变结构快速鲁棒跟踪系统

快速鲁棒跟踪是跟踪系统的重要指标之一。为此本文提出了自适应Ｈｕｂｅｒ函数和广义开关函数概念，并根据这两种概念，构造了具有快速和鲁棒两种特性的变结构跟踪系统。其特点是在大误差范围内系统工作在Ｂａｎｇ－Ｂａｎｇ型模糊滤波模式，以保证最短时间收敛。而在小误差范围内，工作在线性滤波器模式，以保证系统的最优性。最后给出了目标跟踪系统仿真结果。     

攻击移动目标的末制导导弹命中概率评估方法

针对攻击移动目标的末制导导弹的命中概率评估问题,深入分析了影响导弹精度的各类误差源,研究了目标机动特性对末制导雷达捕获概率的影响,提出了打击任意形状目标的命中概率计算模型。以慢速移动目标——舰船为例进行了仿真分析,结果表明提出的命中概率评估方法能够有效融合多源信息,评估结论符合工程实际。     

利用频谱分析确定空间目标太阳翼定向模式

分析对比了空间目标与可控飞行器轨道确定的不同,论述了太阳翼定向模式的不同对轨道运动特性的影响。通过地面站的测距与测角数据,推算出测量数据的地心距频谱。假定一种太阳翼定向模式,利用测量数据进行轨道确定,利用定轨数据计算地心距频谱并与测量数据的频谱比对,由此可确定太阳翼定向模式。利用数值仿真对近地太阳同步轨道和地球静止轨道两种情况进行了验证,仿真结果表明该思路和方法是有效的。     

SAR图像目标峰值特征提取与方位角估计方法研究

目标峰值特征是SAR图像目标识别的重要特征之一。峰值特征提取是SAR图像目标识别的一个重要步骤，为了由SAR图像快速、精确地提取目标峰值特征．本文首先研究了SAR图像目标峰值特征提取方法，提出了一种“子像素”级精度的SAR图像目标峰值特征提取方法．并通过仿真实验分析了峰值位置、峰值幅度的估计精度。由于目标SAR图像或SAR图像特征矢量对目标方位角变化的敏感性，因此，为了提高SAR图像目标识别系统的分类效率，本文还研究了SAR图像目标方位角估计方法，提出了一种利用峰值特征基于线性回归的sAR目标方位角估计方法，和现有方法相比，该方法除了计算速度快，估计精度较高之外，还能在估计方位角的同时，给出该估计的置信区间，从而更好的满足SAR ATR的实际需要。文中通过对大量实测MSTAR SAR图像目标方位角的估计实验，验证了本文目标峰值特征提取及方位角估计方法的有效性。     

基于RCS曲线的SAR图像点目标变化检测

地物目标的物理结构、表面粗糙度或地物目标类型发生了变化,则其后向散射能量一 般会发生相应的变化,对应的雷达散射截面(Radar Cross Section,RCS)也会发生变化,这 将导致合成孔径雷达(Synthetic Aperture Radar, SAR)图像的亮度和色泽发生变化。提出 了一种新的基于RCS曲线特性的SAR图像目标变化检测算法。该算法不同于以往的基 于图像域的变化检测算法,从目标的散射特性提取目标的变化信息,避免了不同时相的SAR 图像对误配准所带来的错误。并进行了仿真实验,实验结果表明可行。
     

复杂背景下目标模板更新算法研究

在匹配跟踪算法中,模板更新策略是跟踪成败的关键。从复杂背景下的目标跟踪出发,指出固定模板和逐帧模板更新的不足之处,介绍几种性能较好的模板更新策略,并在此基础上提出改进的模板更新方法。同时,为了更好地克服背景光照带来的影响,对普通最小平均绝对差值函数MAD(M in imum Absolute D ifference)方法进行了改进。仿真实验结果表明,该算法能克服诸如烟尘干扰、背景光照变化、地貌起伏等不利因素,能在复杂背景中稳定和精确地进行目标跟踪。     

基于ECEF的误差配准与目标跟踪算法

考虑量测噪声和地球曲率对配准的影响,提出了一种基于地心坐标系(ECEF)的扩展卡尔曼滤波(EKF)配准与目标艰踪算法.根据坐标系转换关系,给出误差配准计算公式,建立目标的动态方程,用EKF方程进行估计.仿真结果表明:该法能同时有效估计目标运动状态和传感器配准误差,可用于远距离的传感器配准和目标跟踪.     

多传感器目标检测的性能评估（一）

通过对传感器性能分析，将ROC曲线予以量化，根据其几何意义导出传感器探测性能的评估模型，该模型是一个单一的量化指标，用观测量的概率均值和方差来评估传感器性能的优劣。     

A novel variable-lag probability hypothesis density smoother for multi-target tracking

It is understood that the forward-backward probability hypothesis density (PHD) smoothing algorithms proposed recently can significantly improve state estimation of targets. However, our analyses in this paper show that they cannot give a good cardinality (i.e., the number of targets) estimate. This is because backward smoothing ignores the effect of temporary track drop- ping caused by forward filtering and/or anomalous smoothing resulted from deaths of targets. To cope with such a problem, a novel PHD smoothing algorithm, called the variable-lag PHD smoother, in which a detection process used to identify whether the filtered cardinality varies within the smooth lag is added before backward smoothing, is developed here. The analytical results show that the proposed smoother can almost eliminate the influences of temporary track dropping and anomalous smoothing, while both the cardinality and the state estimations can significantly be improved. Simulation results on two multi-target tracking scenarios verify the effectiveness of the proposed smoother.     

基于深度学习的目标跟踪技术及其多波段应用研究

目标跟踪是计算机视觉领域中最具挑战性的领域之一。首先，回顾了目标跟踪技术发展现状并总结出目标跟踪的一般流程；其次，分析了卡尔曼滤波、粒子滤波等传统目标跟踪方法的优缺点；再次，依次重点介绍了固定窗跟踪等相关滤波目标跟踪方法，以及全网络自适应目标跟踪等高性能目标跟踪方法；最后，总结了目标跟踪在红外、毫米波、太赫兹等波段的应用，并对多波段融合目标跟踪进行了展望。