群目标跟踪自适应IMM算法

为提高对机动群目标在高量测误差下的跟踪性能,提出了一种自适应IMM群目标跟踪算法.首先,在群质心状态估计中,引入带有多重次优渐消因子的强跟踪滤波算法,提高机动阶段时对群质心状态估计的精度.其次,在扩展状态估计中,考虑量测精度对于扩展状态的影响,将量测误差和扩展状态同时纳入到量测似然函数的构建中,应用新息计算和渐消记忆迭代过程自适应更新量测误差协方差矩阵.最后,通过quasi-Bayesian方法自适应更新模型转换概率,利用量测数据修正模型转换概率,抑制非匹配模型作用,放大匹配模型作用,实时匹配跟踪模型与目标运动状态.仿真实验结果表明,该方法有效提高了对群质心状态和扩展状态的估计精度.     

一种改进的群目标自适应跟踪算法

为提高对群目标在机动情况下的跟踪性能,提出一种改进的群目标自适应跟踪算法．在群质心状态估计中,在修正“当前”统计模型的基础上,利用群质心的速度预测和速度估计的偏差进行过程噪声方差自适应调整,并引入强跟踪滤波中的渐消因子,实时调节群质心的状态预测协方差．在扩展状态估计中,将其对应的椭圆面积预测值和估计值的偏差以及偏差变化率作为模糊输入量,采用模糊推理法自适应输出扩展状态的预测参数．此外,提供了群目标分裂机动的判决方法．仿真结果表明,与现有方法相比,本文算法增强了对群目标在突发机动时的自适应跟踪能力,并能有效检测出群的分裂机动．     

空中对地面目标群瞄准的视频图像分析方法

采用视频图像分析与地面目标群运动特性相结合的方法，可以解决空中对地面目标群的跟踪和瞄准问题。为了对地面目标群运动特性进行预测，引入了宏观交通模型。根据飞行器质心和地面目标群中心相对位置的预测估计，得到了飞行器视频监视装置的下视角和方位角计算式，并且给出了地面目标群位置估计误差的在线修正方法。半物理仿真结果表明，利用这种方法可以使地面目标始终位于视频图像的中心位置附近。     

B样条曲面三维扩展目标跟踪算法

在目标跟踪中，三维扩展目标跟踪的实现通常需要多角度的大量量测数据，单传感器所获得的量测无论是从数量还是完整性上来说，都不能良好地满足三维形状估计的要求。针对低量测率下现有的三维扩展目标跟踪算法形状跟踪效果差的问题，提出了一种基于B样条曲面的泊松多伯努利混合滤波算法。首先，利用小波聚类对多传感器获得的三维空间量测数据进行处理，得到量测簇，在提取有效信息的同时保证算法的效率；然后，对量测簇进行划分，获得控制矩阵，控制矩阵基于B样条的控制点原理实现，因此能够表征复杂三维形状的参数，利用控制矩阵与B样条曲面拟合获得三维扩展目标的形状；最后，将B样条融入泊松多伯努利混合滤波器，扩展到三维目标跟踪，预测和更新扩展目标运动状态和形状参数。经仿真实验和真实点云数据集的验证，所提算法能够对三维扩展目标的运动状态和扩展形状实现良好的跟踪效果，且能够实现不规则三维形状的估计。     

一种杂波环境下机动目标跟踪算法

针对杂波环境下的机动目标跟踪问题,提出了一种利用多普勒量测的机动目标跟踪算法。该方法首先通过多普勒量测解目标径向速度模糊,然后在目标量测方程中增加了径向速度维,将量测方程中的径向速度函数进行泰勒级数展开略去高阶量转为线性函数,同时在点迹关联时增加了径向速度波门,滤除更多的杂波点,利用多普勒量测计算出的径向速度实时更新观测值中的径向速度。通过计算机仿真,该算法相比传统算法提高了目标位置精度、速度精度和收敛速度。同时还分析了多普勒量测误差对目标跟踪性能的影响,多普勒量测误差越小,目标跟踪性能越好。     

