一种多传感器目标跟踪中的简单切换方法

本文基于一种快速卡尔曼滤波的跟踪算法,利用已经确定的传感器布局信息,预先计算出不同空间位置上不同传感器组合的GDOP因子,并根据GDOP建立了多传感器的切换准则.从而可以在目标航迹的不同阶段上,选取最优GDOP的传感器组合,用尽可能少的传感器对机动目标进行精确跟踪.仿真结果表明该方法不仅降低了算法的计算量,而且仍然能够保持良好的跟踪性能.     

基于多模型的联合目标跟踪与分类算法

针对现有的联合目标跟踪与分类算法不具备封闭解析形式、计算量大且缺乏模块化结构等特点,将预知的各类目标的多种模型联合起来,组成一个多模型集合,并在运动学传感器和属性传感器观测过程相互独立的前提下,对目标状态概率密度函数和目标类别概率质量函数同时进行贝叶斯推理,得出一种基于多模型的联合目标跟踪与分类算法。该算法由卡尔曼联合多模型滤波器和贝叶斯分类器组成,实现了跟踪器与分类器的模块化,提高了跟踪和分类性能,具有封闭解析形式,计算量较小,适合工程实时应用。通过仿真,证实了该算法的有效性。     

基于效能函数的自适应传感器跟踪资源分配

针对基于效能函数的传感器管理算法存在的问题, 结合集中式序贯Kalman滤波算法, 将协方差自适应传感器管理算法应用到目标-传感器(组合)配对函数的计算中, 实现了传感器与目标配对系数的赋值与自动更新; 结合目标优先级函数, 提出了一种基于效能函数的自适应传感器分配算法。该算法的仿真结果表明, 有限的传感器资源既能够根据期望跟踪精度自适应分配, 又能够根据目标优先级动态地调整, 使传感器的分配策略更加合理有效。     

一种基于道路约束的变结构多模型跟踪算法

有效使用道路信息能显著提高地面运动目标跟踪性能。针对复杂道路网运动目标跟踪,给出了一种道路约束下的滤波和建模方法。首先描述了道路网的数学模型和道路约束条件下的过程噪声修正方法,根据道路约束最大后验概率估计准则给出了一种路段切换时状态和协方差修正公式;接着提出一种根据目标当前所处路段自适应滤波模型生成的变结构多模型(VSMM)方法,有效减小道路运动目标的模型动态误差,提高跟踪性能。仿真结果证明了该算法的优越性能。     

一种基于离差矩阵控制的传感器管理算法

传感器管理是对系统中的传感器进行优化分配以实现目标跟踪性能的优化和系统资源的有效利用。针对跟踪多目标的传感器管理问题建立了传感器管理模型,提出了一种基于离差矩阵控制的多传感器与多目标分配算法。该算法把所有目标的离差矩阵大小的和作为优化的目标函数,能够使目标的跟踪精度尽量接近期望值。同时采用遗传算法来寻找使目标函数最优的传感器分配方案,提升了计算速度。仿真结果表明,该算法能够对多传感器与多目标进行有效的分配,既达到了期望的目标跟踪精度,又节约了系统资源。     

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。     

利用多目标PSO优化的累积时延和信道容量联合优化的频谱切换算法

目前频谱切换中多以单目标优化设计目标信道，为了满足大容量实时传输要求，需要综合考虑累积切换时延和有效信道容量。对此构建了目标信道设计的多目标函数，提出了求解离散多目标优化问题的粒子群算法（DMOPSO），给出了种群编码、更新方式离散化设计。仿真结果表明，所提出的频谱切换算法得到的最优信道访问解集能够兼顾网络的实时性和高吞吐率，算法复杂度较低。     

杂波环境下被动多传感器机动目标跟踪新算法

针对杂波环境被动传感器机动目标跟踪问题,该文研究了一种基于粒子滤波的被动多传感器机动目标跟踪新算法。 在该算法中,首先推导了杂波环境下粒子滤波的似然函数表达式。其次将粒子滤波与交互多模型(IMM)相结合,用IMM方法实现模型的切换,以适应目标的机动变化。用粒子滤波实现对观测方程的非线性处理。最后,建立了被动多传感器的非线性观测模型,避免了目标的不可观测性,并且算法还能够处理非高斯噪声情况。仿真实验结果表明,提出的算法能够有效地对被动机动目标跟踪,且性能优于交互多模型概率数据关联滤波器(IMM-PDAF)。     

