基于IMM-UIF的多无人机纯角度机动目标跟踪

针对单无人机不能及时捕捉到目标的运动状态信息,很容易跟丢目标的问题,结合无迹信息滤波(UIF)算法和交互多模型(IMM)算法,提出了基于IMM-UIF的多无人机分布式融合估计算法。将各个无人机上的观测信息传输至中心节点,并统一优化各无人机的控制输入。仿真结果表明,基于IMM-UIF的多无人机分布式融合估计算法比基于IMM-UIF的单无人机跟踪精度提高了约30%,有效融合多无人机平台的量测信息,实现对目标稳定的高精度跟踪。     

一种新的目标跟踪特征融合方法

在粒子滤波目标跟踪框架下,给出一种基于颜色直方图和边缘直方图的新特征融合算法．该算法是一种通过颜色和边缘直方图的特征波和熵实现特征之间粒子数重分配的方法。通过实验比较本文算法与单特征跟踪算法的跟踪误差,结果表明本文方法较传统依靠单一特征进行目标跟踪的粒子滤波方法,在运算时间增幅不明显的情况下,实现了更为准确的目标跟踪,并可稳定的应用于运动背景下的动目标跟踪、背景光照变化下的多目标跟踪以及多目标发生相互遮挡等情况。     

基于庞加莱映射的多站数据融合算法

针对目前单目标跟踪数据融合中存在的伪数据问题，研究了基于庞加莱映射的补充条件定位引导算法和多站抗野值数据融合算法，建立了适应实际传感器数量变化的数据融合体系。理论分析和仿真结果均证明，该方法可行有效。     

基于PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题，提出基于目标存在概率（PTE）的航迹融合算法，提升了正确航迹率和跟踪精度。首先，通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后，在局部估计误差互协方差矩阵未知的条件下，基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈，提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。     

基于多尺度融合的自适应无人机目标跟踪算法

针对无人机（UAV）跟踪过程中目标的尺寸小、尺度变化大和相似物干扰等问题，提出了一种基于多尺度注意力和特征融合的自适应无人机航拍目标跟踪算法。首先，考虑到无人机视角下干扰信息多，构建了深层多样化特征提取网络，提供鲁棒表征目标的语义特征和多样化特征；其次，设计的多尺度注意力模块，抑制干扰信息的同时保留了不同尺度的目标信息；然后特征融合模块将不同层特征进行融合，有效整合了细节信息和语义信息；最后，使用多个基于无锚框策略的区域建议模块自适应感知目标的尺度变化，充分利用整合的特征信息实现对目标的精准定位与稳定跟踪。实验结果表明：该算法在数据集上的成功率和准确率为61.7%和81.5%，速度为40.5 frame/s。该算法对目标的辨别能力、尺度感知能力和抗干扰能力明显增强，能有效应对无人机跟踪过程中的常见挑战。     

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。     

非线性系统中多传感器目标跟踪融合算法研究

主要阐述了在非线性系统中多传感器目标跟踪的融合算法，提出了基于变换测量卡尔曼滤波器（CMKF）的分布式融合算法，从该理论出发，导出了分布式变换测量卡尔曼滤波算法（DCMKFA）几乎能够重视集中式融合估计，仿真结果证明了这一结论，因此，DCMKFA对于非线性系统中的目标跟踪是一个有效的分布式融合算法。     

非线性系统中多传感器目标跟踪融合算法研究

 研究了在非线性系统中 ,基于转换坐标卡尔曼滤波器的多传感器目标跟踪融合算法。通过分析得出 :在非线性系统的多传感器目标跟踪中 ,基于转换坐标卡尔曼滤波器 ( CMKF)的分布融合估计基本可以重构中心融合估计。仿真实验也证明了此结论。由此可见分布的 CMKFA是非线性系统中较优的分布融合算法     

