ}}_R\right)={\mathrm{PJ}}_R^{\left(K\right)}{\mathrm{\ξ}}_R---\left(6.7\right)$

将式(6.6)和式(6.7)带入式(6.5)得：

$X_{\mathrm{cADS}}^{\left(K\right)}-J_{\mathrm{ADS}}^{\left(K\right)}{\mathrm{\ξ}}_{\mathrm{ADS}}=X_{\mathrm{cR}}^{\left(K\right)}-{\mathrm{PJ}}_R^{\left(K\right)}{\mathrm{\ξ}}_R---\left(6.8\right)$

对上式移项，并令 $\mathrm{\Δ}{X}^{\left(K\right)}=X_{\mathrm{cADS}}^{\left(K\right)}-X_{\mathrm{cR}}^{\left(K\right)},\mathrm{\ξ}={[{\mathrm{\ξ}}_{\mathrm{ADS}},{\mathrm{\ξ}}_R]}^T,Q^{\left(K\right)}=[J_{\mathrm{ADS}}^{\left(K\right)},-{\mathrm{PJ}}_R^{\left(K\right)}],$ 可将式(6.8)写为矩阵的形式：

ΔX^(K)＝Q^(K)ξ (6.9)

方程中有两个未知量，所以它的解是不唯一的，但如果对一组中的多个，如N(N≥2)个目标进行测量，则可构造方程组：

$\begin{array}{c}{\mathrm{\ΔX}}^{\left(1\right)}=Q^{\left(1\right)}\mathrm{\ξ}\\ {\mathrm{\ΔX}}^{\left(2\right)}=Q^{\left(2\right)}\mathrm{\ξ}\\ .\\ .\\ .\\ \mathrm{\Δ}{X}^{\left(N\right)}=Q^{\left(N\right)}\mathrm{\ξ}\end{array}---\left(6.10\right)$

令ΔX＝[ΔX⁽¹⁾,ΔX⁽²⁾,...,ΔX^(N)]^T,Q＝[Q⁽¹⁾,Q⁽²⁾,...,Q^(N)]^T，式(6.10)即可写为矩阵形式：

ΔX＝Qξ (6.11)

根据最小平方准则可得到方程组的最优解为ξ_LSE＝(Q^TQ)^-1Q^TΔX，进而完成系统误差的修正。

目前，防空作战中的空情信息源是由部署在不同地域上的多种类型的传感器提供的，它们提供的空情信息极为丰富，但各自又不是完整的，相互之间存在信息的冗余与互补。因此，必须对多个监视源的 检测数据进行数据融合。然而各种数据融合的方法都或多或少带有一定的系统误差，因此配准算法也成为融合过程中必不可少的一部分。常用的配准算法有实时质量控制法、极大似然法、最小二乘法或广义最小二乘法，均多用在多雷达探测系统中。

本发明所述的基于LSE的ADS与雷达信息系统误差配准算法，可与多源监视信息目标判定算法相结合，解决多个监视源的探测信息在时间和空间上的冗余问题。通过多个ADS和雷达监视源，先对空中多目标进行识别，然后对特定目标进行分段检测，通过本发明所述误差配准算法将ADS和雷达各个阶段的检测数据进行融合，减小误差，提高目标识别率，以实现对目标的高精度定位与跟踪。将本发明所述系统配准算法与多目标判定算法相结合，可用于航空导航技术领域、航空器多传感器导航及空基、海基导航定位。

本发明还提供一种空中多目标的系统误差配准算法：包括空中多目标的识别，同一类别中单个目标的系统误差配准，多目标的系统误差估计及测量数据整合。

所述空中多目标的识别，采用基于SVM的多源监视信息目标判定算法。包括空中目标的分类原则和空中多目标的分类方法。

所述空中目标的分类原则包括粗分类原则和精分类原则。其中粗分类原则为目标高度(H)、飞行速度(V)、航迹方位角(Y)；精分类原则为最大航程(X)、最大作战半径(R)。根据上述原则，可以将空中目标可以粗分为5个大类别，精分为22个具体类别。

1类：民用小型飞机、民用中型飞机、民用大型飞机；

2类：无人机、歼击机、截击机、强击机、轰炸机、侦察机、运输机、

教练机、预警机、电子对抗机、反潜机、空中加油机、干扰机；3类：直升机；

4类：来袭导弹；

5类：鸟群、空飘物、虚假目标、遥控飞行器。

所述空中多目标的分类方法包括基于SVM的“一对多”方法和基于SVM的纠错码方法。

所述基于SVM的“一对多”方法，每次解一个两类分类问题。例如，有三种类别的情况，第一次将类别1的样本作为正样本，剩下的2、3样本作为负样本，从而得到一个两类分类器；第二次将类别2作为正样本，其余的类别1、3作为负样本，得到一个分类器；最后将类别3作为正样本，其余的类别1、2作为负样本。这样我们就得到了3个两类分类器。当对未知样本进行分类时，将该未知样本的特征作为每一个分类器的输入，由此可以快速得到该目标的类别。

