基于加权相关的图像匹配跟踪算法的研究

针对电视制导炸弹中弹目相对运动变化而导致的目标尺度变化、几何形变以及随机因素造成的暂短丢帧现象,文中对相关测度函数进行了基于弹-目距离的中心加权修正,提出了相应的模板更新与修正策略、基于线性预测的目标位置的预测方法、跟踪点的定位方法等,在此基础上,实现了基于加权相关的图像匹配跟踪算法.文中算法获取的跟踪点稳定,有效地解决了常规相关匹配算法跟踪点漂移、速度慢、实时性差的问题.实验结果表明,该方法在复杂背景以及目标尺度发生变化时均能获得良好的跟踪效果.     

基于改进SIRF的二维纯方位目标跟踪

对于纯方位目标跟踪问题,传统的线性算法已经不能满足非线性非高斯和实时性目标跟踪的要求,由于在纯方位目标跟踪中传统的粒子滤波收敛速度慢并且容易发散,文中提出了一种基于改进的采样-重要性-重采样滤波(SIRF)算法的纯方位跟踪算法。具体的改进方法就是去掉归一化步骤直接使用非归一化权值,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。最后通过实验验证改进的SIRF算法跟踪效果明显优于高斯粒子滤波(GPF)算法。     

基于ML-PDA算法的低可见目标跟踪研究

针对利用传统算法难以跟踪低空目标的问题,提出了一种可行的跟踪低空目标的最大似然-概率数据关联(ML-PDA)算法。在分析各种低空目标特性的基础上,首先建立了基于ML-PDA滤波算法的低空目标跟踪模型,然后对该模型进行了深入分析,最后通过计算机仿真对该模型进行了验证。结果表明:ML-PDA滤波算法对低空目标跟踪十分有效,并且提高了滤波实时性,具有较好的工程应用前景。     

一种红外多目标实时跟踪器的设计

充分利用目标运动轨迹的连续性和均匀性。提出了一种有效的帧间同名匹配的多目标跟踪算法，避免了多个目标的跟踪干扰问题。同时考虑到算法的复杂性，为了满足跟踪的实时性和平稳性，采用了最先进的图形工作站以及高速的图像采集技术和SCSI硬盘阵列存储手段。该系统应用到某靶场试验中，结果表明：跟踪精度高，跟踪效果好．跟踪成功率高，应用价值高。     

基于多片DSP的相关匹配算法的研究与实现

为了满足导弹跟踪锁定目标过程中实时性要求高这一要求,提出了一种改进的相关匹配算法,并对算法的硬件实现进行了详细讨论,将图像分成4块,每块由一片DSP进行处理,并结合相关算法进行测试。实验结果表明,无论在实时性还是在跟踪有效性方面,该算法都是切实可行的。该系统结构紧凑、可靠性高、实时性强,为图像匹配系统提供了新的高速处理平台。     

红外目标图像的复合特征跟踪算法

红外目标图像跟踪系统中应用单一特征跟踪算法,易造成跟踪点漂移和目标丢失。提出目标图像的复合特征跟踪算法,综合利用目标图像的灰度特征和点特征,联合灰度特征的易用性和点特征的空间不变性,分别克服单一特征易受光照、噪声干扰,以及实时性较差等方面的不足。提出了复合特征联合匹配的算法流程和权值分配策略,通过仿真试验对比三种方法的目标跟踪性能,证明了该算法的有效性。     

用于红外成像制导空空导弹的边缘检测最简算法研究

现代空战中目标高速机动性对红外成像制导空空导弹图像信息处理能力提出了很高要求.为了给边缘跟踪阶段提供实时有效的边缘信息,文中提出应用两种最简边缘检测算法提取红外目标边缘,分别基于梯度运算和灰色关联度分析.文中推导了最简算法,分析了算法的运算量并与经典算法做了对比.实验结果表明该算法运算简单,实时性高,能够满足红外制导空空导弹对目标信息的需求,利于工程应用.     

