基于概率网格Hough变换的多雷达航迹起始算法

 针对常规Hough变换(THT)航迹起始算法采用二元积累的弊端,提出了一种按测量点迹分布概率进行积累的多雷达航迹起始算法。首先把观测空间划分为统一大小的网格,然后根据雷达测量精度计算出观测数据落在每个网格内的概率,进而得到每个网格存在目标的概率,最后的Hough积累采用网格概率进行加权。与常规Hough变换法相比,新算法起始的航迹具有更高的精度和更好的鲁棒性,适合于不同精度雷达的联合航迹起始。仿真结果验证了算法的有效性。     

基于点集合并的修正Hough变换TBD算法

在低信噪比条件下,基于Hough变换的检测前跟踪算法是进行强杂波背景下目标航迹检测的一种手段。本文针对Hough变换后一个目标产生多条可能航迹以及航迹内可能存在杂波点的问题,提出了一种基于能量最大点和点集合并的修正Hough变换检测前跟踪算法。该算法利用量测点时序、能量信息及目标速度先验信息对Hough变换后点迹进行关联和剔除,能够有效的对目标原始航迹进行回溯。针对高斯噪声背景下的飞行目标,仿真结果表明该算法能够对微弱目标进行有效检测,在目标数目、杂波密度、信噪比发生变化的条件下仍能保持较高的检测概率。     

临近空间伴有尾流高超声速目标检测定位算法

临近空间高超声速目标由于尾迹的产生使雷达散射截面积(RCS)存在突增现象。为解决在此状态下的目标检测及本体定位问题,首先,提出圆台模型模拟尾迹多散射点分布范围,采用密度峰值聚类筛选本体及尾迹量测点;然后,采用修正Hough变换筛选目标航迹,根据运动目标坐标间的数学关系进行本体定位;最后,输出结果。仿真结果显示：算法对2个不同尾迹长度的目标均保持近90%的检测概率,对2个目标全部检测的概率具有近80%的检测概率,且检测概率不随RCS差、尾迹长度和信杂比的变化而产生较大变化,具有一定的应用前景。     

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.     

无先验信息的低轨空间目标航迹起始方法

针对光学观测中缺乏预报信息的低轨道空间目标自动识别捕获问题,提出一种基于修正Hough变换的空间目标航迹起始方法,从而实现空间目标的自动识别。首先利用背景恒星运动规律对观测数据进行预处理,剔除大部分背景恒星。再利用观测数据的时序信息、定向参数进行Hough变换。本方法并没有采用传统的Hough变换对所有参数空间中的数据点进行投票,而是仅对参数空间中部分点投票,可以大幅减少运算量和存储量。试验表明:该方法能够有效地抑制背景恒星产生的虚假航迹,并快速准确地完成无先验信息的低轨道空间目标的航迹起始;可以在光学观测中实现空间目标的自动识别捕获,以及实时发现新目标,这为低轨道空间目标光学观测的无人值守和联网观测奠定了技术基础。     

基于相对位置矢量的群目标灰色精细航迹起始算法

为解决群内目标精细航迹起始的难题,基于对传统航迹起始算法及现有群目标航迹起始算法优缺点的分析,给出了完整的群目标航迹起始框架,并提出了一种基于相对位置矢量的群目标灰色精细航迹起始算法。首先基于循环阈值模型、群中心点进行群的预分割、预关联,然后对预关联成功的群搜索对应坐标系,建立群中各量测的相对位置矢量,基于灰色精细互联模型完成群内量测的互联,最后基于航迹确认规则得到群目标状态矩阵。经仿真数据验证,与修正的逻辑法、基于聚类和Hough变换的多编队航迹起始算法相比,该算法在起始真实航迹、抑制虚假航迹及杂波鲁棒性等方面综合性能更优。     

一种基于修正Hough变换的航迹起始算法

为了在重杂波区内检测出运动的目标,提出了一种修正的Hough变换算法用于初始航迹的建立。与传统的算法相比,修正算法充分利用目标的运动学信息,选取了更为合适的变换参量,仅利用较少拍数的量测就可以完成起始,能够在检测概率较高的环境下具有良好的起始性能。计算机仿真结果表明,算法能够克服传统算法的多拍扫描,大大缩短实际的计算量和起始时间,实现对航迹起始的在线改进。     

