基于自适应卡尔曼滤波的机动目标跟踪算法

在机动目标跟踪过程中,由于目标运动的不确定性,雷达系统接收的数据存在噪声,使预置目标运动模型通常很难得到较高的跟踪精度。为此,以自适应卡尔曼滤波为基础,将直角坐标系和球坐标系相结合,提出了一种混合坐标系下的自适应卡尔曼滤波算法。算法避免了两个坐标系变换引起的噪声统计规律变化问题,并针对目标发生大机动运动的情况,自适应的调整动态模型中机动目标运动参数。蒙特卡洛仿真结果表明,改进算法的收敛速度和对状态的估计精度均得到优化,并对机动目标具有较好的跟踪性能。     

机动目标运动模型动态辨识理论的研究

在对现有机动目标假定模型结构的合理性及现代战场对目标模型需求性综合分析的基础上，完成了机动目标运动模型的辨识理论研究，提出了机动目标运动模型可动态辨识的条件．为解决机动目标运动模型动态辨识提供了新的技术途径．所提出的“参数辨识模型”具有良好的模型结构，对目标的各种运动模态具有广泛的适应能力．     

强机动目标跟踪自适应交互式多模型算法

针对机动目标跟踪过程中建立的目标模型和目标的实际运动模式出现失配的问题,提出了从一组离散模型集中选出最优模型,并自适应调整模型参数,使模型逼近目标实际运动模式的交互式多模型算法.蒙特卡罗仿真表明,该算法与传统的常速模型与自适应协同转弯模璎交互算法(IMM-CV/ACT)相比,在目标发生强机动时,能及时有效的把跟踪误差峰值控制在测最标准差之下,适合于强机动目标跟踪.     

强机动目标自适应变结构多模型跟踪算法

在强机动目标跟踪领域,采用传统基于固定模型集合的交互式多模型算法需要大量模型来描述目标机动,需要巨大的计算量,并且过多模型会带来不必要的模型竞争反而降低跟踪性能.为解决它所带来的问题,提出一种自适应变结构多模型算法,采用少量与目标运动模式相关的模型,在不同时刻根据目标当前机动水平自适应调整模型参数建立新的模型集合,并对其进行滤波估计.仿真结果显示该方法能更好的匹配目标运动规律,有效降低计算复杂度,提高跟踪精度.     

基于瞬态相对模型的轨道机动目标运动参数估计

空问目标可能存在未知的机动,针对该类目标相对导航问题,提出一种基于瞬态相对模型的运动参数估计方法.该方法依据轨道密切性思想,在瞬态意义下建立相对运动模型和机动辨识算法,然后通过密切轨道到参考轨道的量测变换对冻结时间模型进行状态滤波,可为目标机动下的自主导航提供所需的相对状态与目标机动参数估值.误差分析表明,所得估值偏差均有界.仿真验证了该方法在目标存在机动情况下的有效性和一般性.     

被动测向分段等速直线机动目标参数综合识别模型

对于纯方位机动目标跟踪问题，通过选取适当的状态变量和参数，在分析参数的一阶灵敏度函数的基础上，建立了分段等速直线运动目标运动参数综合识别模型和算法．仿真结果表明，该算法对本文描述的机动目标运动参数的识别有较好的适应性．     

基于UKF的闪烁噪声机动目标跟踪

闪烁噪声下的机动目标跟踪是一个非线性非高斯系统滤波问题,传统的卡尔曼理论很难保证其跟踪精度.文中提出了一种基于UKF的闪烁噪声机动目标跟踪算法,首先对目标系统的状态方程进行无味变换,然后再进行滤波估计,以减小跟踪误差.UKF不需要求导,它能比EKF更好地迫近目标运动模型的非线性特性,具有更高的估计精度,计算量却与EKF同阶.在仿真实验中采用"协同转弯模型"作为机动目标的运动模型,雷达的量测方程也是非线性的,分别应用UKF和EKF跟踪闪烁噪声下的机动目标,结果表明,UKF能够较好地解决闪烁噪声下跟踪机动目标的难题,其跟踪精度要远远高于EKF.     

