基于LGJMS-GMPHDF的多机动目标联合检测、跟踪与分类算法

线性高斯跳变马尔可夫系统模型下的高斯混合概率假设密度滤波器(LGJMS-GMPHDF)为杂波背景下多机动目标跟踪提供了一种有效方法。该文将类别辅助信息引入LGJMS-GMPHDF,提出了一种密集杂波背景下多机动目标联合检测、跟踪与分类算法。该算法在LGJMS-GMPHDF中用属性向量扩展单目标状态向量,用位置和属性的组合测量似然函数代替单目标位置及杂波位置测量似然函数,提高了不同类目标与杂波测量间的鉴别能力,进而改善了目标数目及状态的估计精度;在更新目标状态的同时,对目标属性信息进行更新。该算法实现了时变数目的目标状态和类别估计。杂波背景下交叉和临近并行机动目标的跟踪实验验证了该文算法的联合检测、跟踪与分类性能。     

多方位-速度目标跟踪法性能分析

对潜艇水下跟踪目标的一种方法-多方位-速度法进行了深入分析,发现它具有独特的性能.首先分析了系统的观测性,得出了系统可观测的两个必要条件.之后对两种可能的建模思路进行了分析,指出了一种常见的建模错误,它使得已知的目标速度未能得到利用,效果等同于仅方位法.最后对目标航向的多解现象进行了分析,指出多解性是多方位一速度法的一个基本性质.结合有关性能,还将多方位-速度跟踪和仅方位跟踪进行了比较.     

基于交互多模型的高机动群目标跟踪技术

针对杂波环境下密集多目标的跟踪问题,首先引入了编队群目标跟踪算法(FGT),并结合交互多模型(IMM)算法,提出了适用于杂波环境下机动群目标跟踪的新算法—基于交互式多模型的编队群目标跟踪算法(IMM-FGT).计算机仿真结果表明,IMM-FGT算法是解决机动群目标跟踪问题的一种有效的方法.     

编队目标跟踪的自适应相关波门算法

为解决空中编队目标跟踪过程中航迹关联的难题,提出一种基于目标运动状态的自适应相关波门算法。首先通过分析编队目标的运动特征,完成编队分割和编队速度的估计;然后将编队目标的速度方向作为约束自适应波门的条件,在跟踪过程中根据目标运动方向确定波门方向,并基于前一时刻编队中各目标的距离来选择波门尺寸,同时考虑测量误差和预测误差的影响。仿真结果表明：相对于传统的固定波门算法,在编队目标跟踪过程中,自适应波门算法在避免编队内目标航迹相互交错和保证跟踪稳定性方面可以达到较好的跟踪效果。     

基于距离约束的单领航者多智能体编队控制

针对多智能体领航跟随策略提出了一种基于距离约束的编队控制算法,同时实现了编队保持与速度跟踪.多智能体系统由单领航者及两个跟随者组成,单领航者以一常值参考速度运动,追随者无法测量自身及其他智能体的速度.为了跟踪单领航者的速度以实现编队保持,针对追随者设计了一种自适应控制律以估计领航者的速度并使各智能体保持理想距离,基于Lyapunov分析与Barbalat引理证明了闭环系统的稳定性,仿真结果验证了所提算法的有效性.     

采用多速率多模型交互实现机动目标的全速率跟踪

多速率模型通过对原始测量结果和目标运动模型进行多分辨分解实现目标高精度跟踪.多模型交互方法则采用一个马尔科夫链控制多个模型交互实现机动目标跟踪.本文给出了一种采用多速率多模型交互方式实现机动目标全速率跟踪的方法,它通过交织多次滤波结果使得跟踪能同时保证高精度和全速率.仿真结果及分析说明了该方法较传统的全速率多模型交互算法获得了更好的跟踪效果.     

基于交互式多模型的机动目标跟踪算法

在军事和民用航空领域，可靠而精确地跟踪目标始终是目标跟踪系统设计的关键。但当目标处于强机动多模型的运动情况下时，在对目标进行状态估计时，单独采用一个模型会受到模型自身局限性的影响使得滤波精度不高，于是有必要采用多个模型描述机动目标的运动状态。基于此，采用交互式多模型滤波算法对目标进行跟踪。仿真结果表明，该算法对机动目标有很好的跟踪效果和较高的跟踪精度。     