目标回波特征辅助的海面多目标跟踪方法

由于复杂的海洋环境和近海稠密的海面目标，海用雷达常面临高虚警率、高目标密度的“双高”跟踪场景。来源于海杂波和多个邻近目标的量测点在探测空间中密集出现，传统的跟踪方法仅利用单帧量测的位置信息不能很好区分量测的具体来源，导致跟踪性能严重下降。利用目标回波特征信息可以在不提高算法复杂度的情况下弥补上述缺陷，但目标回波特征的泛化能力较弱，需要针对不同的雷达体制、工作场景及探测需求，因地制宜地选择适合的目标回波特征。以探测大中小型船只为任务的高分辨对海警戒雷达为应用背景，采用检验统计量和目标径向速度量测作为目标回波特征，重构了跟踪方程使得目标回波特征的信息被充分应用于关联、滤波和航迹管理等跟踪的各个环节。此外，采用了一种“两级”跟踪流程，依据航迹质量划分确认航迹和候选航迹，串联跟踪目标并交互信息，有助于跟踪难以形成持续稳定检测的非机动海面小目标。实测和仿真数据实验结果表明，在海面复杂的多目标场景中，所提方法可以实现稳健的目标跟踪。     

一种带径向速度量测的Jerk-EKF机动目标跟踪算法

为了提高机动目标跟踪精度,在基于Jerk模型的扩展卡尔曼滤波算法(Jerk-EKF)基础上,提出了一种带径向速度量测的扩展卡尔曼滤波算法(Jerk-EKFrv).该算法通过引入径向速度量测扩充了量测矩阵的维数,然后利用展开泰勒级数的一次项,解决量测方程中状态向量和量测向量的非线性问题,最后采用卡尔曼滤波算法对目标状态进行估计.对Jerk-EKF和Jerk-EKFrv算法的仿真结果表明,Jerk-EKFrv算法能够有效提高机动目标的跟踪精度.     

基于深度前馈神经网络的多基地外辐射源雷达高精度目标跟踪（英文）

在雷达系统中,目标跟踪误差主要来自运动模型和非线性量测。在评估跟踪算法时,其跟踪精度是主要衡量准则。为提高跟踪精度,本文将跟踪问题表述为从量测到目标状态的回归模型,提出一种基于改进深度前馈神经网络（MDFNN）的跟踪算法。所提MDFNN跟踪算法引入一种滤波层来描述输入量测序列的时序关系,并分析了最优量测序列长度。仿真和实测的外辐射源雷达数据测试表明,在所考虑的场景下,所提算法跟踪精度优于基于扩展卡尔曼滤波器（EKF）、无迹卡尔曼滤波器（UKF）和递归神经网络（RNN）的跟踪方法。     

应用粒子群算法的动态目标DOA估计

针对信号源方向时变情况,提出一种新的跟踪方法.该方法利用性能优越的最大似然估计避免了子空间跟踪类方法需要不断重复的协方差矩阵分解.为有效解决最大似然估计巨大计算量的问题,引入粒子群算法并对其进行改进,使其能够自动跟踪目标,把目标锁定在一个很小的搜索范围之内.通过大幅度缩小搜索的范围和运用群智能搜索可以有效降低算法的计算量.仿真结果表明,与子空间类算法相比,该方法具备解相干的能力和较好的跟踪精度,而且能够保证算法的实时性.     

一种适用于机动目标跟踪的改进卡尔曼滤波算法

针对卡尔曼滤波跟踪强机动目标时性能下降的问题,提出了一种适用于机动目标跟踪的改进卡尔曼滤波算法.该算法在卡尔曼滤波算法的基础上,根据当前量测目标航向与前一目标航向之间的航向角度差,判断机动强弱并计算出加权函数值,然后用加权函数值根据量测数据依次修正机动目标加速度预测值和目标预测状态,最终改进目标的状态估计.仿真结果表明,目标强机动时该算法具有较高的跟踪精度.     

碳/碳复合材料高温下形变测量研究

图像测量系统的测量原理是通过处理被测物体图像的边缘，从而获得物体的几何参数。本文介绍了高温下C／C复合材料试件在视觉坐标测量系统中连续图像的获取及应用索贝尔算子准确的计算出图像边缘。通过坐标变换得到了C／C复合材料在高温载荷下形变数值。同时介绍了图像处理系统的设计要点，给出了实验结果曲线。     

激光跟踪仪靶球识别图像处理方法研究

激光跟踪仪是大型装备制造过程中的大尺寸精密测量仪器,在跟踪测量过程中,容易丢失目标,影响工作效率,无法继续跟踪.图像处理法对靶球进行目标识别,以实现靶球的断光续接.本文采用模板匹配和Hough变换两种方法,首先将图像处理技术应用于模板匹配,先对拍摄到的靶球进行不同的边缘提取法处理,然后再利用模板匹配法,提取目标靶球的中心坐标;其次利用Hough变换法求取并标定靶球中心坐标.通过对比不同方法提取到的目标的中心坐标,得到较为准确的提取方法,实现在脱靶后激光跟踪仪准确的跟踪目标.     

