基于多传感器的机动目标跟踪与融合技术综述

在分析了目标跟踪技术的重要地位之后，对目标跟踪要素进行了简要介绍。同时，描述了机动目标建模、滤波算法、航迹管理、传感器管理以及目标身份识别技术常用的方法，试图对基于多传感器的机动目标跟踪和识别算法构建一个轮廓和框架。     

基于特殊位置检测的开关磁阻电机无位置传感器控制策略

针对开关磁阻电机调速系统(SRD),提出了一种基于特殊位置检测的开关磁阻电机(SRM)转子位置估算方法。通过在线计算每相绕组实时磁链数据,检测出各相转子到达特殊位置的时刻。提出了基于特殊位置检测的电机转子位置重构策略,对电机瞬时转子位置进行还原。在提出的转子位置估算方法基础上,设计了SRD转速闭环控制系统。样机试验表明,提出的转子位置估算策略具有较高的检测精度与较宽的转速使用范围。基于关键位置检测的转速闭环无位置传感器控制策略具有较快的动态响应和较强的鲁棒性。     

基于改进粒子滤波的多传感器融合空间目标跟踪

为了跟踪空间目标,构建了基于局部粒子滤波器的多传感器融合方法估计空间目标状态。粒子滤波重要采样过程中,设计了基于融合估计的重要密度函数减少粒子贫化问题,并设计基于 McDE(Memetic compact Differ. ential Evolution)重采样策略,通过对粒子的变异与选择等进化操作来解决粒子退化问题。理论推导与仿真结果皆证明方法的有效性。     

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。     

基于运动目标的机载多源传感器数据融合算法

在机载信息融合领域,针对复杂的战场态势环境对机载多源传感器造成的不利影响,提出了一种基于运动目标的机载多源传感器数据融合算法,包括误差估计与补偿、目标关联、估计融合3个部分。采用最小均方误差参数估计方法从数值不变的系统误差中,定量获取量测偏差的确定性部分再通过模糊隶属度函数建立关联矩阵作为目标关联的依据,以最小隶属关系为约束,利用拍卖算法求得多目标关联的最优匹配方案,最后通过IMM 自适应滤波方法,将误差配准与目标航迹估计整合进行,有效提高滤波的精度。仿真结果表明,经过上述算法处理后的融合目标精度高于任意单传感器目标探测精度。     

水下无线传感器网络目标定位算法

提出了一种基于目标位置的定位转换算法,通过对水下声波传播衰减的研究,推导出距离与声强度的公式,进一步由节点接收到目标强度信息计算出节点与目标的距离进行定位。当目标处在水下传感器网络内部时,根据节点接收到信号强度的大小,进行加权质心定位算法。为解决三维坐标系下目标深度的计算,通过在海面设置大功率骨干节点,通过主动探测声呐测得目标的距离与角度,从而计算出目标深度。仿真验证表明,本文算法的有效性。     

基于改进型遗传算法的多传感器—多目标定位信息融合

针对用遗传算法解决多传感器-多目标定位收敛速度的问题,提出了采用拉格朗日松驰技术改进遗传算法的方法,并给出几种典型情况下算法的实验结果。实验结果表明,改进的遗传算法收敛速度比改进前提高了5—6倍。     

主被动多传感器多目标状态信息融合

研究了主被动多传感器多目标状态信息融合问题。针对被动式跟踪的特点,借助主动跟踪的距离通道值,提出类主动的被动式跟踪。在此基础上提出主被动串联状态信息融合和并联状态信息融合算法。仿真结果表明两种状态信息融合方法都可以大大提高跟踪精度,同时还可以提高系统的可靠性。     

基于多传感器系统的分布式检测

本文论述了在多传感器环境下，信号集中式检测和分布式检测两种方案。介绍了目前在这方面的研究成果     

基于自适应混合高斯模型的运动目标检测

随着智能视频监控应用领域的不断拓展,为了在各种复杂场景下都能快速稳定地检测出运动目标,众多研究者提出了很多解决方法。鉴于背景减除法自身在算法理论的复杂度小,且对不同场景适应性强的优点,成为运动目标检测研究领域的基础方法。而在背景减除法的各种背景建模方法中,混合高斯模型方法以其适应性强、灵活高效的优点成为该领域的经典方法。详细介绍了背景更新机制中常用的混合高斯模型,并据此研究了基于自适应更新率的高斯背景建模方法,经过对比试验,论证了改进方法在建模速度上的大幅度提升。     

对随机运动目标的一种最优搜索算法

针对一维随机恒速运动目标施加离散搜索,基于目标初始位置分布和速度分布,建立运动目标在离散空间中的分布模型,在一定探测宽度条件下,以每次探测最大发现概率为准则,计算离散时间点上的最优探测位置。     

