基于雷达/红外成像的机动目标加速度估计

研究机动目标跟踪精度优化问题,需获取机动目标加速度准确信息。由于空间外界干扰造成雷达提供信息不准确,为此提出了基于雷达/红外成像的机动目标跟踪信息融合算法。建立了机动目标与空空导弹的相对运动目标机动数学模型,引入了雷达/红外成像导引头联合观测方法,并对两者的观测信息在时间上进行同步配准。采用雷达/红外成像信息融合跟踪扩展自适应卡尔曼滤波算法进行仿真。仿真结果表明,改进算法能够对机动目标加速度信息进行有效的、实时准确的估计,验证了所设计的跟踪算法的正确性,实现了以直接碰撞方式达到毁伤目标的目的。     

高斯混合交互式多模型容积信息滤波算法

针对机动目标跟踪中由于目标机动使系统的非线性强度增大,导致系统的线性误差增大和跟踪精度明显下降、甚至发散的问题,提出了基于高斯混合的交互式多模型容积信息滤波（ GMIMM-CIF）算法,实现对机动目标的精确跟踪。新算法在每次输入交互之后,保留概率较大的几个假设,并利用一个高斯混合项替换最优多模型算法中剩余的假设,从而使算法中假设的数量保持恒定;用容积信息滤波器（ CIF）代替传统的非线性滤波器,通过估计信息状态向量和信息矩阵而不是估计状态向量和协方差,可以减小系统的非线性误差。通过仿真对比实验,验证了该算法可以提高机动目标的跟踪精度。     

无人机多机动目标自主探测与跟踪

无人机机载相机图像中机动目标尺寸较小而且会发生显著变化,加上大量的背景噪声干扰,给目标探测和跟踪带来很大困难.针对这些问题,本文提出了一种在无人机机载相机图像序列中自主探测与跟踪多个机动目标的方法.首先,提取目标的图像数字特征并采用级联分类算法进行特征分类,得到目标的强分类器,对目标进行自主探测搜索.然后,基于全局最优关联算法对探测回波进行关联滤波,实现对多个机动目标的跟踪与识别,其中最优关联代价矩阵融合了距离和方向信息,提高了关联和跟踪的鲁棒性.将无人机航拍图像序列中的地面坦克作为目标进行实验,结果表明本文算法可以实现对多个机动目标的自主探测和跟踪,并具有较好的跟踪鲁棒性.     

针对机动目标的改进型交互多模型跟踪算法研究

为了提高对机动目标的跟踪精度,更准确地获得目标实时位置与速度信息,提出了一种改进型交互多模型跟踪算法.采用目标特征数据为初始数据提供限定域,然后在滤波器中加入调节参数,从而利用目标状态增益矩阵与协方差矩阵的迭代完成对跟踪精度的优化.实验仿真分析了机动目标的3种常见状态,并与传统交互多模型跟踪算法进行了对比.实验结果显示...     

基于无线传感器网络的战场目标跟踪

基于无线传感器网络,对目标定位跟踪应用进行了研究。在对目标定位跟踪时,如何既保证跟踪精度又能有效降低能量消耗,针对这个问题,提出了一种简便的加权坐标质心定位方法,通过对目标的定位,给出了一种基于测量信息的跟踪方法,方法实现简单。性能分析表明:提出的定位跟踪方法能有效地降低能量消耗,延长节点和网络寿命,基本可以满足战场目标跟踪需求。     

机动目标的跟踪与反跟踪

以WGS－84标准的地心坐标系作为统一坐标系,通过建立机动目标的跟踪模型,实时预测机动目标的轨迹,并提出了机动目标的跟踪与反跟踪策略。首先考虑了单目标跟踪问题,提出了基于改进的MeanShift算法的目标跟踪模型,使用此模型提取聚类点,并对这些聚类点进行B样条曲线拟合,得到光滑的航迹。其次考虑了两目标跟踪问题,建立了基于最近邻及改进MeanShift算法的目标跟踪模型,利用最小二乘法对航迹数据进行二次曲线拟合,分析机动目标加速度变化规律,并通过判断拟合曲线上的点与球面位置关系,提出了两种着落点预测方法。最后分析了机动目标如何反雷达跟踪的问题,提出了反跟踪策略。     

一种基于Rényi信息增量的机动目标协同跟踪方法

针对传感器网络中的动态跟踪问题,提出一种基于Rényi信息增量的机动目标协同跟踪方法.首先利用粒子滤波计算每个传感器Rényi信息增量;然后以Rényi信息增量最大为原则选择传感器进行目标跟踪,并在跟踪时通过多模型的交互作用实现对机动目标状态的准确估计.仿真结果表明,在非线性非高斯环境下,所提出的方法与传统方法相比能够有效提高跟踪精度,动态分配传感器资源,实现协同跟踪.     

