一种基于二阶Markov目标状态模型的多帧关联动态规划检测前跟踪算法

传统的动态规划检测前跟踪(Dynamic Programming Track-Before-Detect,DP-TBD)算法在每一阶段的数据关联中,仅用当前帧的观测数据与前一帧的指标函数进行关联积累,对目标状态在连续相邻帧间的相关性以及目标运动特征的考虑不充分,这样在低信噪比时,容易发生目标关联错误,严重影响了DP-TBD算法的检测和跟踪性能。针对此问题,该文提出了一种基于二阶Markov目标状态模型的DP-TBD算法,该算法以目标状态的条件概率比最大为准则,采用二阶Markov模型描述目标状态的相关性,并根据目标运动特征给出了一种与目标转弯角度相关的状态转移概率模型。在此基础上,实现了多帧数据关联的DP-TBD算法。通过仿真实验与传统的DP-TBD算法进行了比较,验证了该算法的检测及跟踪性能。     

一种低信噪比图像序列小目标实时检测算法

图像序列弱小运动目标的实时检测,是成像探测制导系统中的关键技术之一.提出一种基于动态规划与轨迹关联的目标实时检测算法.该方法利用指数衰减和运动方向加权动态规划积累目标能量,然后进行门限判决和对候选目标进行轨迹关联检测,从而剔除假目标,给出真目标信息.该算法结构简洁,易于进行软硬件分割实现,实时性能好.实验表明该算法能实现对深空背景中信噪比大于1.8、速度范围0～1像素/帧多个目标的有效检测.     

基于指数平滑的动态规划检测前跟踪算法

针对传统动态规划检测前跟踪(Dynamic Programming Track-Before-Detect, DP-TBD)算法在低信噪比(Signal to Noise Ratio, SNR)环境下跟踪性能较差以及容易出现团聚效应的问题, 提出一种基于指数平滑法的DP-TBD算法.该算法的创新之处在于:利用指数平滑法预测当前帧的目标状态, 当对当前帧代价函数进行优化时利用预测的目标状态对前一帧搜索窗内的代价函数进行加权.仿真结果表明, 文中所提算法能够有效抑制团聚效应, 且算法的检测性能和跟踪性能都比传统算法有所提高, 并且信噪比越低, 性能提高越明显.因此文中算法相对于传统算法来说更适用于低信噪比环境.     

一种低信噪比条件下的红外图像序列小目标实时检测算法

本文提出了一种基于多级门限判决与轨迹置信度检验的弱小目标检测方法,该方法综合利用能量积累、多级门限判决与轨迹搜索方法,同时对候选多目标轨迹进行置信度检验,剔除假目标,给出真目标信息。该算法针对高空背景条件下的图像目标检测,以较小的运算量和存储空间开销,解决了低信噪比条件下的弱小运动目标的检测问题,算法简洁且易于进行软硬件分割实现,算法实时性能良好。文中最后给出其实验结果。     

基于多帧相关算法的稀布阵雷达目标航迹检测

为提高稀布阵脉冲孔径雷达探测能力和小目标的发现概率,采用降低信号处理门限的方法,致使虚警概率高。常规方法难以完成目标航迹检测,需要通过TBD处理来完成目标检测。文中给出了基于多帧相关的TBD算法,利用目标的运动特性,通过对多帧数据的帧间相关处理,沿目标轨迹累积能量,从而提高信噪比,实现了在高虚警环境下的目标航迹检测。     

基于时空域集成判决的微小运动目标检测方法

提出了一种基于时-空域集成判决的序列图像中微小运动目标检测方法。首先,将背景杂波抑制后的残差图像沿时间轴进行累加,形成组合帧,在组合帧中经过二元假设门限判决,检测出疑似目标;然后,只对疑似目标按可能的运动方向进行空域能量集成;最后,对目标轨迹进行统计判别。算法的性能分析和实验仿真结果表明,该方法在保证较高检测概率的同时,大大减少了运算量,有利于实时实现。     

一种机动目标动态规划检测前跟踪算法

针对传统动态规划检测前跟踪(Dynamic Programming Track-Before-Detect,DP-TBD)算法检测强机动目标时性能较差的问题,本文利用目标状态转移矩阵先验信息改进了传统DP-TBD算法,使得目标状态转移步长随状态的变化自适应调整,以此来避免在检测转弯运动目标时传统动态规划算法由于转移步长不变而造成的转移步长与目标速度失配的问题。仿真结果显示,在检测转弯运动目标时所提算法的检测性能和跟踪性能都比传统算法有所提高。通过对改进的DP-TBD、传统DP-TBD算法的仿真和比较,改进的DP-TBD算法跟踪强机动目标性能得到了显著提升,并具有工程应用价值。     

基于分区动态规划和航迹关联的弱小目标检测

序列图像中低信噪比运动弱小目标的实时检测算法,是精确制导系统中的关键算法之一。提出一种图像序列弱小目标实时检测新算法,采用分方向区间的动态规划算法和二值图像航迹关联检测。通过在动态规划能量累加过程中引入方向限制,减小了噪声轨迹能量积累和目标轨迹能量扩散,提高了算法的目标检测能力。对算法的检测性能进行了仿真实验,结果表明该算法能有效检测深空背景下信噪比大于1.8、运动方向任意、速度不大于1像素/帧的多个运动弱小目标。     

一种径向运动弱小目标检测方法

分析了机载红外告警系统所要检测目标径向运动的特点,并基于此提出了一种红外序列图像检测威胁目标的算法.首先对单帧图像进行小波分解,得到水平和垂直的高频图像,经门限判决选出待定目标产生的高频分量,组合选定的高频分量,然后基于目标的运动特性、连续特性,提出一种类似管道滤波的方法,对组合后的图像多帧积累,选择合适的邻域判决条件提取弱小目标.     

OTHR低信噪比下的机动目标检测算法

在天波超视距雷达(OTHR)中,采用短时间相干积累时,可以提高数据率和检测效能,减小电离层污染。但采用短时间相干积累时,目标信噪比往往较低,检测难度较大,而机动目标的多普勒扩展进一步增加了目标的检测难度。传统的机动目标检测算法利用基于高阶模糊函数(HAF)的多普勒补偿算法来提高机动目标的可检测性,但由于HAF多次用到非线性变换,而每次非线性变换都会损失部分信噪比,因此对输入信噪比要求较高,难以适应于更低信噪比环境下的机动目标检测。将机动目标回波建模为三阶多项式相位信号,采用一种低非线性度的运动参数估计方法并结合多普勒补偿算法对目标回波进行处理,仅需要一次相位降阶操作,减少了信噪比损失,降低了对输入信噪比的要求。经过仿真验证,该算法的输入信噪比门限为-3dB,而HAF算法的输入信噪比门限为3dB。