复杂背景下红外弱小运动目标检测的新方法

提出了一种用于检测不同类型复杂背景下红外弱小运动目标的新方法。该方法能够根据图像信息自动选择背景预测算子;同时,针对不同类型复杂背景中目标和背景特性的差异,提出了“局部小目标可辨识度”的概念,并定义了一种有效的方法将其量化。在此基础上,采用蒙特卡罗实验方法构造了一种新的阈值函数,实现了单帧目标的检测,然后采用移动加权管道滤波提取目标的运动轨迹。实验结果表明,该方法对不同类型复杂背景的红外弱小运动目标具有很好的检测性能。     

一种基于边缘特征的背景差分运动目标检测方法

针对背景差分运动目标检测中目标边缘不够精确的问题,提出一种基于边缘特征的背景差分运动目标检测方法.该方法结合了均值背景的总体特性和对称帧差的实时性.首先,利用包含同一图像的两幅对称帧差相与结果获取运动目标的准确边缘,并将其作为目标分割的边界限制;然后,利用背景差分方法获取运动目标区域范围,提取目标像索点作为区域生长的种...     

基于状态方程的雷达目标航迹模拟方法

雷达目标模拟航迹产生的数据是进行各种雷达数据处理研究的前提。文章提出了一种基于状态方程的航迹模拟方法,该方法是利用目标运动的状态方程及最优控制理论来进行航迹模拟,最大的优点在于产生的数据符合目标运动的特性,更真实地接近空中目标实际运动的轨迹。仿真实验结果表明了该算法的有效性。     

基于运动形态学的掠地飞行器视频检测方法

 结合数学形态学、视频图像运动分析以及数学统计分析方法，提出了一种用于空中预警控制系统(AWACS)的小型掠地飞行器运动形态学视频检测方法。该方法首先应用形态学tophat滤波提取出视频图像中的可疑目标(SO)，并求取SO的运动参数，利用真实目标和类目标干扰的不同运动特性，应用数学统计的方法对各运动参数进行分析以剔除部分类目标干扰，从而获得潜在目标(PT)的灰度分布和运动参数。在应用形态学tophat滤波器进行可疑目标提取中，一种新的金字塔型结构元的引入有效减少了虚警数量。外场试验表明，该检测方法能够有效抑制航拍掠地飞行器视频图像中的地物干扰，降低虚警目标的数量。     

SAR极坐标格式成像算法对运动目标响应特性

运动目标的合成孔径雷达（SAR）成像特征是SAR地面运动目标指示（SAR/GMTI）系统进行运动目标检测、成像和重定位的基础。为此,从信号二维解耦合校正距离徙动角度推导和分析了极坐标格式算法（PFA）对运动目标的响应特性,揭示了极坐标格式转换过程中的距离插值和方位插值对运动目标距离徙动的校正原理。理论分析表明：PFA在完成对静止目标成像的同时,还能够自动校正所有运动目标的线性距离徒动,且校正过程无需目标运动信息,因此对于径向运动目标,在忽略波前弯曲条件下PFA也能够对其进行完全聚焦。最后,通过仿真数据处理对理论分析结果进行了验证,表明PFA作为一种运动目标成像预处理方法具有很大的应用前景。     

一种基于背景自适应的运动目标检测与跟踪算法

背景图像差分法是运动目标实时检测中常用的方法,但缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了该方法的适应性。对此,文章首先提出了一种自适应背景更新方法;然后利用最大类间方差法实现运动目标的自适应阈值分割,并利用基于形态学方法的连通区检测算法检测运动目标;最后以Kalman滤波为运动模型实现对运动目标的连续跟踪。实验结果表明:所提方法可随着光照条件的变化,实时、准确地检测出运动目标并实现稳定跟踪。     

无人机跟踪运动目标航迹规划算法

对无人机跟踪运动目标的原理进行了分析,设计了跟踪系统的动力学模型,提出了一种基于切线法的航迹规划算法。在动力学约束条件下实现了对无人机的航迹、速度、加速度等的最优控制,从而解决了无人机跟踪运动目标问题,并给出了算法的具体设计步骤。仿真结果表明,该算法能够快速、有效地为无人机规划出跟踪运动目标的最优航迹。     

基于运动信息的视频图像空间目标检测

针对卫星拍摄的以深空为背景的视频图像中空间运动目标的检测问题进行了研究,提出了一种基于运动信息的目标检测算法。首先,通过均值滤波对图像进行降噪处理；然后,采用基于局部统计的可变阈值来分割单帧图像,使用灰度重心法计算像点坐标。当卫星凝视目标区域时,恒星可以认为是静止的,而目标依旧在运动,基于此,可检测出空间运动目标。基于某型卫星在轨拍摄的视频图像验证了算法的有效性。     

基于PSO的多观测器轨迹优化研究

在多观测站目标被动跟踪过程中,多观测器运动轨迹对定位跟踪精度有重要影响.为提高对运动目标的跟踪精度,将目标滤波协方差的迹作为目标优化函数,提出一种基于粒子群算法(Particle Swarm Optimi-zation,PSO)的多观测器轨迹优化方法,并将轨迹优化加入运动目标被动跟踪过程中,实现了观测器自适应运动下的运...     