一种基于Rényi信息增量的机动目标协同跟踪方法

针对传感器网络中的动态跟踪问题,提出一种基于 R′enyi 信息增量的机动目标协同跟踪方法.首先利用粒子滤波计算每个传感器 R′enyi 信息增量;然后以 R′enyi 信息增量最大为原则选择传感器进行目标跟踪,并在跟踪时通过多模型的交互作用实现对机动目标状态的准确估计.仿真结果表明,在非线性非高斯环境下,所提出的方法与传统方法相比能够有效提高跟踪精度,动态分配传感器资源,实现协同跟踪.     

基于小波神经网络的目标跟踪的研究

本文讨论了小波神经网络在机动多目标跟踪中的应用,多目标跟踪就是主体为了维持对多个目标(客体)当前状态的估计而对所接收的量测信息进行处理的过程.以非线性大规模并行分布式处理为特征的神经网络可以解决传统的目标跟踪方法的难以解决的计算量组合爆炸问题以及需要确定机动目标的数学模型的问题,将小波分析原理与神经网络相融合,提出了基于小波神经网络的目标跟踪方法来提高系统的学习能力、表达能力以及机动多目标状态的估计精度.仿真实验的结果证明了该方法的有效性.     

方差自适应机动目标跟踪算法研究

针对机动目标弱机动时不能自适应调整,从而对弱机动目标跟踪精度不高的缺点,提出了一种改进的方差自适应机动目标跟踪算法。新算法将机动目标的运动状态分为弱机动状态和强机动状态,并通过新息平方的统计量和当前加速度估值进行机动自适应检测,能够根据目标当前的机动特性自适应调整过程噪声协方差矩阵,使运动模型与机动目标的当前运动状态相匹配,在保持对强机动目标跟踪性能的同时,实现了对弱机动目标更为精确的跟踪。仿真结果表明,改进算法对弱机动目标的跟踪性能明显优于当前统计模型。     

面向边缘计算的目标追踪应用部署策略研究

目标追踪算法已在诸多领域得到广泛应用,然而由于实时性和功耗问题,使得基于深度学习模型的算法难以在移动终端设备上部署应用.本文结合边缘计算技术,从应用部署优化的角度,对目标追踪算法在移动设备上的部署策略进行研究.通过对目标追踪应用特点、移动设备特性以及边缘云网络架构的分析,提出一种面向边缘计算的目标追踪应用部署策略.通过任务分割策略将目标追踪应用的计算任务合理卸载至边缘云并利用信息融合策略对计算结果进行分析融合,此外,利用运动检测进一步降低终端节点的计算压力和功耗.通过对不同部署策略进行对比实验,实验结果表明,相比计算任务本地计算,该部署策略明显降低了任务响应时间,相比完全卸载至边缘云,该部署策略降低了相同计算任务的处理时间.     

结合掩膜与孪生网络的目标跟踪方法研究

针对在舰船目标跟踪过程中由于视场角变化导致的跟踪精度下降的问题,基于全连接孪生神经网络的目标跟踪方法,融合了目标分割策略,提出了基于SiamMask的实时目标跟踪算法。该算法将二元掩模运算作为孪生网络的一个分支,以实现对目标的分割,在获取目标位置信息的同时,获取目标的外观信息,使得该网络的损失函数得到显著增强。由传统的轴对称目标跟踪框,改进为可根据目标形状、外观而自适应调整的可旋转矩形框。将该算法与传统基于孪生网络的跟踪算法SiameseNet,以及基于相关滤波的KCF跟踪算法进行实验仿真测评对比,通过计算各算法的中心误差,结果表明该算法的跟踪精度较两者分别提升了19.5%和24.5%,且运行速度可达30 fps,满足了舰船目标跟踪对于准确性和实时性的要求。     

Real-Time Dynamic Visual Tracking Using PSD Sensors and Extended Trapezoidal Motion Planning

A real-time visual servo tracking system for an industrial robot has been implemented using PSD (Position Sensitive Detector) cameras, neural networks, and an extended trapezoidal motion planning method. PSD and directly transduces the light's projected position on its sensor plane into an analog current and lends itself to fast real-time tracking. A neural network, after proper training, transforms the PSD sensor reading into a 3D position of the target, which is then input to an extended trapezoidal motion planning algorithm. This algorithm implements a continuous motion update strategy in response to an ever-changing sensor information from the moving target, while greatly reducing the tracking delay. This planning method is found to be very useful for sensor-based control such as moving target tracking or weld-seam tracking in which the robot needs to change its motion in real time in response to incoming sensor information. Further, for real-time usage of the neural net, a new architecture called LANN (Locally Activated Neural Network) has been developed based on the concept of CMAC input partitioning and local learning. Experimental evidence shows that an industrial robot can smoothly track a moving target of unknown motion with speeds of up to 1 m/s and with oscillation frequency up to 5 Hz.     