改进的特征匹配雷达视频运动目标跟踪算法

针对密集杂波和复杂多目标情况下,特征匹配跟踪算法定位跟踪精度较低的问题,提出一种改进的特征匹配雷达视频运动目标跟踪算法。首先,从单帧雷达图像检测结果中提取目标的面积、位置、不变矩信息,在运动目标得到判定后,利用卡尔曼滤波的预测位置以及上一帧特征信息进行目标匹配;然后,根据匹配位置和预测位置给出目标估计位置,并进行特征信息更新;最后,输出目标的特征信息、位置信息和运动参数。利用某型导航雷达上采集的实测数据验证了算法的有效性。     

一种基于矩特征和特征光流的运动目标跟踪方法

提出了一种基于矩特征和特征光流的运动目标跟踪方法.首先进行角点特征提取,按照提出的基于矩特征的局部范围内匹配角点的策略,完成了序列图像的角点匹配;然后,按照本文提出的光流聚类准则完成了两个图像目标的聚类.仿真实验表明,本文算法在减少计算量的同时可提高跟踪精度,且可克服目标做小角度旋转时的失跟问题.     

自适应强杂波抑制与点状动目标检测

研究了基于自适应图像杂波抑制的微弱点状动目标检测技术。首先利用四叉树算法,将原始的非平稳图像分割成多个准平稳的图像子块,然后对各子块进行LS自适应背景杂波估计与抑制,从而获得准高斯白噪声背景;再利用目标运动连续性假设,将目标在相邻多帧上的位置状态模型化为高阶马尔可夫数据链,建立轨迹状态空间;根据该模型采用多帧沿轨迹非线性集成算法进行检测。既克服了传统的三维匹配算法造成搜索次数巨大的弱点,同时也避免了二维投影检测带来的信噪比下降。理论分析和大量仿真实验证明了其有效性。     

基于邻帧差分近邻反相特征的红外运动点目标检测算法

基于运动点目标在邻帧差分图像中所具有的近邻反相特征,即运动点目标的两个位置相邻近、灰度值一正一负,提出一种在复杂背景下,基于红外序列图像的运动点目标检测算法.本算法利用该特征在邻帧差分图像中检测反相点对,进而构造反相点对矢量图,最后依据累积反相点对矢量图中多矢量首位相接的连续性检测出运动的点目标.文中给出并证明应用本算法能以概率1检测到运动点目标的收敛性定理.对典型复杂背景下10幅1000帧图像的仿真结果表明,当信噪比大于或等于1.5时,可以有效检测出运动点目标.     

随机运动目标区域持续探测概率的近似模型

研究了随机运动目标区域持续探测的探测概率描述和计算问题。定义了探测函数及目标存在和探测不成功的联合概率密度函数,推导了基于速度分布密度的搜索方程和基于特征迹线的方程的解。鉴于在搜索理论应用中难以获得时变的速度分布,以及搜索方程精确解的复杂性,提出了基于初始速度分布密度的对随机恒速运动目标的一个近似的搜索方程,给出了探测概率的解,并以直升机吊放声纳的一次探测过程,进行了算例仿真。     

足绑式PNS自适应滑动平均零速区间检测方法

针对足绑式个人导航系统（PNS）中,传统的滑动平均算法对零速区间检测的延迟问题,设计了一种基于自适应滑动平均算法,对零速区间进行检测。首先对比力模值和角速率模值进行滑动平均,根据平均后数据的变化趋势,通过比较样本方差,设置一个自适应的滑动时间窗口来判断行人是否静止。该方法既能避免由于平滑算法带来的延时问题,又能够消除抖动干扰造成的误检,从而得到准确的零速区间。行走实验验证了本文方法的有效性,自适应滑动平均算法的导航精度提高了50%。     

基于MLR的机动平台传感器误差配准算法

 基于固定平台传感器误差极大似然配准(MLR)算法,针对机动平台存在姿态角系统误差的问题,提出了对机动平台传感器系统误差和目标状态进行批处理离线估计的机动极大似然配准(MLRM)算法.该算法利用所有传感器对目标的量测值,通过把传感器量测向目标状态进行投影、对传感器系统误差和目标状态进行期望最大化迭代以及对目标的状态进行融合估计,最终实现量测、姿态角系统误差和目标状态的有效估计.仿真结果表明,该算法迭代收敛速度快,对系统误差估计精度高,对系统误差可观测性较低的配准环境的适应性强并且对传感器姿态角的相关性不敏感,具有很强的工程实用性.