一种基于模糊贴近度的多站数据融合算法

提出了一种基于模糊贴近度的多站数据融合算法。该算法利用模糊贴近度的概念和矩阵特征向量理论，确定多站数据融合算法的各个测量设备的权重。能充分利用测量数据，提高目标跟踪精度。与传统方法相比，该方法计算简便，便于工程实现。     

基于注意力机制和特征匹配的空对地多目标检测与跟踪算法

多目标跟踪算法是实现无人机自主导航的关键技术，为解决现有方法存在的小目标检测能力弱、计算能耗大、鲁棒性差等问题，提出一种基于注意力机制和特征匹配的多目标空对地跟踪算法，以实现航拍视角下对目标的精准高效跟踪。首先，引入通道可分离卷积，实现目标检测模型的轻量化；其次，构造融合空间注意力机制的小目标检测分支，提高对小微目标的检测精度，最后，优化目标跟踪算法的外观重识别网络，提高多目标跟踪效率。使用Visdrone2019-MOT数据集对所提算法进行验证，实验结果表明，所提算法的MOTA值提高了0.６%，FPS值为21.31帧/s，在模型大小和跟踪精度上实现了较好的平衡。     

多飞航导弹目标协同跟踪技术研究

针对多飞航导弹对目标协同跟踪精度较低的问题,提出了一种基于弹载雷达组网和GPS/INS组合导航的无偏不敏自适应融合跟踪算法。首先,通过领弹和攻击弹的优化布站,以有效提高多飞航导弹对目标的定位跟踪精度和突防能力;在时空协同的基础上,利用无偏不敏转换对各飞航导弹的目标量测进行预处理,以减小因旋转、平移和线性化误差所带来的影响;最后,结合统计双门限判决机制,利用自适应融合跟踪算法来有效实现多飞航导弹目标协同跟踪精度的提高。仿真结果表明,与现有的弹载雷达跟踪算法相比,该算法具有较高的定位跟踪精度。     

空间多分辨率模糊目标跟踪

提出了一种新的模糊目标跟踪算法--CPDA算法。这个算法在空间多分辨率框架下应用概率数据互联算法,在粗分辨率上实现模糊目标跟踪。在不同虚警密度的模糊目标环境下,利用仿真实验分析了CPDA算法的跟踪性能,同时将其与单分辨率上的联合概率数据互联方法进行了性能比较。仿真结果表明,CPDA算法的跟踪性能在达到与单分辨率上JPDA算法同样性能的条件下,能够以较小的计算量跟踪模糊目标。     

机载雷达目标跟踪与航迹信息提取

针对机动目标跟踪中航迹信息提取精度不高的问题,提出一种ECEF坐标系下基于交互多模型的多机协同跟踪算法。首先,各载机以ECEF坐标系为融合中心对目标量测进行无偏转换处理,以有效减小量测转换误差对目标跟踪的影响;然后,利用交互多模型的方法对目标进行融合跟踪,以进一步提高目标机动时的跟踪精度;最后,通过二次滤波的方法,来有效实现目标航迹信息的精确提取。仿真结果表明,该算法可较好地提高目标机动时的跟踪精度和航迹信息提取精度。     

多目标无源跟踪中的多特征模糊综合数据关联算法

提出了一种多目标无源跟踪中的数据关联算法———多特征模糊综合数据关联算法。首先基于目标特征关联因子模型,进行单跟踪门的多特征数据关联模糊评估,得到单跟踪门内的有效观测与真实目标的模糊关联程度,在此基础上,进行了多目标数据关联模糊综合评估,得到多目标整体模糊关联程度,最后进行多目标关联判决。由于该算法综合利用了目标更多的特征信息,所以比传统的NN方法有更好的关联性能,计算机仿真表明,它比NN方法的错误关联率约低15%。     

基于神经网络的机动目标信息融合与并行自适应跟踪

基于“当前”统计模型和 BP神经网络 ,提出一种新的机动目标神经网络信息融合与并行自适应跟踪算法 ( NIFPAT)。该算法采用双滤波器并行结构 ,利用全状态反馈 ,通过 BP网络调整系统方差以适应目标的运动变化 ,具有对目标各种运动状态的良好自适应跟踪能力     