基于DM6437-355的目标跟踪系统的研究

本文基于DM6437-355开发板结合OpenCV与VC技术,设计出双跟踪算法的目标跟踪系统。本系统将形心跟踪算法和重心跟踪算法这两种算法同时设置其中,形心跟踪算法是以阈值分割图像预处理为基础的改进方法,重心跟踪算法则提出为每个采样点设置不同的权值I（x,y）,再来求取重心坐标的改进方法。这两种算法对于在目标跟踪的过程中出现的由于跟踪目标发生翻转、形变或是目标被部分遮挡而导致跟踪目标丢失现象的避免有了明显的提高。根据不同的情况要求选择不同的跟踪算法,加强了在复杂多变的实际环境中目标跟踪的效果。     

纯方位观测的航迹不变量目标跟踪算法

针对单站纯方位观测系统的目标跟踪问题,提出了一种新的单站纯方位目标跟踪算法．通过新提出的余切关系定理,解决了单站纯方位观测的非线性问题．推导了目标航向角估算公式及目标航迹的不变量,利用这个不变量估计目标方位．针对多站纯方位异步观测的目标跟踪问题,提出了一种新的双站纯方位异步观测目标跟踪方法,利用两个观测站与目标的几何关系估计目标位置．仿真实验表明,本算法能有效地实现纯方位目标跟踪．     

改进的快速自适应分块均值漂移算法

为了实现复杂情况下的目标跟踪,该文提出了改进的自适应分块策略。通过主分量分析的方法确定不同时刻帧的矩形框大小,然后在不同的情况下根据一定的条件,决定不同的分块方法,从而提高目标在旋转、遮挡、缩放等复杂环境下的跟踪成功率。同时,为了减少寻找目标的时间,该文还提出两帧法,即通过前两帧计算出的质心象素点的个数差,快速预测并确定当前帧中目标可能的质心位置。实验表明,这两种方法相结合不仅有效提高了跟踪的成功率,而且减少了迭代次数,提高了算法的跟踪效率。     

基于MHT的多物体跟踪算法

探讨了多假设跟踪算法(MHT)在多物体检测跟踪系统中的应用方式.该方法采用卡尔曼滤波算法实现跟踪轨迹假设,采用LAP算法实现数据关联,将预测和视频采集测量值结合得到最优跟踪轨迹.实验表明,该方法在实践中达到了较好的效果.     

基于竞争对手的经营战略

企业制定经营战略的出发点应是取得相对于竞争对手的竞争优势。竞争战略应考虑如何取得竞争优势和保持竞争优势。企业的竞争战略可以通过主动出击──率先获得竞争优势和战略进攻──通过进攻竞争对手的竞争优势来使自己从劣势转变成优势，企业竞争战略必须采取积极的战略防御来保持竞争优势。本文在三方面提出了一些战略和战术。还认为．企业的经营战略家应在主动与被动，进攻与防守，风险与效益之间取得权衡。在总体把握、长远规划的基础上，构造出基于竞争对手的经营战略。     

一种高分辨距离像辅助的多目标跟踪算法

When the tracks of the multi-target get approached or crossed, it is easy to lead to combining or even to get wrong tracks for the traditional tracking methods, since the traditional methods only utilize the information on the target position to finish the data association. Aiming at this problem, a multi-target tracking algorithm aided by the high resolution range profile (HRRP) is proposed in this paper. Firstly, the target attitude angle is estimated in real time on the principle that the HRRP is sensitive to the attitude angle. And then the attitude angle is added to the target measurement state to construct a multi-dimension correlating gate. The data association is accomplished with the multi-dimension information. So the problem of multi-target data association is simplified to multiple sub-problems of data association for a single target. Finally, each target motion state is estimated by the probabilistic data association-unscented Kalman filter (PDA-UKF). Simulation results reveal that the computing complexity is reduced, and that the correct probability of data association is improved by using the target HRRP on the one hand. On the other hand, the tracking accuracy is improved with the aid of the target attitude angle.