基于Rao-Blackwellized蒙特卡罗数据关联的检测跟踪联合优化

提出了基于Rao-Blackwellized蒙特卡罗数据关联的雷达目标检测跟踪联合优化算法。Rao-Blackwellization方法将单目标跟踪与数据关联分开处理,将序贯蒙特卡罗方法（粒子滤波）用于数据关联,实现杂波与虚警量测中的多目标跟踪。同时,根据粒子的分布范围确定波门大小。在考虑粒子权重的前提下,利用检测单元与所有粒子的相对位置对检测门限进行修正,提高检测率。将本文算法与已经实现的基于空域特性的杂波抑制算法相结合,分别应用于仿真数据、S波段相参与非相参雷达实测数据。实验结果表明,本文算法能够在粒子数较少的情况下,实现对小弱目标的检测与跟踪。      

基于视频数据的机场跑道外来物检测

提出了一种基于视频数据的机场跑道外来物(FOD,Foreign Object Debris)检测算法,该算法包括几何校正、背景差分、杂波抑制和伪装消除等4个步骤.其中,几何校正排除了摄像头轻微抖动造成的图像差异;背景差分利用每个像素对应的颜色向量信息,建立背景模型并进行定时更新;杂波抑制和伪装消除利用差分图像和原始图像信息,建立马尔科夫随机场和概率统计模型,在降低虚警的同时提高了检测率.将本算法应用于两组不同光照条件下获取的视频图像,检测不同形状和颜色的FOD目标;采用本算法对机场实测数据进行测试,验证了算法的有效性.     

基于两种扫描方式的雷达探鸟系统

介绍了雷达探鸟系统的研究现状,包括以鸟击危害咨询系统为代表的大型雷达探鸟系统和以Accipiter为代表的机场雷达探鸟系统.基于X波段海事雷达搭建了"雷达探鸟实验系统",分别验证了其在水平和垂直两种扫描方式下探鸟的可行性.本系统在两种扫描方式下采集的两组探鸟雷达图像序列,分别由飞鸟目标提取算法进行处理.经过背景差分、噪声抑制、目标信息提取和数据融合,将鸟情信息从原始雷达图像中提取出来,并将其与卫星地图或高度坐标系相融合,融合图像直观地反映了探测区域内飞鸟目标的分布情况.最后,对国内外雷达探鸟系统的性能作了比较分析.     

平飞模式机载双基地SAR动目标检测方法

提出了一种平飞模式机载双基地SAR地面慢速运动目标检测和参数估计方法.考虑到双基地SAR系统的特点,采用分数阶傅里叶变换(FrFT,Fractional Fourier Transform)技术对动目标进行聚焦,以提高动目标的信杂比.同时结合多通道杂波抑制干涉技术,进一步抑制地杂波并实现动目标参数的精确估计.从双基地SAR的空间几何模型和回波信号入手,推导了杂波对消时收发雷达载机所需满足的飞行条件和慢动目标参数估计的方法.最后通过计算机仿真,验证了该算法的有效性.     

非正侧面机载相控阵雷达自适应杂波抑制

研究了基于非正侧面机载相控阵雷达时空二维自适应杂波抑制方法.通过对时空杂波分布特性的分析,提出采用混迭式结构进行时空二维降维自适应杂波抑制的3种实现结构,其中,空域阵元混迭级联时域脉冲混迭进行自适应处理的实现结构是一种实用的时空二维降维自适应处理方法,该方法充分利用了各阵元信号和脉冲信号的信息,从而达到了较为理想的杂波抑制性能.     

基于GCF-SB视觉注意模型的红外目标检测算法

针对复杂背景、低对比度条件下的红外目标检测，提出了一种基于灰度对比度特征 相似性贝叶斯(GCF SB)模型的红外显著性目标检测算法.建立了一种灰度对比度特征(GCF)模型，该模型利用两个通道分别提取红外图像的灰度特征和对比度特征，然后通过特征融合获得初级显著图；建立了一种基于相似性的贝叶斯(SB)模型，该模型根据初级特征图分别计算目标和背景的先验概率和似然函数，然后利用贝叶斯公式获得最终显著图，进而实现红外图像的显著性目标检测.实验结果表明，所提出算法能够有效抑制复杂背景、低对比度红外图像的噪声，增强对比度，具有较高的检测精度和鲁棒性.     

