T／R－R型双基地系统分段跟踪技术的研究

根据Ｔ／Ｒ－Ｒ型双基地系统在受到由弱到强的干扰影响时,其可用的测量量不同,有必要研究各种干扰模式下应采用的跟踪算法,提出了分段跟踪技术,充分利用了不同干扰强度时Ｔ／Ｒ站和Ｒ站的测量数据,提高了对三维运动目标的跟踪精度。通过典型目标航迹的计算机仿真,对算法性能做了评估。     

一种融合的长时单目标跟踪策略

本文提出一种融合的长时单目标跟踪策略，融合基于深度学习的目标检测算法和基于相关滤波的单目标跟踪算法，形成两种跟踪模式，根据多种判断策略控制跟踪模式切换，能够在保证跟踪鲁棒性的情况下大幅度提高跟踪实时性。将该跟踪策略用在自制数据集ATP-UAV上，取得了较好的跟踪效果。     

红外弱小目标检测跟踪算法研究

首先对红外图像进行建模,然后在此基础上提出一套目标检测跟踪算法,给出了实验结果。实验结果表明,算法能够很好地完成对信噪比大于4目标的检测,同时算法具有多目标检测能力。当确定需要跟踪的目标以后,系统转入目标跟踪,进而完成对所关注目标的跟踪任务。     

基于Canny边缘检测的Mean-Shift跟踪核窗宽确定方法

传统核窗宽固定的Mean—Shift跟踪算法不能很好地对做复杂运动、尺寸变化的目标进行有效地跟踪,变核窗宽是解决这一问题的途径。图像的边缘表征了目标的重要特征,可以通过提取目标的边缘来确定核窗宽并用于跟踪。基于Canny边缘检测算法确定跟踪窗宽加快了Mean—Shift跟踪算法的运算速度,仿真结果验证了该跟踪算法的有效性。     

空中运动目标的识别和跟踪控制

针对空中运动目标的识别和跟踪,提出图像匹配算法和连通域算法相结合的方法。该方法主要用图像匹配算法获得目标的位置信息,当图像匹配算法失效时,则采用连通域算法重新捕获目标、获得图像模板。同时,为提高跟踪的实时性,采用最小二乘线性预测法来预测目标的运动轨迹。在实验室的目标跟踪系统平台上,该方法能够对运动目标进行稳定的识别和跟踪。     

雷达低空目标俯仰角跟踪的C2算法研究

在单脉冲测角体制下,由于多径回波信号的干扰,极大地降低了雷达低空目标仰俯角跟踪精度,甚至丢失目标。通过对多路径反射环境模型分析,得出了岸、海基单脉冲雷达低空目标跟踪时仰俯角测量误差的产生原因,提出将传统的多目标分辨算法(C2算法)应用于低角多径环境下目标俯仰角的跟踪测量,并在不同多径反射环境下对不同高度、不同飞行速度和飞行方向的目标进行了仿真,得到良好的仿真结果,表明该算法可较大地提高俯仰角跟踪测量精度。通过对仿真结果的分析,验证了该算法在低空目标跟踪中的有效性和可行性。     

一种新的基于机动检测的机动目标跟踪算法

针对Kalman滤波跟踪机动目标发散和目前多数自适应Kalman滤波算法对运动模型适应性不强的问题,提出了一种新的基于机动检测的机动目标跟踪算法,通过实时自适应的改变滤波模型提高对机动目标跟踪精度。对这种方法与Kalman滤波算法进行了计算机仿真比较,结果表明,该方法计算量小,可实时精确地自适应匹配目标的运动模型,可实现对机动目标稳定可靠的跟踪。     

一种适用于机场场面MLAT监视系统的定位算法及其性能分析

与通常的三维目标不同,机场场面目标的高度是已知固定值,这点在设计应用于民用机场场面监视的无源多点时差定位(MLAT)系统时应予以考虑。基于机场场面目标及MLAT系统的特点,提出了一种改进的时差定位算法,该算法特别适合应用于场面监视的MLAT系统中。相比于传统的三维定位算法,该算法不但可以提高定位精度,还可增强系统的鲁棒性。给出了该改进时差定位算法的克拉美罗界(CRLB),并进一步推导出了该算法与三维定位算法精度之间的理论关系,从理论上证明了该算法的定位精度高于三维定位算法。与此同时,基于条件数理论还证明了该算法的鲁棒性优于三维定位算法。仿真实验及实测数据证明了所得结论的正确性和有效性。     

基于SIMBOX的弹道三维可视化仿真系统

研究了一种基于SIMBOX实现弹道三维可视化仿真系统的方法。给出了弹道所采用的比例导引法的具体算法,利用3DSMAX软件构建出导弹与目标的三维模型,将其导入到SIMBOX软件的视景系统,采用VC算法对导弹进行具体的机动动作控制,并通过SIMBOX软件对弹道进行了可视化仿真,以动画的方式实现了导弹跟踪及爆炸的三维视景,分别给出了3D和平面的效果图,并分析了比例系数和导弹与目标速度比对弹道的影响,最后将仿真结果与理论推导结果进行了对比。     

