基于动态规划的低可观测目标检测与跟踪

动态规划算法用于检测与跟踪低可观测的运动目标,它是一种“检测置前跟踪”技术,在检测到目标的同时得到目标航迹。通过仿真,给出了动态规划算法的处理结果并分析了动态规划算法的性能。结果表明该算法在低信噪比时可以观察到较好的性能,但是当信噪比进一步下降时,其性能会迅速下降。     

基于目标与相关背景的多特征融合跟踪小目标

本文研究在红外图像序列中跟踪运动小目标的问题。考虑到小目标跟踪要求能够保证跟踪的目标在需要的视场内，同时受到跟踪平台转动的影响，背景在视场内处于时变状态，不能仅仅利用目标的时域轨迹连续性进行跟踪。因此，算法充分利用了目标与相关背景的分布、灰度、形状边界等信息，并加以融合。算法通过在实际包含随机目标的红外图像序列中的应用，它的有效性得到了证明。     

一种融合的长时单目标跟踪策略

本文提出一种融合的长时单目标跟踪策略，融合基于深度学习的目标检测算法和基于相关滤波的单目标跟踪算法，形成两种跟踪模式，根据多种判断策略控制跟踪模式切换，能够在保证跟踪鲁棒性的情况下大幅度提高跟踪实时性。将该跟踪策略用在自制数据集ATP-UAV上，取得了较好的跟踪效果。     

一种基于视觉成像的快速收敛的位姿测量算法及实验研究

 由三维目标与其二维图像估计相对于目标的位置和姿态是计算机视觉成像中的一个重要问题。正交迭代(OI)算法是一种快速、且能全局收敛的姿态估计方法，但是当数据恶化时，不能给出正确的旋转矩阵。本文改进了该算法中旋转矩阵求解方法，避免了旋转矩阵求解中出现的错误。建立了模拟实验系统，使用改进的算法进行测量，在0.45～5.20 m的范围内，摄像机到目标距离的相对误差小于±0.41%；在距离为3 m时，旋转角度测量误差小于±1.8°。数学仿真结果表明，改进后算法的抗噪声能力得到改善，结果更为准确，且能快速收敛。     

基于目标分配的无人机航路规划

在航路规划中．如果存在多个目标点，优化问题就会变得复杂化。因此，在多目标点存在的情况下，航路优化问题应充分考虑目标的有关因素及空域状况，对目标和航路进行优化选择以取得某种效益。针对这一问题，提出了目标选择及航路规化的优化模型．并提出了一种改进的A*算法——大规模平行扩展A*算法对这一问题进行求解。在此基础上，针对无人机的水平飞行航路进行了规化。结果表明，通过该方法可以有效地解决多目标点存在时的航路规划问题。     

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.     

考虑运动学约束的不规则目标遗传避碰规划算法

 针对复杂环境下不规则目标的路径规划问题,提出了一种带有运动学约束的遗传避碰规划算法。以舰载机在航母甲板上的路径规划问题作为研究对象,并且该算法可推广至其他具有此类约束的路径规划问题中,它较好地解决了目标形状复杂、障碍环境复杂、目标运动时带有回转半径约束等特殊问题。在传统遗传路径规划算法的基础上,针对性地设计了三维位置和姿态混合编码、三段法路径解码、轨迹包围盒的碰撞检测及距离计算等方法,并在遗传操作中引入惩罚项和修补策略来辅助算法寻优。最后,为得出复杂环境下的最优路径,基于VC++平台对算法进行了仿真验证。结果表明,在复杂障碍环境下,本文提出的算法可求得最优避碰路径,并满足预先设定的目标回转半径约束,能够有效地解决此类目标的避碰路径规划问题。     

空时自适应处理张量波束成形器的外积合成法

为了解决空时自适应处理（Space-Time Adaptive Processing，STAP）对足量平稳训练快拍的要求，给出了一种设计STAP张量波束成形器的新算法——空时自适应处理张量子波束合成（TSS-STAP）法。分析表明：STAP中所需要的张量波束成形器，可首先在张量的各个子维度上分别进行子波束成形器的设计，然后再由张量的外积运算合成各子波束成形器而得到。进一步分析表明：由于本文算法可在较低自由度（DoF）的子维度上对张量波束成形器进行设计，因此降低了设计所需要的训练快拍数和计算复杂度，同时也实现了有效的去相关处理，使得其在非均匀杂波环境下有更好的目标检测性能。在仿真实验中，所提算法有效提升了目标检测结果，同时降低了目标检测所消耗的时间。     

空中运动目标的识别和跟踪控制

针对空中运动目标的识别和跟踪,提出图像匹配算法和连通域算法相结合的方法。该方法主要用图像匹配算法获得目标的位置信息,当图像匹配算法失效时,则采用连通域算法重新捕获目标、获得图像模板。同时,为提高跟踪的实时性,采用最小二乘线性预测法来预测目标的运动轨迹。在实验室的目标跟踪系统平台上,该方法能够对运动目标进行稳定的识别和跟踪。     

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。     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

基于启发式蚁群算法的协同多目标攻击空战决策研究

协同多目标攻击空战决策是现代战机在超视距条件下进行协同空战的关键技术之一。它是寻求一个优化分配方案,将目标分配给各友机,力求使攻击效果最优。本文在对协同多目标攻击战术进行深入分析的基础上,提出了一种用于空战决策的启发式蚁群算法,该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验表明所提出的启发式蚁群算法对最优解的搜索效率明显优于基本蚁群算法,是一种求解协同多目标攻击空战决策问题的有效算法。     