一种融合卡尔曼滤波的改进时空上下文跟踪算法

针对时空上下文跟踪算法对快速运动和遭受严重遮挡目标的跟踪精度下降问题,提出一种融合卡尔曼滤波的改进时空上下文跟踪算法。首先人工标记目标所在的矩形区域,然后利用改进的时空上下文算法对目标进行稳定跟踪,在跟踪过程中,基于连续两帧图像灰度的欧氏距离判定目标跟踪状态,当判定目标遭受严重遮挡时,利用卡尔曼滤波进行预测估计。算法对噪声有一定的容忍度,通过降低噪声对跟踪过程的影响,能够得到更优的目标区域。仿真实验结果表明:本文算法适用于不同光照强度下高速、高机动目标的稳定跟踪,并且对目标的尺度变化和短时严重遮挡具有鲁棒性。算法帧平均耗时为34.07ms;帧几何中心平均误差为5.43pixel,比时空上下文算法减少70.2%;目标轮廓面积平均误差为13.08%,比时空上下文算法减少52.7%。     

复杂环境下一种基于改进核相关滤波的视觉鲁棒目标跟踪方法

目标跟踪在自动驾驶和智能监控系统等实时视觉应用中发挥着重要作用。在遮挡、相似干扰等情况下，传统的基于相关滤波的跟踪算法容易发生漂移，鲁棒性有待进一步提高。基于此，提出了一种扩展特征描述的检测辅助核相关滤波目标跟踪架构。首先，在传统的核相关滤波目标跟踪算法的基础上，通过目标检测辅助对跟踪结果进行质量判断，实现对遮挡以及目标丢失的判别；然后通过拓展特征模板的构建与匹配，实现抗干扰相似目标判断及目标重定位；最终，以行人跟踪为例进行了试验，分别通过OTB数据及验证试验和移动机器人平台视觉跟踪验证试验，验证了算法的可行性，并对算法的跟踪性能进行了测试。试验结果表明，所提方法能够稳定地跟踪移动目标，对遮挡、相似干扰具有较强的鲁棒性。     

相控阵雷达长时跟踪波束调度与波形优化策略

针对相控阵雷达多目标跟踪波束调度和波形参数优化控制的问题，本文提出了一种基于马尔可夫决策过程（MDP）的相控阵雷达跟踪波束调度与波形参数优化策略，该方法以无迹卡尔曼滤波（UKF）算法为基础来估计目标的状态。首先将本文的序列决策问题建模为马尔可夫决策过程，定义了资源的效费比和长期回报率，然后与当前实际跟踪误差综合考虑作为MDP的回报函数，进而给出了调度的优化模型，最后将长时决策问题转化为动态规划算法结构进行求解，并且提出了一种并行混合遗传粒子群优化算法来求解各决策时刻的最优策略。仿真结果表明了长时策略的先进性以及寻优算法的优越性，与传统的短时策略相比，跟踪精度可提高11.17%。     

基于成像跟踪的比例导引律实现

在综述了各种成象跟踪算法的基础上，给出了一种新的适于飞行力学自动目标跟踪算法的基本思想和方法步骤。研究和控制利用成像跟踪算法获取比例导引律中视线角速度和导弹怀目标间相对速度的方法，并结合导弹飞行控制数学模型，提出了一种基于成像跟踪的比例导引律实现方法。     

弹道导弹助推段拦截融合跟踪算法研究

针对空基雷达数据率低的特点,提出一种新的基于雷达/红外成像的机动目标跟踪信息融合算法.建立了弹道导弹目标机动模型和雷达/红外成像导引头观测方程,以动能拦截弹红外成像导引头数据更新时间为基准,以空基雷达采样周期为间隔对距离信息进行实时修正,推导了雷达/红外成像复合制导信息融合跟踪扩展卡尔曼滤波算法.仿真结果表明,该算法融...