基于时间反转和降阶Keystone的SAR-GMTI快速聚焦方法

对合成孔径雷达（SAR）地面运动目标聚焦技术进行了研究。针对现有运动目标聚焦方法存在的问题,提出了一种基于时间反转和降阶Keystone的SAR地面运动目标检测（SAR-GMTI）快速聚焦方法。首先,根据目标的机动特性建立了3阶距离模型;其次,针对目标多普勒中心模糊引起的多普勒谱分裂现象,结合所提时间反转处理（TRP）和降阶Keystone变换处理估计出运动目标2阶参数。此后,构造2阶相位补偿函数补偿运动目标的2阶距离徙动和多普勒徙动,从而完成运动目标的聚焦。同时,所提方法没有任何参数搜索过程,降低了计算复杂度。最后,仿真实验验证了所提算法的正确性和有效性。     

一种FMCW SAR地面运动目标谱图域参数估计方法

对调频连续波(FMCW)合成孔径雷达(SAR)地面运动目标的参数估计方法进行了研究,采用相位中心偏置天线(DPCA)技术对地杂波进行抑制,分析了载机及地面运动目标连续运动对回波信号的影响,推导了采用DPCA技术引入的回波慢时间包络(STE)项与地面运动目标参数之间的关系。在此基础上,提出了一种地面运动目标谱图域参数估计方法,该方法首先利用Radon变换在谱图域估计导致回波信号距离走动的目标等效径向速度,并对距离走动进行校正;其次,在谱图域中提取运动目标回波幅度,根据STE项引起的回波幅度变化与目标方位向速度之间的关系,估计目标的方位向速度,并进一步求解相应的目标径向速度。所提方法能够在谱图域完成地面运动目标二维速度估计,最后的仿真实验验证了所提方法的有效性和可行性。     

机载SAR反投影图像自聚焦处理方法

反投影算法(BPA)是一种经典的时间域合成孔径雷达(SAR)成像处理方法。BPA对回波数据插值累加得到图像,运动误差导致的目标散焦沿不同的倾斜角度存在,无法直接应用现有的自聚焦算法。为此,提出了一种新颖的BPA图像运动补偿方案。基于反投影数据运动相位误差和距离徙动分析,研究了修正投影栅格成像,从而去除重建图像中目标散焦方向的空变特性。在中低分辨率配置下,重建SAR图像能够直接应用相位梯度自聚焦(PGA)等进行运动补偿。点目标仿真实验和实测数据结果验证了该算法的有效性。     

大攻角导弹的导引运动建模与导引律设计

介绍了在大攻角情况下,建立的导弹目标的追逃运动模型;阐明了在目标运动详细信息未知的条件下,应用基于李雅普诺夫稳定性理论的鲁棒控制方法,提出的一种非线性鲁棒制导算法.仿真结果验证了导引运动模型的正确性和制导算法的有效性.     

基于修正离散Chirp-Fourier变换的高速目标ISAR距离像补偿

分析了高速运动目标的逆合成孔径雷达（ISAR）回波信号模型和高速运动对ISAR信号处理的影响。结果表明,高速运动特征会导致目标一维距离像的畸变和二维像的模糊。为此,提出了一种基于修正离散Chirp Fourier变换（MDCFT）的高速运动目标距离像补偿算法,采用MDCFT谱包络最小Shannon熵准则进行参数估计,可解决幅度最大准则下参数估计性能恶化的问题。仿真结果表明了该距离像补偿算法的有效性。     

利用分数阶Fourier域滤波的机载SAR多运动目标检测

 强度相差较大的多运动目标检测是机载合成孔径雷达 ( SAR)技术的一个重点和难点,传统的频域滤波和现代的时频分布方法都无法解决这个问题。首先分析了机载 SAR运动目标回波本质上为线性调频信号,据此提出一种基于分数阶 Fourier域滤波的运动目标检测新方法,并且应用逐次消去的思想有效地解决了强度相差较大的多目标检测问题。仿真的结果验证了算法的有效性。     

机动目标三维空间导引运动建模及导引律研究

给出了导弹—目标追逃运动的空间矢量方程，在此基础上推导了三维导引运动模型。对机动目标应用李雅普诺夫稳定性分析方法提出了一种自适应变结构制导算法。六自由度数学仿真结果表明了模型的正确性和制导算法的有效性。     

机动目标的多项式预测模型及其跟踪算法

根据匀变速运动的多项式描述形式,利用多项式预测滤波器对目标状态建模,提出了一种全新机动目标运动的动态模型——多项式预测模型,并针对这个全新的模型给出了相应的最优滤波算法。分析表明：该模型可以精确描述任意可以由多项式描述的目标运动,而不需要已知运动的具体参数,因此相应的最优滤波算法适用于任何可以用多项式描述的机动目标状态估计问题。一个机动目标跟踪问题的计算机仿真证明了本文方法的有效性和实用性。     

交互多模型PHD滤波跟踪多目标方法

在机动多目标跟踪问题中,目标数未知或随时间而变化,概率假设密度（PHD）滤波可以在每一时间步估计多目标状态和目标数,但单模型方法不能给出精确的估计。提出了一种交互多模型PHD滤波方法,建立多模型描述多目标运动方式,利用PHD滤波结合多模型跟踪目标运动轨迹。同时,给出了多传感器交互多模型PHD滤波方法,以提高目标跟踪精度。     

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。     

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。