一种分布式异步航迹融合算法

在多被动传感器目标跟踪中,融合中心处理的信息一般是同步的,然而实际情况并非如此。另外,一些被动传感器只能得到目标的方位信息,无法单独形成有效航迹,这就需要将各传感器数据同步到相同时刻,然后应用同步融合算法。针对被动传感器探测系统,采用传感器到传感器融合和系统到传感器融合的分布式融合结构,并对各局部传感器引入全局反馈,对相关信息采用协方差交叉算法进行处理,完成被动传感器异步数据的融合,仿真结果表明,该算法具有较好的融合效果。     

输入受限卫星姿态的鲁棒非线性镇定与跟踪控制

研究控制输入受限的卫星在存在外部干扰和转动惯量不确定性时的姿态镇定和姿态跟踪控制问题,利用双曲正切函数的性质分别设计了两种有界鲁棒非线性反馈控制律,并用李雅普诺夫方法证明：通过适当选择两种控制律中的参数,可保证闭环系统角速度误差渐近趋于零,且姿态误差收敛到事先给定的原点小邻域内．仿真结果表明利用所设计的控制律可在控制输入受限情况下有效抑制外部干扰和转动惯量不确定性的影响,达到预期控制目标．     

数据链航迹延迟与 ESM点迹间断融合跟踪

数据链与电子支援措施(Electronic Supporting Measures,ESM)融合跟踪是 1种典型的异类多传感器信息融合。针对数据链航迹存在延迟和 ESM点迹间断情况下的数据链航迹与 ESM点迹融合跟踪,提出了复杂情况下的数据链与 ESM融合跟踪方法,并对融合跟踪的精度进行分析研究。首先,对数据进行时间对准,保证数据链和 ESM数据率一致;然后,通过构造基于不敏变换(Unscented Transformation,UT)的非线性量测转换和误差估计方法,将数据链数据对准到 ESM数据;最后,通过引入随机补偿机制对数据链延迟进行补偿,并与 ESM数据进行关联融合。实验结果表明,有延迟补偿时的融合跟踪精度取决于延迟补偿均值与实际延迟的贴近程度。结果可为信息综合处理装备的发展和设计提供借鉴。     

Joint parameter and state estimation for stochastic uncertain system with multivariate skew t noises

Due to the pulse interference, measurement outliers and artificial modeling errors, the multivariate skew t noise widely exists in the real environment. However, to date, little attention has been paid to the state estimation for systems in which the process noise and the measurement noise are both modeled as the heavy-tailed and skew non-Gaussian noise. In this paper, the multivariate skew t distribution is utilized to model the heavy-tailed and skew non-Gaussian noise. Then a probabilistic gra...     

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%。     

复杂背景下远距离合作信标识别与定位

传统的飞行器合作信标测控中,以常规光源作为信标,不具备复杂环境的适应能力,尤其存在主动干扰源的情况,如何准确识信标是电视跟踪与测控领域的重点研究内容。本文对信标设计与识别定位方法进行研究,采用激光光源作为合作信标,设计可调制驱动电路,将信息编码调制技术应用在调制光源中,实现了可调制合作信标;并设计了调制与成像解调耦合的处理算法,可有效区分干扰目标与真实目标。试验结果表明,本文设计的可调制信标满足需求,调制与解调处理算法可实现合作信标的精确识别与定位,具备抗干扰能力。     

一种基于视频序列的运动目标检测方法

文章提出了利用帧差分法和背景差分法结合块匹配对运动目标进行检测的方法,该方法实现简单、速度快。块匹配方法的引入有效地抑制了光照变化和背景扰动的影响,提高了整个系统的自适应性。实验证明,该方法能够满足运动目标的实时检测要求。     

基于序贯关联算法的多目标无源跟踪

基于序贯关联算法,对多目标无源跟踪问题进行了研究。在只有角度信息可以利用的情况下,首先,利用波门技术对各个无源传感器角度测量数据进行关联和滤波,形成参数航迹;然后,将各个无源传感器的参数航迹送到融合中心进行关联配对,并在关联过程中通过构造关联质量函数对参数航迹的关联历史情况进行度量,解决参数航迹关联模糊问题;最后,通过对关联成功的参数航迹进行交叉定位,给出多个不同目标的位置信息,实现分布式无源系统对多目标的数据关联和跟踪,并通过仿真分析,对算法的有效性和可行性进行验证。     

基于 SURF算法和 Kalman预测的运动目标跟踪

SURF(Speeded Up Robust Feature)特征提取方法是SIFT(Scale Invariant Feature Transform)算法的改进,具有速度快和精度高等特点,但其对于较大尺寸图像的匹配速度仍然有待提高。文章提出了一种将基于SURF特征匹配算法与卡尔曼滤波相融合的目标跟踪算法,该算法用特征点的中心近似目标最佳位置;通过卡尔曼滤波预测出当前的目标位置,建立自适应匹配窗口;最后,应用SURF算法提取窗口内的特征向量进行匹配。实验表明,该算法在目标发生大尺度旋转和缩放、部分遮挡时能够稳定跟踪,其跟踪速度比SURF算法有很大的提高。     

Feedback structure based entropy approach for multiple-model estimation

The variable-structure multiple-model（VSMM）approach,one of the multiple-model（MM）methods,is a popular and effective approach in handling problems with mode uncertainties.The model sequence set adaptation（MSA）is the key to design a better VSMM.However,MSA methods in the literature have big room to improve both theoretically and practically.To this end,we propose a feedback structure based entropy approach that could fnd the model sequence sets with the smallest size under certain conditions.The fltered data are fed back in real time and can be used by the minimum entropy（ME）based VSMM algorithms,i.e.,MEVSMM.Firstly,the full Markov chains are used to achieve optimal solutions.Secondly,the myopic method together with particle flter（PF）and the challenge match algorithm are also used to achieve sub-optimal solutions,a trade-off between practicability and optimality.The numerical results show that the proposed algorithm provides not only refned model sets but also a good robustness margin and very high accuracy.