光电经纬仪多数据源融合控制策略

传统光电跟踪设备对于多传感器数据源的选择,大多采取手动或按优先级进行切换的控制方式。为了克服切换机制带来的滞后性、随意性以及切换时的阶跃效应,提出了多源数据融合控制策略。首先计算自适应可变跟踪门规划关联区域剔除野值;然后根据关联区域设计分时分级融合结构;最后通过构造隶属度函数计算融合加权因子。经实际应用验证,这种融合控制策略提高了跟踪精度,减小了超调量,增强了系统的鲁棒性、可靠性和实时性。     

认知无线网络动态权值调整的频谱切换策略

认知无线网络中,次用户的目标信道选择受次用户传输功率、信道衰落因子、信道带宽、信道可用率等因素影响。针对基于多属性判决的频谱切换没有充分考虑各因素的重要程度和动态变化问题,本文提出了基于动态权值调整的频谱切换策略。根据主观经验和网络环境变化动态调整权值,采用多属性简单加权法计算各信道目标函数值,根据目标函数值降序排列结果选择切换的目标信道。仿真结果表明,本文所提出的算法能够减少次用户的切换次数,提高有效数据传输速率。      

基于协商对策的多平台目标跟踪冲突消解

以利用多平台对空中多机动目标跟踪为背景,针对各平台执行能力与跟踪精度不同所导致的任务分配与平台资源利用之间存在冲突的情况,研究了基于协商对策的多平台目标跟踪冲突消解方法。以提高机动目标跟踪精度为原则,在避免重复跟踪和目标遗漏的同时充分利用平台资源,通过比较各平台对不同目标的跟踪精度,根据具体态势优先或按顺序分配任务。基于Visual C++6.0对多平台多机动目标跟踪中采用协商对策实现冲突消解的方法进行了仿真,通过与随机任务分配时的跟踪精度比较,验证了该方法的有效性。     

基于数据链和光电传感器的融合跟踪

数据链是战争中信息互通、资源共享的生命线,研究了基于数据链和光电传感器的融合跟踪方法。根据数据链和光电传感器数据的不同特点,对数据链数据应用改进的交互式当前统计模型滤波外推算法进行时间配准,并根据光电传感器测量角度信息的非线性应用交互式卷积粒子(IMM-CPF)滤波算法进行融合跟踪。使用IMM-CPF和IMM-EKF算法对融合跟踪进行对比仿真,仿真结果表明,使用IMM-CPF算法的数据链和光电传感器的信息融合对目标的跟踪达到了很好的效果。     

基于微分进化的组合重采样粒子滤波算法

针对粒子滤波重采样带来的样本贫化问题,设计了微分进化组合重采样算法。通过引入微分进化算法的交叉变异操作保持了粒子多样性;同时将残差重采样和微分进化重采样算法组合起来,克服了单纯微分进化重采样的时滞性问题。蒙特卡罗仿真表明,所研究的算法在精度上有很大的提高,并且实时性较好。算法效率提高了1倍,只需300个粒子就可以达到残差重采样粒子滤波1000个粒子的效果,而且实时性提高了很多。     

基于马尔科夫决策过程的多传感器协同检测与跟踪调度方法

针对多任务场景下的传感器调度问题,该文提出一种面向目标协同检测与跟踪的多传感器调度方法。首先,该方法基于部分可观马尔科夫决策过程(POMDP)构建传感器调度模型,并基于后验克拉美-罗下界(PCRLB)设计优化目标函数。其次,考虑传感器切换时间和目标数目的时变性,采用随机分布粒子计算新生目标的检测概率,给出了固定目标数目和时变目标数目情形下的传感器调度方法。最后,为满足在线调度的实时性需求,采用自适应多种群协同差分进化(AMCDE)算法求解传感器调度方案。仿真结果表明,该方法能够有效应对多任务场景,实现多传感器资源的合理调度。     

