基于多特征融合的红外目标关联算法

利用红外目标同时具有位置、灰度、面积等多特征的特点,提出了一种基于多特征融合的目标关联算法.首先在极坐标系下对目标位置采用概率数据关联算法计算候选目标的关联概率,然后结合目标的灰度、面积特征的预测误差计算关联波门中的候选目标在各种特征条件下的关联概率,进而利用多特征融合方式,计算出综合关联概率,完成目标状态估计的更新.实验仿真结果表明,由于跟踪关联概率由多种特征共同确定,避免了目标位置特征信息不稳定所造成的跟踪精度下降的问题,实现了密集杂波环境下红外目标稳定跟踪,其跟踪精度和稳定性明显高于依靠位置特征信息进行关联的传统概率数据关联算法.     

采用四象限探测器的激光跟踪系统设计

为简化自由空间激光通信的跟踪系统,本文采用四象限探测器检测目标位置,通过峰值保持电路稳定激光脉冲峰值并计算脱靶量,结合角速率和角位置信息,采用基于位置环、速率环、电流环的闭环控制算法实现视轴稳定与目标跟踪。仿真设定载体扰动频率为3 Hz时,系统的隔离度达到1.0%;目标位置±20°正弦变化时,能稳定跟踪;脱靶量噪声是跟踪误差的主要因素,峰值信噪比20 dB时,跟踪误差0.07°。结果证明系统设计可行,为激光跟踪样机研制奠定了基础。     

一种对亮度变化鲁棒的相关跟踪方法

针对复杂背景目标跟踪过程中,目标亮度和对比度发生变化易导致跟踪不稳定或失败的问题,提出了一种对亮度变化鲁棒的相关跟踪方法。该方法利用图像相位一致性特征对亮度变化不敏感的特点,对原始图像进行相位一致性计算,得到相位一致性图像,再采用传统的最小绝对差(MAD)相关跟踪方法对目标进行跟踪。实验结果表明,该方法对图像的亮度变化具有很强的适应性,较好地解决了传统相关跟踪算法因图像亮度变化导致跟踪点漂移甚至目标丢失的问题。     

基于多基地雷达系统的机动目标跟踪算法

针对多基地雷达系统,提出一种基于目标距离和以及速度信息的快速卡尔曼滤波机动目标跟踪算法.将目标位置滤波和速度滤波结合,构成了机动目标滤波的完整形式,从而提高了跟踪精度,最后给出仿真实例并进行相关的讨论.结果表明该方法计算量小,收敛速度快,跟踪精度高,具有一定的实用价值.     

卫星精密跟踪技术

与具有多种测量手段的靶场测量仪器不同,卫星跟踪首先要根据预测的卫星位置和速度捕获目标,然后进入连续跟踪,跟瞄误差不能大于发射激光束的发散角.卫星跟踪也分为开环和闭环二种跟踪方式.前者没有激光反馈信息,以计算值代替卫星真实位置由计算机控制跟踪,因此要求初始捕获数据和卫星轨迹计算方法非常精确.美国NASAGoddard空间飞行中心用48in天文望远镜改造的卫星跟踪系统属于此类.后者是根据捕获后的回波信息,计算机控制自动跟踪.不论哪种跟踪方式,由于激光束发散角很小,都要有高精度的光机系统和瞄准控制技术.     

低对比度条件下的快速相关匹配算法

提出了一种稳定可靠的快速图像相关跟踪算法,通过对视频原图像进行γ校正提高了视频图像场景的亮度,通过直方图均衡化处理在提高了视频场景的对比度的同时减少了后续相关工作的计算量,两层金字塔多分辨率相关算法提高了跟踪速度,相似目标辨别策略剔除了跟踪过程中可能出现的伪目标,有效地提高了跟踪的准确性.实验结果表明,该算法与标准二维最小绝对差累加和算法相比,速度提高了37%.此外该算法在分辨率较低的情况仍能准确稳定的实现目标跟踪,具有较好的鲁棒性.     

基于改进迭代扩展卡尔曼滤波的3星时频差测向融合动目标跟踪方法

针对传统3星时频差定位系统在未知高程情况下,对运动辐射源会产生由目标速度引发的定位误差的问题,该文提出一种利用主星的干涉仪测向信息的改进迭代扩展卡尔曼滤波(IEKF),结合3星时差、频差信息的无源融合动目标跟踪新方法.首先,在坐标系转换的基础上建立了定位模型,并在此基础上利用改进的迭代扩展卡尔曼滤波算法对未知高程的运动目标进行跟踪.仿真结果表明,该方法无需获知目标的高程信息即可实现对运动辐射源的定位、跟踪和测速,且对目标的位置、速度估计性能有较大的提高.     

一种跟踪掠海飞行小目标的雷达光电融合处理方法

传统跟踪雷达在跟踪掠海飞行小目标时,容易形成多路径误差.提出了一种雷达光电融合的处理方法,首先采用雷达进行捕获,通过处理,提供目标距离、初始位置、仰角的初始偏差以及目标预测角等信息,然后光电跟踪设备产生光电目标测偏信息及目标有效信息,最后利用雷达及光电跟踪设备提供的误差数据进行自适应行加权处理,形成角度误差,输入功放控制电路完成对掠海飞行小目标的跟踪.     

融合梯度特征的灰度目标跟踪

为了克服灰度目标跟踪中目标和背景的对比度低、界线模糊的情况,提出了融合梯度特征的灰度目标跟踪方法.该算法采用mean-shift迭代过程,是一种用新的概率密度向量代替以亮度为特征建立概率密度向量的跟踪方法.目标的梯度特征描述了目标的纹理等细节信息,增加了目标和背景的对比度,因此通过提取目标的梯度特征,建立梯度概率密度向量,与灰度概率密度向量融合构成新的向量,用新概率密度向量描述目标模板的特征跟踪目标.实验结果表明,该算法与mean-shift算法相比,跟踪稳定得到了较大改进,取得了理想的跟踪效果.     

基于对数极坐标映射的目标跟踪方法

在自动目标跟踪过程中,由于跟踪平台的抖动,较小的跟踪窗口往往不能满足系统稳定跟踪的要求.本文利用对数极坐标映射,提出了一个目标质心快速搜索方法,从而跟踪运动的目标.模拟实验表明:当选择较大的跟踪窗口时,仍具有较快的跟踪速度,从而使系统稳定跟踪的能力得到提高.