基于双波段方位信息融合的单站纯方位跟踪

针对陆地固定观测器单站纯方位跟踪的精度不高、误差大,完全依靠被动的纯方位跟踪无法获得目标的唯一跟踪解这一问题,提出了一种纯方位跟踪信息融合方法。该方法利用方位信息确定目标速度和航向估计的基础上,采用最小二乘估计器,得到目标状态的唯一最小二乘估计,通过融合两组可见光和红外线两个波段的方位信息,综合激光测距仪的距离信息形成唯一跟踪解。仿真结果表明：该方法在信息融合中消除了纯方位跟踪估计偏差,是一个可行的方法。     

一种多人脸跟踪算法的研究与实现

结合人脸的运动模型提出了一种多人脸的跟踪算法,通过使用跟踪稳定系数来解决多人脸跟踪过程中目标发生粘连重叠或者由于目标检测质量的原因造成跟踪目标丢失等各种问题;同时目标跟踪器提供一个预测搜索区域指导下一帧的定位,从而进一步提高定位的速度.实验结果表明此算法具有很好的准确性和实时性.     

低数据率条件下的目标跟踪

在低数据率条件下,采用基于卡尔曼预测估计的传统跟踪门对目标进行跟踪,容易出现误跟踪和航迹丢失,针对该问题,提出了一种两级跟踪门的解决方案。第一级跟踪门为组合跟踪门,它由运动学状态估计和目标的最大速度信息确定,目的是通过扩大跟踪门的面积使得目标测量尽可能地落在跟踪门之内;第二级跟踪门为由先验的和测量的幅度信息确定的特征跟踪门,其作用是对落入组合跟踪门内的测量进一步筛选,以区别出目标测量和杂波。只有那些同时满足两级跟踪门的测量才有可能来源于正在跟踪的目标,因此可以将其用于后续的数据关联和滤波更新。仿真结果表明,在低数据率条件下,采用该跟踪门方案的跟踪器的跟踪精度明显高于基于传统跟踪门 特征跟踪门和多跟踪门 特征跟踪门的跟踪器。     

基于JPDA的多目标跟踪算法及其应用

在多目标和杂波环境下,量测与对应目标源的关联将变得复杂,当邻近目标运动时,采用滤波算法跟踪目标时,源于目标的量测会相互干扰,导致误跟现象的发生。针对此问题,本文采用基于联合概率数据关联JPDA的方法进行处理,通过引入两个基本假设条件,即每个量测只有一个源和每个量测至多源于一个目标,计算各量测与各目标源的关联概率,进而估计出各目标的状态信息。仿真结果表明在采用本文的算法处理多目标问题时,目标的位置和速度信息能够得到较好的估计,避免误跟现象的发生。     

基于高斯-艾肯特滤波的机动目标跟踪算法

针对交互式多模型(IMM)算法切换滤波模型缓慢、跟踪精度低甚至发散的问题,提出了在机动目标跟踪中使用的高斯-艾肯特滤波算法。首先,该算法确定观测模型和滤波模型集,分别构造量测方程组和滤波方程组,形成总体观测矩阵;然后,针对跟踪目标的非合作机动,提出使用卡方检验来检验滤波效果,并通过滤波控制算法实时调整滤波内存长度,使用高斯-艾肯特滤波对机动目标跟踪具有很强的灵活性,实现自适应跟踪;最后,在目标跟踪仿真中与三种改进模型集的卡尔曼滤波IMM算法进行对比验证,对两类算法进行了复杂度分析。仿真结果证明了高斯-艾肯特滤波算法的有效性,在无先验信息条件下拥有更高的跟踪精度。     

靶场中多飞行目标的航迹保持�

多飞行目标的跟踪应用广泛,在靶场中需要对多飞行目标进行跟踪监测时,要排除目标所受的各种干扰因素,当多飞行目标之间出现相互运动时,为保证判断目标击中的准确性,需要对多飞行目标航迹达到稳定保持的测量。因此,系统以靶场中多飞行目标为跟踪对象,着重研究多飞行目标序号保持不变问题。通过不同检测方法对目标的特征提取效果进行对比,并且将多参数的数据关联算法应用于系统的多目标跟踪中,验证得出,在背景均方差MSE介于4.0~5.0之间的情况下,当目标数量多达12个时,其目标序号保持的准确度比PDA算法提高23.29%。     

自适应转移概率交互式多模型跟踪算法

针对标准的交互式多模型算法（Interacting Multiple Model,IMM）存在模型集设计困难和采用固定转移概率矩阵导致模型切换缓慢、跟踪精度下降的不足,提出一种自适应转移概率IMM算法.首先,提出了一种新的模型集设计方法,将强跟踪修正输入估计（Strong Tracking Modified Input Estimation,STMIE）模型和匀速运动（Constant Velocity,CV）模型作为IMM算法的模型集,利用STMIE算法对高机动目标的跟踪能力以及CV模型对非机动目标跟踪的高精度,实现对目标的全面自适应跟踪.其次,提出一种依据模型似然函数值对Markov转移概率进行实时修正的方法,增强匹配模型的作用,削弱不匹配模型的影响.仿真结果表明,依据模型似然函数修正转移概率的方法使IMM算法的模型切换速度和跟踪精度都得到提高,提出的IMM-STMIECV算法的跟踪精度高于IMM-CVCA、IMM-CVCACT以及IMM-CVCS算法.     