基于运动状态的航迹起始算法研究

 针对传统的基于逻辑的航迹起始方法在量测扩展过程中存在的弊端，提出了基于目标运动状态的航迹起始算法，并给出了更为精确的起始波门构造方法。利用目标的位置信息形成候选目标航迹，在候选目标航迹扩展过程中，采用提出的修正Hough变换提取目标状态信息，并根据目标〖JP2〗的状态信息对候选航迹进行检验。仿真结果表明，该算法比其他基于逻辑的方法有更低的虚警概率，并且对存储空间要求低，适于工程应用。     

基于相位相关的部分可辨编队精细起始算法

针对部分可辨条件下编队目标的精细起始难题,提出了一种基于相位相关的部分可辨编队精细起始算法。首先,采用基于坐标映射距离差分的快速群分割与基于编队中心点的预互联对雷达量测进行预处理;然后,利用图像匹配中相位相关特性,将相邻时刻编队结构进行补偿对准,解决了低目标发现概率情况下的编队结构对准问题;最后,采用增加虚拟量测并后验判决的方式,结合最近邻法做编队航迹精细互联,在填补航迹缺失、增加正确航迹的同时抑制虚假航迹的产生。经仿真验证,与修正的逻辑法、基于相对位置矢量的灰色编队精细起始算法相比,本文所提算法在提高航迹正确起始率、抑制虚假航迹方面性能优势显著,且对环境杂波与雷达精度具有较好的鲁棒性,对目标发现概率具有较好的适应性。     

纯方位二维目标跟踪的航迹起始算法

 针对传统航迹起始算法在纯方位目标定位和跟踪系统应用中存在的弊端,提出了一种完全基于角度量测的快速航迹起始算法。该方法通过深入分析目标在角度坐标下的运动特性,给出了全新的关联门构造方法。该波门技术有效提高了纯方位二维目标真实量测的确认效率,极大限制了虚假航迹随密集杂波的扩张。利用此波门,通过基于逻辑的方法对仅有角度量测的目标航迹进行扩展。该方法有效地解决了角度坐标系下机动目标的航迹起始分辨率下降的问题,为基于单个被动传感器纯方位跟踪系统进行快速、准确的航迹起始提供了新的思路。仿真结果及实际应用表明了此算法的有效性和实用性。     

海杂波背景下小目标检测及其运动信息的提取

介绍了在基于Hough变换的检测前跟踪算法检测海杂波背景下的低可观测目标的基础上,将动态规划方法引入其中,从每一条“特征直线”所包含的数据点迹中提取最可能构成目标点迹的数据点的方法。仿真结果表明,将Hough变换与基于动态规划的航迹搜索相结合,能够提高低信噪比条件下的目标检测概率,并能比较准确地提取出目标点迹。然后对提取出来的目标点迹进行Kalman滤波,以估计目标的速度,从而为后续的检测与跟踪提供比较准确的目标信息。     

一种基于径向加速度的Singer-EKF机动目标跟踪算法

针对雷达均不能提供目标加速度信息,在目标机动时会出现跟踪精度差甚至跟踪发散的问题,提出一种基于径向加速度的Singer-EKF算法。该算法在信号处理阶段利用Radon-Ambiguity变换（RAT）估计出目标的径向加速度,并通过坐标转换将其引入量测向量中,然后采用基于Singer模型的扩展卡尔曼滤波（EKF）算法实现机动目标的跟踪。仿真验证了该方法的有效性,并与传统的不带径向加速度的扩展卡尔曼滤波（EKF）方法进行了比较,结果表明该方法在径向距离、位置、加速度和速度估计精度方面都有所提高。     

基于离散小波变换的航迹关联算法研究

本文基于1-D离散小波变换(DWT)提出了一种航迹-航迹关联算法。由于目标航迹数据是非平稳随机序列,因此采用离散小波变换方法分析,利用基于F分布的假设检验模型来描述小波分解高频小波空间与低频尺度空间能量的比率,结合"去相关"方法分别讨论了航迹相关与无关的情形,并给出了一种仿真方法。仿真结果表明算法的有效性和在分辨两条相近航迹方面的优越性。     

