多传感器融合目标跟踪

分析了基于成象和雷达两种传感器对目标状态的测量模型及其融合模型。针对两种传感器之间测量信息的不同步问题,给出了一种基于最小二乘法的不同步信息之间的时间配准和融合方法,并设计了跟踪滤波器。     

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     

一种分散化多站联合目标跟踪算法

 本文基于分散估计理论的基本原理,考虑各子站基于不同坐标系这个一般情形,给出了一种新的分散化多站联合目标跟踪算法。并针对子站间四种不同的通讯方式,对算法进行了仿真。结果表明,本文的最优合成算法即使在各个子站由于缺少足够的信息而得到错误估计的情况下,也能快速地给出正确的估计。     

雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

ALGORITHMS FOR TRACKING MANEUVERING TARGET WITH PHASED ARRAY RADAR

Ｓｉｎｃｅｐｈａｓｅｄａｒａｙｒａｄａｒｃａｎａｌｏｃａｔｅｔｈｅｒａｄａｒｒｅｓｏｕｒｃｅｓｆｌｅｘｉｂｌｙ,ｉｔｈａｓｔｈｅｐｏｔｅｎｔｉａｌｔｏｆｕｒｔｈｅｒｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｒａｃｋｉｎｇｍａｎｅｕｖｅｒｉｎｇｔ...     

随机神经网络在机动多目标跟踪中的应用

研究密集多回波环境下的机动多目标跟踪问题。通过对多目标联合概率数据关联方法性能特征的分析,将其归结为一类约束组合优化问题。在此基础上,利用随机神经网络求解组合优化问题的策略,采用改进的增益退火算法,提出了一种新颖的机动多目标快速自适应神经网络跟踪方法。仿真结果表明,该方法不仅具有很高的收敛速度和跟踪精度,而且计算量小,关联效果好。     

图象序列中机动目标的形心跟踪

从边检测边跟踪的角度探讨了图象序列中机动目标的形心跟踪问题,深入分析了强高斯噪声背景下目标形心估计的统计性质及用于形心估计的图象预处理方法。指出经典的图象二值化变换分割后作形心估计的方法面临着估计偏差和方差的矛盾,提出了用自适应交互三模型(ATIMM)跟踪图象序列中机动目标的方法,同时发现在了解目标形状的条件下,空间匹配滤波,二值变换点集聚类和 ATIMM三者的结合对图象序列中的机动目标具有最好的跟踪性能。