基于显著图的红外弱小目标动态规划检测前跟踪算法

针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显著图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显著图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围,对多帧连续的显著图进行滤波跟踪,实现对红外图像弱小目标检测.实验结果表明,文中算法在对弱小目标进行有效检测的同时降低虚警率,提高了图像的检测效率.     

一种改进的CPHD多目标跟踪算法

CPHD(Cardinalized Probability Hypothesis Density)滤波是一种杂波环境下可变目标数的多目标跟踪算法,该文针对算法中存在的目标漏检问题提出一种改进算法,该算法在高斯混合框架下实现贝叶斯递归,通过对各个高斯分量进行标记,对目标进行航迹关联,在此基础上对修剪合并后各个高斯分量的权值进行两次分配。首先对超过检测门限的高斯分量权值进行分配,有效解决了目标漏检问题,然后基于一个目标只可能产生一个观测的事实进行第2次分配,改善了目标发生交叉时的算法性能。实验结果表明,所提方法在多目标状态估计和航迹维持方面均优于普通的CPHD算法。     

基于稀疏时频分布的跳频信号参数估计

基于常规时频分析方法的跳频信号参数估计中,采用核函数抑制时频分布交叉项会导致时频聚集性的下降,不利于信号参数提取。针对此问题,该文提出一种基于稀疏时频分布(STFD)的跳频信号处理方法。该方法首先根据Cohen类分布的原理和跳频信号模糊函数的特点,以模糊域矩形窗为核函数,构建了一种Cohen类的矩形核分布(RKD)。RKD可有效抑制交叉项,但其时频分辨率较低。为提高RKD的时频性能,在压缩感知框架下,利用跳频信号时频分布的稀疏特性,对RKD附加稀疏性约束,建立稀疏时频分布(STFD)的优化求解模型。STFD不仅能有效抑制交叉项,而且具有良好的时频聚集性。仿真分析表明,与传统时频分析方法相比,该文提出的基于STFD的跳频信号参数估计方法性能更优。     

一种改进的扩频BPSK信号载频检测估计方法

检测与估计扩频信号的载波频率是截获扩频通信的重要手段,在分析直扩 BPSK 信号特点和传统平方载波检测方法的基础上,根据对称相关变换的性质,提出了一种改进的基于对称相关变换的平方载波检测扩频信号检测与参数估计方法.通过平方检测器,信号在载波的倍频处产生离散线谱,检测离散线谱可实现扩频信号的检测与载波估计.为了提高算法的检测性能,通过对称变换,进一步抑制噪声,有效地改善了输出信噪比,实现了低信噪比下直扩信号的检测.仿真结果验证了所提出方法的有效性.     

一种面向信号分类的匹配追踪新方法

匹配追踪(MP)的主要策略是通过每次迭代时选择一个局部最优解,从而逐步逼近原始信号。然而传统的MP系列算法进行原子匹配时,各类原子集间存在交集,从而影响了原子的表示能力以及相应的分类效果。基于此,该文提出一种适用于信号监督分类的匹配追踪新算法。其原子挑选的准则为:同类信号采用相同的原子集匹配,获取相同的类内表示结构;异类信号选择不同的原子集匹配,从而增强信号的类间差异。示例分析表明,使原子集间相互独立,能够减少异类信号间的共性因素,强化信号间的区分度,从而有利于提升分类识别效果。通过在标准图像库和实测雷达辐射源信号集上的实验表明,较之传统的MP系列方法,所提算法对噪声和遮挡具有更强的鲁棒性。     

稳定分布噪声下基于Merid滤波的跳频信号参数估计

常规时频分析方法是处理跳频(FH)信号的有力工具,但在稳定分布噪声环境下无法有效地实现参数估计。该文提出基于Merid滤波的时频分析方法对跳频信号进行参数估计。Merid滤波器可以有效地抑制稳定分布噪声,该文先对观测信号进行Merid滤波,再采用短时傅里叶变换(STFT)进行参数估计。仿真结果表明,在稳定分布噪声环境中,该方法的跳频信号参数估计性能优于基于分数低阶和基于Myriad滤波的两种时频分析方法。     

一种稳健的非刚性医学影像配准方法

提出了一种基于局部线性嵌入(LLE)和改进的L-BFGS优化算法的非刚性配准新方法．该方法首先计算影像不同方向上的定序特征,用于补充传统互信息测度中缺失的空间结构信息;然后,运用LLE方法及其逆映射对高维定序特征进行降维和融合;进而结合影像灰度信息构造了一种基于混合熵的配准测度,有效保证了配准测度函数的光滑性和收敛性;最后,采用改进的L-BFGS优化方法搜索最优配准参数．多组仿真数据的测试结果表明,在噪声情况下,所提方法具有精度高、鲁棒性强的特点,优于现有几种方法．     

组网无源雷达变数目多目标跟踪算法

针对组网无源雷达多目标跟踪问题,提出一种新的变数目多目标跟踪算法,实时估计目标数目与多目标状态．算法采用多站集中式融合策略解决无源观测的不完全性问题,采用最小二乘算法构造伪位置观测解决无源观测的非线性问题．针对变数目多目标跟踪问题,利用随机集理论将多目标状态与观测构成随机有限集,通过高斯混合概率假设密度滤波递归计算多目标状态随机有限集的后验强度,实时得到目标数目及其状态的估计．算法引进最小二乘算法估计出候选目标点进行数据关联,解决了无源观测线较近时无源数据关联精度下降问题．仿真实验验证了该算法的有效性．     

采用粒子滤波和模糊聚类法的非线性多目标跟踪

提出一种新的非线性多目标跟踪方法,用模糊聚类算法实现数据关联,采用粒子滤波实现对各目标的独立跟踪．首先利用最大熵模糊聚类对目标和观测数据进行关联,采用模糊隶属度重建多目标滤波中的联合关联概率矩阵．然后利用粒子滤波适于处理非线性问题的特点,通过联合关联信息,采用粒子滤波独立对各目标进行滤波,实现对目标状态的更新．最后,将该算法应用于多传感器多目标纯方位角跟踪．仿真结果表明,相比于联合概率数据关联算法及MEF-JPDAF,新算法具有更高的跟踪精度．     

基于高斯粒子JPDA滤波的多目标跟踪算法

在多目标跟踪中,由于观测的不确定性带来数据关联问题,并且,多目标状态空间尺寸的增长带来了维数增大问题,该文提出了一种新的高斯粒子联合概率数据关联滤波算法(GP-JPDAF),在JPDA框架中引入高斯粒子滤波(GPF)的思想,通过高斯粒子而不是高斯量,来近似目标与观测的边缘关联概率,利用GPF计算目标状态的预测及更新分布。将其应用于被动多传感器多目标跟踪,仿真结果表明该算法比MC-JPDAF具有更好的跟踪性能。