Joint multiple target tracking and classification in collaborative sensor networks

We address the problem of jointly tracking and classifying several targets within a sensor network where false detections are present. In order to meet the requirements inherent to sensor networks such as distributed processing and low-power consumption, a collaborative signal processing algorithm is presented. At any time, for a given tracked target, only one sensor is active. This leader node is focused on a single target but takes into account the possible existence of other targets. It is assumed that the motion model of a given target belongs to one of several classes. This class-target dynamic association is the basis of our classification criterion. We propose an algorithm based on the sequential Monte Carlo (SMC) filtering of jump Markov systems to track the dynamic of the system and make the corresponding estimates. A novel class-based resampling scheme is developed in order to get a robust classification of the targets. Furthermore, an optimal sensor selection scheme based on the maximization of the expected mutual information is integrated naturally within the SMC target tracking framework. Simulation results are presented to illustrate the excellent performance of the proposed multitarget tracking and classification scheme in a collaborative sensor network.     

动与静目标双重检测的手势检测方案及硬件设计

基于超声波的手势识别系统中引入手势检测方案一方面可以在无手势的时候不执行高复杂度的识别运算，有效地降低功耗；另一方面还可以分割出有效时间片段，提高手势识别的精度。为提升手势识别系统的性能，提出了一种手势检测方案并且以硬件实现了相应功能。采用动目标与静目标双重检测以及杂波图技术，提供手势识别系统在低功耗的检测模式以及高精度运算的识别模式间切换的条件，实现对环境静态杂波的跟踪和滤除，同时解决了传统单纯动目标检测在连续手势操作时存在的漏检问题。本方案由检测模式向识别模式切换的漏警率为0,识别模式向检测模式切换的虚警率为2%,模式切换的响应时间为733.47 ns。     

Energy-efficient collaborative target tracking algorithm using cost-reference particle filtering in wireless acoustic sensor networks

Target tracking is one of the most important applications of wireless sensor networks. Optimized computation and energy dissipation are critical requirements to save the limited resource of sensor nodes. A new robust and energy-efficient collaborative target tracking framework is proposed in this article. After a target is detected, only one active cluster is responsible for the tracking task at each time step. The tracking algorithm is distributed by passing the sensing and computation operations from one cluster to another. An event-driven cluster reforming scheme is also proposed for balancing energy consumption among nodes. Observations from three cluster members are chosen and a new class of particle filter termed cost-reference particle filter (CRPF) is introduced to estimate the target motion at the cluster head. This CRPF method is quite robust for wireless sensor network tracking applications because it drops the strong assumptions of knowing the probability distributions of the system process and observation noises. In simulation experiments, the performance of the proposed collaborative target tracking algorithm is evaluated by the metrics of tracking precision and network energy consumption.     

基于有效量测分集的联合概率数据互联算法

杂波环境下用联合概率数据互联算法(JPDA)跟踪多目标,其计算量将随跟踪目标数的增多和杂波密度的增大而呈指数增长,因此实时性不强;并且JPDA跟踪杂波环境中的近距离目标时,容易造成航迹合并。在充分考虑单个目标独立性的基础上,提出有效量测分集概念。将接收到的有效量测信号按照单个目标的关联划分,确定各目标跟踪波门内的候选量测信号,不考虑量测信号的重复关联。取得单个目标独立性之后,再运用单目标概率数据互联的方法估计目标状态。仿真实验表明,较传统JPDA实时性更强,能够分辨并跟踪近距离目标。     

舰船红外成像目标智能跟踪算法研究与实现

研究了舰船红外成像目标的智能跟踪技术。通过对成像阶段和跟踪算法的分析,提出了一种新的复合跟踪算法,对MAD跟踪算法和形心跟踪算法作了改进,跟踪算法之间的切换依据高亮点数原则。设计了一个舰船红外成像目标智能跟踪系统,硬件平台是以TMS320C6201芯片为核心、采用DSP+FPGA技术构建的。为了保证跟踪系统的智能性和稳定性,提出了置信度因子和局部分割技术。外场实验表明,该跟踪系统能够对目标进行稳定、智能的跟踪。