所述基于SVM的纠错码方法是一种把多类分类问题转化为多个两类分类问题的方法。k类数据分类问题，对每个类进行长度为S的二进制编码，就把k类分类问题转化为S个两类分类问题。由于每个码位上的分类器只需要做两类分类，所以可以采用SVM作为码位分类器。对于一个新样本，S个SVM的分类结果构成一个码子S'，k个编码中与S'汉明距距离最小的码字所代表的的类别就是这个新样本的所属类别。若分类器对于未知样本的输出向量为f(X)，则其汉明距为：

$d(Q_i,f\left(X\right))=\underset{j=1}{\overset{S}{\mathrm{\Σ}}}\frac{|Q_{\mathrm{ij}}-\mathrm{sgn}\left(f_j\right)|}{2}$

式中：i表示纠错码矩阵的第i行，f_j表示第j个码位分类器的输出。

所述空中多目标的分类方法，其具体步骤为：

步骤1给出空中目标的粗分类原则,并提取空中目标对于各个原则的特征；

步骤2基于SVM“一对多”多分类法，根据粗分类的类别数N，构造N个两类分类器；

步骤3将提取的特征分别代入N个两类分类器，得到输出向量，确定待识别目标所属粗分类的类别；

步骤4给出空中目标的精分类原则，并提取空中目标的特征；

步骤5根据各个粗分类的类别所包含的具体类别数目K，给出合适的纠错码矩阵Q_K×S；

步骤6利用SVM对给定的样本进行训练，获得支持向量机模型；

步骤7输入待识别目标特征，得到S个码位分类器的输出向量f(X)；

步骤8用训练好的模型进行预测，确定待识别目标的所属精分类的具体类别。

所述同一类别中单个目标的系统误差配准，采用本发明所述的系统误差配准算法。

所述目标的系统误差估计及测量数据整合，包括根据具体军事行 为的要求，筛选多个监视源测得的有用数据，融合后可将其储存、在移动终端上显示或传递给下级关联系统及设备，用于后续的目标跟踪、导航、预警、威胁判断或者决策辅助等环节。

上述实例用来说明本发明，而不是对其进行限制。在本发明的权利要求保护范围内，任何对本发明的修改都落入本发明的保护范围内。

Claims (6)

1.一种空中多目标的数据测量方法，其特征在于，所述测量方法包括空中多目标的识别步骤以及基于LSE的ADS与雷达信息系统误差配准算法；所述空中多目标的识别步骤在进行LSE的ADS与雷达信息系统误差配准之前；

所述空中多目标的识别采用基于SVM的多源监视信息目标判定算法，包括利用基于SVM的“一对多”方法对空中目标进行粗分类和利用基于SVM的纠错码对空中目标进行精分类，具体为：

1)给出空中目标的粗分类原则,并提取空中目标对于该原则的特征；

2)基于SVM“一对多”多分类法，根据粗分类的类别数N，构造N个两类分类器；

3)将提取的特征分别代入N个两类分类器，得到输出向量，确定待识别目标所属粗分类的大类别；

4)给出空中目标的精分类原则，并提取空中目标对于该原则的特征；

5)根据各个粗分类的类别所包含的具体类别数目K，给出合适的纠错码矩阵Q_K×S，其中K为行数，即类别数，S为列数，即二进制码字符串的bit数，S需满足条件：log₂ ^K＜S＜2^K-1-1；

6)利用SVM对给定的样本进行训练，得到S个码位分类器，获得支持向量机模型；

7)输入待识别目标特征，得到S个码位分类器的输出向量f(X)；

8)用训练好的模型进行预测，计算f(X)和各类别码的汉明距d，依据最小原则确定待识别目标所属具体类别；

所述基于LSE的ADS与雷达信息系统误差配准算法是用于多源目标的系统误差配准算法，其中监视源包含ADS和雷达；所述系统误差配准算法是利用ADS和雷达对同一组中目标的测量值构造方程组，并求其最小平方解的方法，获得系统误差的最优估计。

2.根据权利要求1中所述的数据测量方法，其特征在于，所述基于LSE的ADS与雷达信息系统误差配准算法包含以下两个步骤:

1)处理步骤：应用分布式多传感器接收数据进行处理，筛选出有用数据；

2)数据融合：将ADS和雷达对目标的测量数据发送至融合中心，构造方程组，通过LSE获得系统误差的最优估计值。

3.根据权利要求2所述的数据测量方法，其特征在于，所述步骤1)中的处理步骤中具体包括应用分布式多传感器接收数据进行处理，包括筛选有用数据和产生局部的多目标跟踪航迹。

4.根据权利要求2所述的数据测量方法，其特征在于：所述的步骤2)中的数据融合是通过融合中心根据各个传感器节点的航迹数据完成数据转换、时间对准、空间对准、航迹相关和数据合成。

5.根据权利要求1所述的数据测量方法，其特征在于，所述粗分类特征包括空中目标的目标高度、飞行速度、航迹方位角；所述精分类特征包括空中目标的最大航程和最大作战半径。

6.根据权利要求1所述的数据测量方法，其特征在于，所述测量方法在进行基于LSE的ADS与雷达信息系统误差配准后还包括测量数据整合，具体包括根据具体军事行为的要求，筛选多个监视源测得的有用数据，融合后可将其储存、在移动终端上显示或传递给下级关联系统及设备，用于后续的目标跟踪、导航、预警、威胁判断或者决策辅助环节。