高速高机动目标自适应IMM跟踪算法

针对目标运动过程中有转弯机动等复杂运动模式的高速高机动目标,设计了自适应两层IMM跟踪算法。该算法内层由改进的机动目标当前统计模型构成,把目标速度方向角作为伪测量值进行滤波,实时获得目标的角速度和角加速度;外层模型由常速模型和曲线模型构成,把内层模型得到的切向加速度和转弯角速度作为曲线模型参数,利用IMM算法进行滤波。仿真结果表明,该算法对高速高机动目标具有较高的跟踪精度,算法实现简单,具有一定的实际应用价值。     

基于瞬态相对模型的轨道机动目标运动参数估计

空间目标可能存在未知的机动,针对该类目标相对导航问题,提出一种基于瞬态相对模型的运动参数估计方法.该方法依据轨道密切性思想,在瞬态意义下建立相对运动模型和机动辨识算法,然后通过密切轨道到参考轨道的量测变换对冻结时间模型进行状态滤波,可为目标机动下的自主导航提供所需的相对状态与目标机动参数估值.误差分析表明"所得估值偏差均有界.仿真验证了该方法在目标存在机动情况下的有效性和一般性.

     

基于参数自适应Jerk模型的IMMUKF算法

本文给出了一种利用参数自适应Jerk模型的IMMUKF算法,可用于跟踪非线性条件下做高度机动运动的目标。该算法在IMMUKF算法的基础上,引入Jerk模型,并针对Jerk模型中的参数——机动频率α人为设定的不合理性,对α进行建模,实现了对机动频率α的在线估计。拟合滤波过程沿用IMM算法的思想,各模型滤波采用UKF。最后,通过Monte Carlo仿真,对本文提出的算法和其他两种IMMUKF算法进行了比较,进一步验证了该方法的可行性和有效性。     

CMAC网络在机动目标跟踪中的应用

采用“当前”统计模型的机动目标跟踪算法，常常会遇到当系统参数固定时，如果目标以较小的加速度机动时，系统方差较大、跟踪精度低的问题。为了解决这一问题，该文首先对目标的机动性能提出了一种简单但合理有效的量化方法，在此基础上，根据目标当前的机动性能，通过利用CMAC(小脑模型连接控制器)网络对系统参数进行调整来提高跟踪精度。最后从理论上说明了该算法中使用的CMAC网络一定收敛，从而保证了网络训练结果的可靠性。仿真结果证明了该算法的有效性。     

微弱运动目标的检测与跟踪识别算法研究

在运动目标检测问题的研究中,针对图像处理中微弱运动目标检测与跟踪识别技术的特点,在简单分析了微弱运动目标检测跟踪的技术难点的基础上,重点对微弱运动目标的检测与跟踪算法展开了研究,为了对弱信号提高检测精度,采用图像预处理、目标特征的选取和目标跟踪三个步骤设计,对微弱运动目标在强噪声背景下的图像检测与跟踪识别算法,用给出具体的改进算法,通过仿真测试结果表明,算法具有较好的目标识别与检测效果,对于进一步提高微弱运行目标的图像检测的研究水平具有一定的借鉴意义。     

基于萤火虫优化粒子滤波的新型机动目标跟踪算法

交互式多模型粒子滤波算法需要多个模型才能对强机动目标进行跟踪,并且粒子滤波的重采样会导致粒子贫化现象,针对该问题提出一种新型机动目标跟踪方法.该方法首先将萤火虫群体的吸引和移动机制引入粒子滤波;再将改进粒子滤波引入交互式多模型中,通过智能寻优的方式提高交互式多模型的跟踪精度和稳定性.实验结果表明,相对于IMM-PF,改进方法可以用更少的时间达到同等精度,提高了机动目标跟踪的效率.     