非高斯杂波背景中距离扩展目标的盲积累检测器

在采用球不变随机向量(SIRV)建模的非高斯杂波背景下,研究了导向矢量失配或未知时距离扩展目标的检测问题。先假设导向矢量已知,采用广义似然比检验(GLRT)得到每个距离单元的归一化匹配滤波器(NMF)统计量,再将多个距离单元的统计量进行非相干积累得到扩展目标的NMF积累检测器(NMFI),然后通过最大化检测统计量的方法,结合特征值分解技术,对导向矢量进行估计,提出了距离扩展目标的盲NMFI(B-NMFI)。仿真分析表明:当导向矢量失配时,NMFI的检测性能优于GLRT;当导向矢量未知时,B-NMFI能有效地检测目标,并且对不同方位的目标具有很好的鲁棒性。     

基于聚类和Hough变换的多编队航迹起始算法

以传感器分辨力较低、编队成员之间距离较近时,不能辨别出编队中的目标数量和队形结构为背景,集中研究了密集杂波下编队的航迹起始问题并分析了该问题的难点所在;在此基础上,首先,通过循环阈值法将前3个时刻的量测点迹分割成多个子群;然后,对分割后的各个子群运用K均值聚类法,更准确地求出各个子群的聚类中心点作为该子群的中心;最后,通过最近邻法,以最大速度为限制将前3个时刻各子群中心点互联,对互联上的中心点经Hough变换,映射到参数空间,从而判别出成功起始的航迹和速度。经仿真验证,该方法对密集杂波环境下编队的航迹起始效果较好,并且速度快,起始率高。     

基于目标纹理的机器视觉转角检测方法

目标姿态角度检测系统是确保智能制造设备自动化、智能化的核心部件之一,在智能制造设备中得到了广泛的应用。提出了一种基于目标纹理的机器视觉转角检测算法,该算法通过椭圆聚类提取图像中的感兴趣区域,采用Hough梯度变换寻找感兴趣区域中包含特定纹理特征的区域,结合先验信息对特征区域进行标记、匹配,进而计算出待测物体的滚转角度,算法的运行耗时小于0.5s。采用该算法实现了浮子组件在浮液中的径向滚转角检测,并模拟实际检测环境测试了该算法的精度。测试结果表明,绝对精度小于0.3°,重复性精度小于0.08°,满足实际生产现场对检测精度的要求,解决了人工检测精度低、耗费人力的问题,提升了浮子转角检测的精度和智能程度。     

一种改进的基于Hough变换的精确圆检测方法

在空间航天飞行器的对接过程中,合作目标背景的复杂性使得对圆形对接靶标部位的准确快速识别能力显得至关重要.为了克服Hough变换的圆检测遍历边缘点的局限性,采用图像预处理方法,极大地减少了参与Hough变换的无效像素点,并对边缘进行抽样提高Hough变换圆检测效率;针对Hough变换圆定位精度低,对Hough变换检测出的像素点,采用最小二乘拟合圆心得到亚像素的圆心拟合精度.一方面利用Hough变换检测圆的鲁棒性,有效地解决了最小二乘拟合的平方项对离群点敏感的问题;另一方面利用了最小二乘法的精确性提高圆心的定位精度.仿真结果和实验结果均证明了方法可将圆定位精度提高到1/20像元.     

基于Keystone变换和MDCFT的高机动弱目标检测与参数估计

 常规雷达对隐身、超声速和高机动目标存在回波信噪比不足、距离徙动和多普勒谱扩展问题。将Keystone变换和修正离散Chirp-Fourier变换(MDCFT)相结合,提出了一种新的雷达信号处理算法。该算法通过Keystone变换补偿距离徙动问题,利用MDCFT对多普勒谱严重扩展的目标回波进行相参积累,提高目标检测性能的同时完成了对目标参数的估计,且该算法在方位向欠采样时仍可适用。最后对算法运算量及性能进行了分析,通过仿真验证了该算法的有效性。     

距离扩展目标检测中的 强散射点自适应估计方法

高分辨雷达通过积累多个距离单元上的目标回波,达到提高距离扩展目标检测性能的目的。由于目标散射中心的稀疏分布,常规的能量积累检测方法存在陷落损失,而基于目标强散射点的积累检测方法可有效克服因陷落损失造成的检测性能下降问题。利用最大类间方差法对目标强散射点进行自适应估计,并通过仿真验证了该方法改善检测性能的有效性。     

Lognormal杂波环境中基于Hough变换的目标检测

给出了基于Hough变换的信号检测结构,推导了Lognormal分布杂波背景下基于Hough 变换检测器的检测性能的解析表达式,设计了具体的仿真环境和仿真流程,对基于Hough变换检测器在非起伏目标和四种Swerling起伏环境下的目标检测性能进行了分析。