最近邻联合概率数据关联算法在舰载雷达跟踪中的应用

舰载雷达的工作环境海杂波多,导致雷达在跟踪时可能关联上杂波。针对这个特点,本文应用最近邻联合概率数据关联(NJPDA)算法作为舰载雷达目标跟踪的数据关联算法,这个算法可以解决密集目标的正确跟踪问题。仿真结果理想,仿真场景设为目标相交、目标平行、有杂波时均可正确跟踪。     

使用交互多模型算法的高速高机动目标跟踪

对机动目标进行跟踪一直是甚具挑战性的问题,特别是跟踪高速高机动目标在理论上和实践上都有较高的技术难度。现有各种算法在这个问题上均有各自的缺点和不足。该文在现有的运动机动模型和IMM算法的基础上,提出了使用多种机动模型交互的IMM算法进行高速高机动目标跟踪。不同机动模型之间的互补使这种算法克服了使用单一模型的一些问题。使用“当前”统计模型、二级滤波模型和CV模型进行交互是一种可行的高速高机动目标跟踪方案。为验证算法的有效性,进行了Monte Carlo仿真。仿真结果表明,该算法在性能和计算复杂度之间取得了较好的平衡,有很好的可实现性。     

面向目标跟踪的机载组网雷达辐射参数与航迹规划联合优化算法

该文针对机载组网雷达,在单目标跟踪场景下,研究了雷达辐射参数与航迹规划联合优化问题。首先,推导了包含各雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽等射频辐射参数以及各载机速度、朝向角等平台运动参数的贝叶斯克拉默-拉奥下界(BCRLB)表达式,以此作为表征目标跟踪精度的衡量指标;推导了含有各雷达辐射功率、驻留时间等射频辐射参数以及各载机速度、朝向角等平台运动参数的机载组网雷达被截获概率,以此作为表征机载组网雷达射频隐身性能的衡量指标。在此基础上,建立了面向目标跟踪的机载组网雷达辐射参数与航迹规划联合优化模型,以最小化机载组网雷达的目标估计误差BCRLB为优化目标,以满足给定的系统射频资源、载机机动能力和预先设定的被截获概率阈值为约束条件,对各载机飞行速度、朝向角以及各机载雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽进行联合优化设计,以提升机载组网雷达的目标跟踪精度。最后,针对上述优化问题,结合粒子群算法,采用5步分解迭代算法进行求解。仿真结果表明,与现有算法相比,所提算法能够在满足一定射频隐身性能要求的条件下,有效提升机载组网雷达的目标跟踪精度。      

主动防护系统高速目标跟踪误差分析

文中主要分析了主动防护系统拦截点误差问题。从分析主动防护系统的火控反击流程说明了目标跟踪误差的大小决定着系统的拦截效果,仿真对比了卡尔曼滤波、α-β滤波和最小二乘法等跟踪滤波算法在主动防护系统高速目标情况下的拦截点误差。采用一种目标跟踪简化方法,仿真分析了该方法在不同目标速度情况下的拦截点误差。结果表明,文中方法在高速目标情况下的拦截点误差小于传统方法。     

基于粒子滤波的运动物体检测跟踪

提出了一种状态空间模型粒子滤波算法,并应用于运动目标的跟踪。该方法基于贝叶斯估计,利用粒子集来表示概率,通过递推的贝叶斯滤波来近似逼近最优化结果,在预设搜索区域用粒子群找到和目标模板最相似的中心位置,并以该位置作为观测值,进行跟踪。仿真实验结果和两种实际条件下效果比较表明该算法在跟踪低常速运动中精准性高,是一种有效的目标跟踪方法。     

自适应转弯模型的机动目标跟踪算法

给出了一种利用白适应转弯速率模型的IMM跟踪算法，可以用于机动目标的跟踪中。每一步通过交互输出的速度和加速度的估计值来计算转弯速率，它的大小等于加速度和速度的比值。本文中对提出的白适应算法和其他两种IMM算法进行了比较。