A local-motion-based probabilistic model for visual tracking

Color-based tracking is prone to failure in situations where visually similar targets are moving in a close proximity or occlude each other. To deal with the ambiguities in the visual information, we propose an additional color-independent visual model based on the target's local motion. This model is calculated from the optical flow induced by the target in consecutive images. By modifying a color-based particle filter to account for the target's local motion, the combined color/local-motion-based tracker is constructed. We compare the combined tracker to a purely color-based tracker on a challenging dataset from hand tracking, surveillance and sports. The experiments show that the proposed local-motion model largely resolves situations when the target is occluded by, or moves in front of, a visually similar object.     

视频图像序列中运动目标的提取与跟踪

提出一种摄像机静止条件下视频图像运动目标提取与跟踪的方法。本文首先提出了一种有效的阴影去除算法检测运动目标,然后采用基于目标颜色直方图的相关匹配,使用Bhattacharyya系数度量目标模型与预测模型间的相似度,选出最优相似模型作为当前的目标模型,实现了对目标的跟踪。实验结果表明该算法是可行有效的。     

Distributed multirate interacting multiple model fusion (DMRIMMF) with application to out-of-sequence GMTI data

This note develops a distributed approach for fusing ground moving target indicator data with out-of-sequence (OOS) measurements. A multirate interacting multiple model (MRIMM) fusion algorithm is developed for effectively fusing multirate information. The multirate approach provides an excellent framework for efficient information retrodiction and forward update. A multirate interacting multiple model filter is employed locally to track a target with or without maneuvering behavior. The combination of global MRIMM fusion and local MRIMM tracking proves to be powerful for tracking and fusing maneuvering and nonmaneuvering targets in an environment of OOS measurement reporting.     

BAT弹药对声目标跟踪的仿真研究

BAT子弹药声探测系统是一种运动声阵列,在随弹体做六自由度运动的过程中实时对目标定向.针对运动声阵列仅有角度信息的条件下对目标跟踪问题,用计算机仿真的方法研究了方向误差、高度误差对目标跟踪的影响.首先建立了运动声阵列定向模型,然后在仅有目标角度信息的条件下提出了运动声阵列对目标的跟踪模型,最后用计算机仿真的方法对跟踪模型进行了仿真研究.结果表明:未知弹体抛洒高度时运动声阵列对目标的跟踪需要很高的测向精度,在已知弹体抛洒高度的条件下,则声阵列定向精度能够满足跟踪要求,且跟踪算法简单、收敛软快.     

一种基于运动矢量分析的Mean shift目标跟踪算法

Mean shift算法作为一种非参密度估计算法,目前已被广泛应用于视频运动目标的跟踪。该算法具有运算效率快,对目标变形、旋转不敏感,在部分遮挡的情况下有一定鲁棒性等特点,但该算法在运动目标速度过快的情况下,由于没有考虑利用目标的运动方向和速度信息,因此在跟踪快速运动目标时容易造成跟踪丢失。针对此问题,提出了一种基于运动矢量分析与Mean shift跟踪算法相结合的新方法,即首先对视频编码过程中产生的运动矢量进行概率统计分析,以获取目标运动方向与运动速度的估计值,再以此修正Mean shift运动候选区域的中心位置,使每次搜索开始时,候选中心位置更接近实际目标中心位置。通过与传统的Mean shift算法的跟踪实验比较可见,新算法不仅提高了快速运动目标跟踪的精度,而且减少了算法的搜索迭代次数,从而提高了运算效率。该算法可适用于智能视频监控设备中的视频编码与目标跟踪同时计算的情况,实验结果表明,该算法是有效可行的。     

一种基于隐马尔可夫模型的目标轨迹跟踪算法

现有的定位算法只表现了目标的静态位置特征, 不能较好地在目标移动情况下跟踪获取目标的运行行为轨迹。针对这一问题, 设计了一种基于隐马尔可夫模型的目标轨迹跟踪算法。该算法根据小区覆盖范围内的地理位置信息和目标用户的移动速度, 建立隐马尔可夫模型; 然后, 基于维特比译码算法对最佳路径和最佳状态概率进行最优化求解, 实现对目标轨迹的跟踪。仿真结果表明, 该算法可以在基站小区分辨率下精确地获取目标轨迹。