聚焦、检测、跟踪、再聚焦:基于经典跟踪前检测框架的实时小目标检测技术

隐身技术的发展对空空导弹的检测跟踪性能提出了较大的挑战。弱小目标检测跟踪算法作为弹载信号处理的核心,需要同时兼顾检测性能与执行效率。经典的跟踪前检测(Detect Before Track, DBT)方法属于一种级联结构,具有较高的实时性。本文在DBT架构下,提出聚焦(Focus)、检测(Detect)、跟踪(Track)、再聚焦(Re-Focus)弱小目标检测跟踪算法FDTR。基于实测数据的实验结果表明,该方法具备优异的检测和跟踪性能,代码执行效率高实时性强。FDTR完全基于Python和标准库实现,接口规范,架构清晰。基于FDTR,可方便的替换并评估算法中的聚焦模块,并可进一步升级为检测前跟踪(TBD)架构,提升信噪比利用率。     

密集杂波环境下数据融合估计算法评估

由于观测量获取的不确定性,使得密集杂波环境下的多传感器机动目标跟踪变得复杂,解决这个问题的关键在于跟踪门限和数据联合与融合算法的选取。文中在分析最邻近卡尔曼滤波(NNKF)和概率数据联合滤波(PDAF)两种融合算法的基础上,对其在密集杂波环境下的跟踪误差和算法实时性效果采用当前统计模型进行评估,仿真结果表明PDAF算法跟踪性能明显优于NNKF算法。     

基于无迹卡尔曼滤波的单站混合定位跟踪算法

针对移动台的单站跟踪问题,以"到达时间和与到达时间差(TSOA/TDOA)"新型混合定位技术作为基础,提出一种基于"到达时间和与到达时间差"混合被动单站定位模型的无迹卡尔曼滤波跟踪算法。该算法以观测到的有噪信息为基础,引入"到达时间和与到达时间差"观测模式,使用受随机加速影响的匀速运动状态作为跟踪算法的状态模型,将无迹卡尔曼滤波(UKF)算法应用在移动台的定位跟踪上,实现了对移动台的位移和速度的同步跟踪。仿真结果表明:无迹卡尔曼滤波算法应用移动台跟踪系统是有效的;与扩展卡尔曼滤波相比,其跟踪算法的滤波精度、稳定性更优。     

改进RBPF算法在制导和防空技术中的应用

针对导弹制导和防空快速跟踪问题,对RBPF算法进行了改进,并将该算法应用到导弹目标跟踪和防空技术中.跟踪仿真试验表明,该算法在精度和速度上明显高于粒子滤波,与RBPF算法相比,改进算法虽在精度上略有下降,但运算速度大大提高,改进算法能对运动目标进行有效、快速的跟踪.     

基于特征贡献度的Mean Shift 目标跟踪

为有效提高Mean Shift算法的模板匹配精确度,采用基于特征贡献度的Mean Shift目标跟踪方法,对不同贡献度的特征向量赋予不同的权重,以彰显目标特征、抑制背景因素.分别介绍传统Mean Shift目标跟踪算法和基于特征贡献度的Mean Shift算法,并针对多组视频进行实验验证与分析.结果表明:改进后的Mean Shift算法不仅能提高跟踪精度、提升系统的鲁棒性,而且对640 pixel×480 pixel大小的视频处理平均帧速度为22 frames/s,满足实时跟踪要求.     

可分辨空间密集目标群跟踪算法研究

为了有效改善可分辨空间目标群的早期跟踪态势,提高高速目标群的跟踪处理速度和跟踪精度,提出了可分辨空间密集目标群跟踪算法。该算法首先通过全局聚类群分割、群关联和群跟踪,解决大量距离靠近、运动特征差异不明显的高速空间目标群早期连续稳定跟踪问题; 通过群跟踪掌握早期群整体信息,提高目标数据处理速度。在此基础上,边跟踪边分群,由群目标跟踪逐渐过渡到多目标跟踪,在群目标跟踪中通过结合空间动力学方程提高群内目标的跟踪精度,提升雷达系统对可分辨密集空间目标群的跟踪能力。     