基于滚动时域估计的带约束运动目标跟踪*

针对实际的运动目标跟踪问题中存在的各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法,将跟踪滤波问题转换为带约束的有限时域优化问题,并通过引入到达代价函数,有效减少了优化问题求解所需的计算量。最后,对实际的目标跟踪问题进行了滚动时域估计仿真研究。Monte Carlo仿真结果表明,滚动时域估计能有效提高跟踪精度,并且能在采样周期之内完成求解,满足在线估计的需要。     

基于滚动时域估计的非线性目标跟踪*

实际的雷达跟踪问题大多属于非线性问题,存在着各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法可以有效地处理带约束非线性目标跟踪问题。滚动时域估计通过引入到达代价函数,将非线性跟踪滤波问题转换为带约束的有限时域优化问题,可以有效减少优化问题求解的计算量,能够显著提高状态估计的准确度。针对实际的雷达跟踪问题,仿真结果表明,滚动时域估计能有效地提高非线性目标跟踪的精度。     

无人机目标实时自适应跟踪系统

随着无人机（unmanned aerial vehicle,UAV）在航拍、空中侦察等相关领域被广泛应用,对于无人机的智能化需求逐渐提高。目标跟踪具有信息量大、实时性高等优点,能够为无人机的智能飞行提供大量且实时的外部信息。进行低开销、低功耗的无人机目标跟踪系统的研究,对无人机智能化进程的加速具有深远意义。为更好解决跟踪过程中出现的对背景复杂、光照变化、目标较小、移动速度快等情景的目标跟踪准确度和实时性等问题,提出一种基于FPGA的自适应跟踪算法。将视频RGB数据流进行灰度转换;将模板数据和搜索区域的像素灰度值保存于片内RAM,搜索区域内遍历寻找与模板相似度最高的区域;当背景或光线发生变化,采用更新模板的方式,进一步提高跟踪准确度。仿真结果显示所提跟踪算法具有较好的实时性,跟踪重叠率在95%以上,跟踪速率在50?frame/s以上,有较好的跟踪准确度和实时性。     

基于信息增量的弹道目标协同跟踪方法

针对反导传感器网络中弹道目标的协同跟踪问题,提出了一种基于信息增量的弹道目标协同跟踪方法。分析了多传感器对弹道目标的协同跟踪问题,并建立了自由段弹道目标分段匀加速模型。在此基础上,对自由段弹道目标跟踪过程中,利用跟踪滤波的协方差阵信息获得每个传感器对目标的信息增量,并以信息增量最大为准则选择传感器对弹道目标进行跟踪,从而实现对弹道目标的有效跟踪。仿真结果表明：所提的方法能够及时动态地选择性能最佳的传感器对弹道目标进行跟踪,提高弹道目标整体的跟踪性能,实现对弹道目标的协同跟踪。     

基于改进的Camshift视频对象跟踪算法

针对Camshift算法需要人工手动选择跟踪目标的局限性,提出一种改进算法.首先在灰度图像下;采用最大类间方差法所选定的全局阀值进行二值化,并利用空间信息对二值图像聚类,确定跟踪目标,然后在HSV空间中,结合颜色概率分布图,实现目标自动跟踪.实验结果表明,改进算法有效的克服了Camshift算法在跟踪初始时刻,需要人工...     

一种滚动时域估计方法在目标跟踪中的应用

针对目标跟踪问题中存在的约束问题 ,拓展模型预测控制 (MPC)的在线滚动优化原理 ,介绍了一种能够将有约束的滤波问题转换为最优状态估计问题的滚动时域估计 (MHE)方法 ,并通过引入一个到达代价 (arrivecost)函数 ,有效地缩减了滤波所需的计算量 ,最后 ,将此方法应用于目标跟踪问题 ,仿真研究表明该估计器具有较好的效果     

采用Petri网进行修正的启发式船舶电网拓扑分析

针对船舶电力系统的特点,采用一种启发式电力网络进行拓扑分析模型建立以确定电力系统网络拓扑,在此基础上借鉴电力系统故障诊断的方法,采用Petri网技术对电网进行故障定位以及对不确定信号的诊断与排除,对拓扑分析结果进行修正,以保证拓扑分析的正确性。最后以典型船舶电力系统网络为例,验证了该方法的有效性。