飞行小目标自适应双波门跟踪算法

波门跟踪是一种利用实际图像处理的区域范围的视觉跟踪算法。在飞行小目标信噪比较低的情况下,现有方法往往不能获得稳定的跟踪结果。针对小目标跟踪的特点,提出了一种自适应双波门的跟踪算法。该算法采用帧间差分算法检测小目标,通过质心标定修正当前帧目标的初始位置,并利用最小二乘估计预测算法实现目标范围的估计,从而实现自适应跟踪的目的。实验结果表明,即使在飞行小目标被短时遮挡情况下,利用本算法也能稳定地检测出它的位置,能根据目标的轮廓自适应地确定目标波门形状,并能有效解决目标跟踪偏移和短时丢失等问题。     

一类新型的机动目标跟踪算法

针对机动目标跟踪,提出了基于截断正态概率模型的改进自适应目标跟踪算法,该算法具有结构和计算简单,鲁棒性好的特点,通过仿真结果对比,充分说明了文中所提出的跟踪算法能够较好地弥补传统的Kalman滤波方法在跟踪机动目标时的不足。     

多目标演化算法的对比研究

多目标演化算法已成为优化技术研究的一个重要方向，介绍了多目标演化算法的分类方法，给出了其基本流程。按时间顺序详细介绍了现有的九种典型多目标演化算法的实施过程，对比了这些算法的优缺点，并讨论了与多目标演化算法相关联的一些问题如约束的处理、算法的收敛性等。     

基于梯度差自适应学习率优化的改进YOLOX目标检测算法

目标检测一直都是计算机视觉领域最具挑战的问题之一，其广泛应用于人脸识别、自动驾驶和交通检测等任务中。为更进一步提升当前主流目标检测算法的性能表现，提出了基于YOLOX的目标检测改进算法，并在标准的PASCAL VOC 07+12和RSOD数据集上进行实验验证。针对YOLOX目标检测算法主要通过数据增强、改进网络结构和损失函数3方面做出改进，同时提出基于梯度差的自适应学习率优化算法用于训练改进后的YOLOX算法，该优化算法同样适用于其他神经网络优化。在PASCAL VOC 07+12标准数据集上进行实验，与原YOLOX-S进行比较，改进后的YOLOX-S算法的AP由61.63%提升到66.35%，提升效果明显。同时在RSOD标准数据集上进行实验，并与其他主流的YOLO系列算法进行了比较，改进后的YOLOX-S算法在RSOD数据集的AP由69.4%提升到73.2%，提升效果显著。实验表明：针对YOLOX的目标检测做出改进是有效的。     

传感器参数误差下的运动目标TDOA/FDOA无源定位算法

在运动目标无源定位系统中，许多算法的前提是精确已知传感器的位置以及速度，但实际情况下可利用的传感器的参数均会存在一些噪声扰动。针对这一问题，提出一种改进的两步加权最小二乘（TSWLS）时差（TDOA）与频差（FDOA）定位算法。该算法是一种闭式算法并且分为2步。第1步与经典的两步加权最小二乘算法相同，第2步进一步研究了额外变量与目标参数之间的关系并且建立了新的矩阵方程。随后，利用加权最小二乘技术给出了最终解。理论分析证明了在测量噪声较小时该算法能够达到克拉美罗界（CRLB）。所提算法具有计算复杂度低，实时性高的优点；另外，经过适当的维度调整，该算法同样适用于对多非相交源进行定位求解。计算机仿真进一步证明了理论分析的正确性。     

基于PCA-MPSO-ELM的空战目标威胁评估

目标威胁评估是空战对抗过程中的关键环节。由于影响空战目标威胁评估的因素复杂多样，且指标之间存在相关性，导致传统的评估算法无法得到准确客观的评估结果。由此，提出了一种基于主成分分析法和改进粒子群算法优化的极限学习机（PCA-MPSO-ELM）的目标威胁评估算法。首先，综合分析了影响目标威胁程度的指标，利用主成分分析法对原始评估指标进行线性变化处理得到综合变量，消除了评估指标之间的相关性，实现了对评估数据的降维；在此基础上，构建ELM神经网络并利用改进的粒子群算法优化极限学习机的输入权值和阈值，提高了目标威胁评估模型的精度。最后，在空战训练测量仪中选取空战对抗数据，利用威胁指数法构造了目标威胁评估样本数据，通过仿真实验分析了PCA-MPSO-ELM算法的精度和实时性，结果表明所提算法可以快速准确地进行空战目标威胁评估。     

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。     

基于改进DeepSORT的视觉/激光雷达目标跟踪与定位方法CSCD

通过结合目标跟踪与相对定位,在对多帧检测目标进行关联与分析的同时,可以获取其三维信息。但当目标外观特征变换较大时,传统目标跟踪算法较易发生漏匹配或身份变换,而仅依靠对齐点云的相对定位算法较易出现定位失效的情况。针对以上问题,提出了一种基于改进DeepSORT的目标跟踪与定位方法在原始DeepSORT算法中加入基于位置约束的匹配,解决了因外观改变导致的漏匹配问题;在获取跟踪信息的基础上,设计了基于目标运动模型的相对定位方法,解决了图像中目标较小时相对定位不连续且定位精度较低的问题。试验结果表明,与传统DeepSORT算法相比,多目标跟踪准确度提高了5.9%;与仅依靠对齐点云的相对定位算法相比,定位精度提高了62.4%。