基于序贯算法的无偏最小二乘估计纯方位目标跟踪

测量方程的非线性是纯方位角跟踪研究的难点。为了解决传统伪线性估计结果存在严重有偏性这一问题,提出了一种基于伪线性估计的无偏估计方法,即在伪线性方程中利用约束最小二乘估计,它不需要对初始值进行假设,且收敛效果良好。采用序贯滤波方法对估计量作批处理滤波以减少运算量,提高了运算效率。仿真结果表明,利用该方法得到的估计量在高斯噪声下能很好地逼近理想状态,且收敛速度较快,比扩展卡尔曼滤波具有更好的跟踪精度及收敛速度,在目标高速运动时仍能保持较好的跟踪效果。     

基于模糊交互多模型的机动目标跟踪方法

文中提出了一种模糊IMM（FIMM）算法,通过模糊逻辑推理得到IMM算法模型集中各滤波模型的匹配度,即模型的概率,代替IMM算法中通过交互组合计算模型概率的方法,该方法不需要IMM算法中的模型先验概率及马尔可夫转移概率,从而降低了算法的复杂程度。仿真结果表明,和标准IMM算法对机动目标的跟踪效果相比,文中提出的模糊IMM算法具有更高的跟踪精度,更快的收敛速度。     

基于速度约束的粒子滤波算法研究

为了提高二维机动目标被动跟踪性能,基于粒子滤波(PF)的基本思想,结合目标的先验信息,将速度约束条件加入到跟踪过程中,通过抛弃约束外粒子,并对粒子分布和权值进行调整来提高算法的执行效率。对新算法进行了仿真分析,并与粒子滤波算法进行了仿真对比。结果表明,新算法具有收敛速度快、跟踪精度高的优点。     

强跟踪UKF 在高动态组合导航中的应用

为解决载体在高动态下大幅度运动出现的滤波发散问题,提出强跟踪无迹卡尔曼滤波(strong tracking uncented Kalman filter,STUKF)算法。分析组合导航模型和研究经典的无迹卡尔曼滤波(uncented Kalman filter,UKF) 算法,将强跟踪UKF 算法应用于SINS/GNSS 组合导航系统,并与经典UKF 算法和衰减记忆UKF 算法进行比较。 分析结果表明：该强跟踪UKF 算法性能较好,能明显缩短滤波时间,减小速度误差和位置误差,从而提高组合导航 的准确性和稳定性。     

基于IMM-CKF的弹道再入目标跟踪研究

该文研究了弹道系数未知的弹道再入目标的跟踪问题.针对现有再入目标跟踪方法对弹道系数初值设定以及噪声协方差的设置比较敏感的问题,采用了数值精度高、稳定性好且计算量较小的求容积卡尔曼滤波(CKF)算法作为跟踪滤波器,并分别设计了由不同弹道系数模型构成的交互式多模型(IMM)算法以及由不同噪声协方差模型组成的IMM算法.仿真结果表明,该文设计的两种IMM算法都能显著提高跟踪精度以及对弹道系数估计的收敛速度.     

基于期望系统噪声模型的自适应机动目标跟踪

对于机动目标跟踪问题,由于目标机动能力的增强,使建立的目标模型与目标的实际运动失配。为解决这个问题,需建立大量模型来逼近真实模式。但这使计算量增大,而且性能不一定能提高。本文提出基于期望系统噪声模型的自适应交互式多模型(IMM)算法。该算法自适应调整部分系统噪声模型,使之接近符合实际的系统噪声模型。对目标机动运动的Monte-Carlo仿真结果表明,本算法对机动目标的跟踪精度比标准IMM算法有较大改进,且计算量适中。     

基于Levy飞行的蜂拥控制算法在目标跟踪中的应用

为解决较大区域内移动智能体对目标的跟踪问题,提高收敛速度,优化跟踪效果,提出基于Levy飞行的蜂拥控制算法。利用Levy飞行的特性,在移动智能体群体中加入搜索智能体,采用Levy飞行策略对目标进行搜索,智能体根据周围邻居和所能感知到的目标信息调整自身运动。仿真验证表明：与不具有搜索智能体的蜂拥控制算法相比,该模型搜索目标的速度更快,跟踪效果更好,适用于大区域内移动智能体的目标跟踪。