鲁棒的红外小目标视觉显著性检测方法

鲁棒的红外(IR)小目标检测是自动目标检测的关键技术,低信噪比条件下的红外小目标检测一直是业内研究热点.为了能有效地检测红外小目标,对红外小目标若干表观特征及其视觉显著性进行了分析,提出一种基于多尺度图像块统计序对比度(MOCIP)的红外小目标视觉显著性鲁棒检测方法,采用两步级联多尺度图像块统计序对比度算法抑制背景和噪声,提升目标强度,获得红外小目标显著性图,并利用自适应阈值实现目标检测.本文详细给出了红外小目标视觉显著性的检测算法,使用红外小目标图像对检测性能进行了实验验证,并与其他检测方法进行了对比.实验结果表明,所提出的方法能够在低信噪比条件下克服噪声和复杂背景的影响,有效地对红外小目标视觉显著性进行检测.      

远距离支援干扰下的目标跟踪技术

针对远距离支援干扰下雷达较难检测到干扰机掩护区域内的目标,其他区域内目标航迹不稳定的问题,提出了噪声干扰下的PF-TBD(Particle Filter based Track Before Detect)算法和门限自适应的MHT(Multiple Hypothesis Tracking)算法,并将这两种算法进行整合,使其能够根据雷达探测区域受干扰的程度选取相应的算法.研究了不同雷达探测区域内目标的航迹管理.仿真表明,此方法充分整合了两种算法的优点,提高了20%以上的雷达探测区域范围,兼顾了算法的时效性,同时该方法对干扰是否存在具有较强的适应性,对远距离支援干扰或其他压制干扰下目标跟踪具有一定的理论参考意义和实际应用价值.      

基于人工智能技术的雷达目标检测

强杂波背景下的目标检测是各国争相研究的热点，传统的雷达目标检测技术无法实现，人工智能技术的出现，其在目标识别和特征提取方面的独特优势，使得强杂波背景下的目标检测成为可能，利用人工智能神经网络的强大非线性预测能力对海杂波的非线性动力方程进行逼近，实现了对海杂波的非线性预测，提出了一种基于神经网络技术的强海杂波背景下的脉冲多普勒雷达导引头小目标检测方法，使得强海杂波背景下的目标检测能力有2 dB到6 dB的提升。     

基于跟踪微分器的多目标数据关联算法

根据目标在运动过程中位置与速度只能连续变化这一事实,提出了杂波环境下基于跟踪微分器的一种多目标数据关联算法.算法利用跟踪微分器得到目标波门内所有量测的位置与速度,通过将其与目标前一时刻的位置和速度的比较来实现在未知杂波环境下的多目标数据关联.该算法直接利用量测数据,不需要目标运动、传感器噪声及杂波的先验统计知识,在目标数已知杂波不很密集的情况下具有良好的数据关联能力.此算法计算量小、结构简单,与目标状态滤波估计算法完全分离,便于模块化设计和与其他滤波算法结合,易于工程实现.仿真结果验证了算法的有效性.     

复杂背景下目标散射信号测量与提取技术

在复杂环境条件下的宽带雷达目标散射特性测量中,场地周围环境产生的零多普勒杂波（ZDC）会严重影响目标测量数据的准确性。为了有效地抑制背景杂波、提高目标散射信号的测量精度,提出了一种基于最大概率提取技术。该技术首先通过方位滑窗平均得到每个频点的初始固定背景杂波估计,然后对每个频点的杂波初始估计进行统计直方图处理得到最大概率幅度统计量,并依据该统计量完成门限处理得到最终的杂波估计值,从而消除方位滑窗平均处理中的剩余目标信号分量、实现精确的背景提取与抵消。对典型目标的外场测量数据处理结果验证了本文方法的有效性。      