一种基于新三维随机Hough变换的航迹起始算法

针对雷达跟踪多目标时,目标点迹受杂波、噪声等因素影响,航迹起始难度大的问题,利用三维空间直线表示方法提出了一种4参数三维Hough变换算法.该算法是对传统二维Hough变换的拓展,它结合了传统的二维随机Hough变换理论,是一种新的三维随机Hough变换算法.通过该算法对理论数据和实测数据进行验证,结果表明,对于航迹区别较大的目标,该算法的航迹起始成功概率为98.5％;对于空间航迹相近的目标,该算法可成功将目标航迹从杂波中提取出来,虽然可能会出现航迹混淆,但利用目标先验信息可解决该问题,实现航迹起始.     

基于视觉注意机制的认知雷达数据关联算法

针对传统关联波门设计方法在应用于机动目标跟踪时容易引起失跟、以及概率数据关联算法不适于多交叉目标跟踪的问题,提出了一种基于人类视觉选择性注意机制和知觉客体的"特征整合"理论的认知雷达数据关联算法。算法以综合交互式多模型概率数据关联算法为基础,采取假设目标最大机动水平已知的"当前"统计模型和匀速运动模型作为模型集,通过实时交互使关联波门能够随目标机动动态调整,较好地兼顾了雷达计算耗时和跟踪成功率。在利用目标位置特征的基础上,进一步提取、整合目标运动特征,对关联波门交叉区域公共量测进行分类,使多交叉目标跟踪问题转化为多个单目标跟踪问题,优化了传统概率数据关联算法。仿真结果表明：与传统关联波门设计方法相比,算法跟踪失败率和计算耗时明显降低;而且在计算资源增加不大的情况下,杂波环境适应性也得到了显著增强。     

Efficient Approximation of Kalman Filter for Target Tracking

A Kalman filter in the Cartesian coordinates is described for a maneuvering target when the radar sensor measures range, bearing, and elevation angles in the polar coordinates at high data rates. An approximate gain computation algorithm is developed to determine the filter gains for on-line microprocessor implementation. In this approach, gains are computed for three uncoupled filters and multiplied by a Jacobian transformation determined from the measured target position and orientation. The algorithm is compared with the extended Kalman filter for a typical target trajectory in a naval gun fire control system. The filter gains and the tracking errors for the proposed algorithm are nearly identical to the extended Kalman filter, while the computation requirements are reduced by a factor of four.     

增广误差模型算法在目标跟踪中的应用

针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。     

基于人工神经网络的多模型目标跟踪算法

针对在目标跟踪中单模型跟踪算法难以应对目标运动形式的变化,而多模型跟踪算法存在结构固定、跟踪精度被非匹配模型削弱且模型切换缓慢的矛盾,文章提出了一种基于人工神经网络的多模型目标跟踪算法。通过分析目标几种基本运动模式的轨迹特点,归纳出目标运动轨迹的特征向量。利用训练好的BP神经网络对滑窗里的轨迹段进行运动模型识别,按结果进行跟踪模型切换,达到使跟踪算法实时适应目标运动状态的目的。仿真结果证明了该算法的有效性,且与传统的多模型算法相比,具有结构更加简单、更强的灵活性和拓展性的特点。     

机动多目标跟踪问题中关联区域的研究

 本文研究了跟踪多个机动目标时,由滤波算法所获得的新息向量范数的统计性质,关联区域的大小以及接收正确回波的概率。借助拉蒙特卡洛方法,考察了不同的目标状态模型、目标机动加速度及状态噪声方差等因素对所研究的问题的影响。研究表明,文献[1]所提出的机动目标状态模型及相应的自适应算法具有较好的适应目标机动的能力,关联区域的大小及接收正确回波的概率均较为稳定。     

引入神经网络的交互式多模型算法

在交互式多模型算法中引入神经网络算法以改进目标跟踪的精度。利用神经网络算法对基于机动目标“当前”统计模型的均值和方差自适应滤波算法进行修改,提高该算法的性能,然后采用交互作用多模型算法跟踪机动目标,提高了机动目标的跟踪精度。     

一种对多传感器异步数据的融合处理方法

在传感器异步采样时刻情况下 ,对机动目标的跟踪滤波算法进行了探讨 ,基于细分时间片的方法 ,提出了一种将多传感器数据组合成类似于单传感器数据的异步数据处理方法 ,运用于目标点迹航迹的合成。通过对多传感器数据的利用 ,增大对目标观测的数据流数据率 ,来提高跟踪精度。仿真实验显示 ,各通道的均方根误差均相对减小 ,表明了算法的可行性。