高斯混合概率假设密度算法对多目标的跟踪研究

为了规避数据关联的困难,本文深入研究了适宜多目标跟踪工程应用,线性高斯多目标模型假设下的高斯混合概率假设密度算法（GM—PHD）,详细给出了后验PHD高斯元素的均值、方差和权值的解析递推式,使用了修剪和合并方法控制高斯元素数目的指数增长。最后。给出了一系列仿真实验,验证了在检测不确定和高杂波环境下,即使对目标数量未知和...     

雷达专家系统目标识别和红外图像目标识别的D-S融合

本文从雷达专家系统目标识别和红外图像目标识别算法分别得到带识别目标所属类别的基本概率分配函数。用D-S证据理论将得到的两个基本概率分配函数组合,最终实现了机载雷达和红外成像传感器的数据融合。仿真表明:融合后的识别效果要比单个雷达或单个红外传感器的识别效果要好得多。     

基于角速度估计自适应的IMM目标跟踪算法

为了解决目标强机动时目标跟踪算法模型集不匹配的问题,提出了一种基于角速度估计的自适应交互式多模型算法。通过对角速度的估计,在目标的不同运动模式下选取最优模型集,角速度估计精度高时,通过角速度估计值构造模型集,减小模型间竞争;角速度估计精度低时,采用标准IMM算法的模型集,提高模型集的覆盖范围,从而提高跟踪精度。仿真结果表明该方法能够明显提升目标跟踪性能,对强机动目标的跟踪效果尤其显著。     

基于双谱重构的图像降噪

提出了一种基于双谱重构的图像去噪方法.该方法的基本理论依据是:高阶统计量对高斯噪声的不敏感性.它首先计算图像的高阶谱,而得到的高阶谱中理论上将不再包含高斯噪声,然后再通过高阶谱重构图像的幅值和相位信息,最后还原至空间域而得到去噪后的图像.它是高阶谱域的变换与重构方法.仿真结果和分析表明,该双谱重构法较好地解决了去除噪声与保留细节之间的矛盾,无论从直观视觉和从定量分析结果,该双谱重构法都优于中值滤波法和高阶累积量方法.