基于探鸟雷达的机场周边鸟类目标数量估计

针对雷达探鸟中的飞鸟目标数量统计问题，提出了一种多目标航迹自动起始跟踪算法，实现了对机场周边鸟类活动热点区域内鸟类目标数量的统计分析。通过数据关联估计量测与所有可能事件的关联概率，包括目标的新生、延续和消亡，以及杂波的剔除，并通过卡尔曼滤波与平滑方法给出每个目标的平滑轨迹，实现了对目标的全生命周期管理。仿真结果表明:所提算法能很好地实现杂波环境中的多目标航迹自动起始跟踪，正确估计每个目标的起始和消亡时间，统计目标数量的变化情况，且在目标起始的及时性方面明显优于传统的逻辑法。将所提算法应用于机场探鸟雷达实测数据，估计机场周边鸟类数量，可指导机场开展有针对性的鸟击防范工作。      

基于帧间特征点匹配的红外弱小目标检测

高空下、视复杂背景下弱小目标的检测一直是红外弱小目标跟踪的难点,提出了一种基于帧间特征点匹配的红外弱小目标检测的方法,将复杂背景下的动态弱小目标检测问题看作是帧间复杂背景的运动估计补偿问题,消除了背景杂波对红外目标的影响,进而达到了抑制背景的目的。做出了该算法与现在常用的频域高通滤波、形态学Top-hat滤波两种小目标检测算法的对比,并将目标局部信杂比和目标检测的虚警率作为算法的有效性评价指标。试验结果表明,通过准确的地补偿复杂背景的帧间位移量,再结合帧间差分的方式,后红外弱小目标检测的信杂比提升了2倍以上,检测得到的虚警率低于20%。     

基于PHD未知杂波密度多机动目标跟踪

基于随机有限集（RFS）的跳变马尔可夫系统（JMS）是多机动目标跟踪的有效方法。但现有的方法假设杂波密度是先验已知的,而实际中杂波密度是未知且可能随着环境的改变而变化。针对这一问题,提出了一种适用于线性高斯模型的未知杂波密度下多机动目标跟踪算法。该算法以未知杂波密度高斯混合概率假设密度（λ-GMPHD）滤波为基础建模杂波和真实目标,采用线性高斯JMS模型描述目标机动,推导了未知杂波密度下多机动目标跟踪的GMPHD迭代解析表达式。仿真结果表明,所提算法可实现对于杂波密度以及目标数和目标状态的准确估计。      

反导预警相控阵雷达网目标分配方法

针对相控阵雷达网跟踪弹道导弹目标时的资源管理问题，分析阐述反导预警作战场景，提出综合目标跟踪精度和雷达切换频率的目标分配效益函数，从雷达能量、时间及雷达与目标可见性三方面建立约束条件，以准确反映目标分配过程中的实际限制，在此基础上构建反导预警相控阵雷达网目标分配模型。根据反导预警任务特点，设置目标分配的自适应间隔，以提高模型设计合理性。就稀疏弹道导弹目标跟踪、密集弹道导弹目标跟踪2种场景进行仿真实验，结果表明:运用所提方法能够有效实现目标分配，提升相控阵雷达网资源利用效率，并能够减少雷达切换次数。      

基于杂波量测集约束的改进MS-MeMBer滤波器

针对高杂波密度场景下,传统多传感器多目标多伯努利(MS-MeMBer)滤波器存在的量测划分假设质量下降、势估计结果出现偏差等问题,提出了一种基于杂波量测集约束的改进MS-MeMBer滤波器。首先,通过将杂波量测集的影响引入到更新过程中,优化了目标量测集的权重,并给出了杂波场景下的单目标多传感器似然函数。然后,通过两步贪婪划分机制,得到了改进的多传感器量测划分假设。通过仿真将所提方法与传统MS-MeMBer滤波器进行了比较,实验结果表明:在高杂波密度场景下,改进MS-MeMBer滤波器具有更优的多目标跟踪性能。