导引头随动系统中信号处理延迟的影响及其补偿算法

新体制导引头的信号处理方式越来越复杂,造成了非常明显的信号处理延迟,这种纯延迟环节又严重影响着导引头随动系统的跟踪能力.首先采用相位裕度的概念定量分析了延迟大小对随动系统带宽的影响,然后针对目标、导弹、导引头空间运动关系的特点,介绍了一种基于机动目标"当前"统计模型和自适应Kalman预测滤波的探测器信号处理延迟补偿方案,采用探测器输出的跟踪误差和电位器输出的角度信息重构视线运动量测值,利用Kalman滤波获得当前时刻视线角位置的最优估计,进而得到当前时刻跟踪误差的预测值,取代被延迟的跟踪误差进行随动系统的闭环控制,仿真表明本方案有效可行.     

基于改进Camshift算法的NAO机器人目标跟踪

针对Camshift算法应用于NAO机器人目标跟踪过程中,当目标受到相似颜色背景干扰或被物体遮挡时跟踪失败的问题,提出一种基于ORB特征检测和Kalman滤波多算法结合的目标跟踪方法。首先检测目标ORB特征点初始化搜索窗口,然后利用Kalman滤波作为目标运动状态的预测机制,以预测的位置初始化Camshift算法。利用Bhattacharyya距离判断跟踪窗口的收敛性,若受到背景干扰,则利用ORB算法对当前帧中的Kalman预测区域和目标模型进行特征点匹配,重新检测目标在视频帧中的位置。根据Kalman滤波预测目标被物体遮挡后可能的位置来更新预测器参数。实验结果表明,改进的算法能够在相似颜色背景干扰和目标遮挡的复杂环境下,连续稳定地跟踪运动目标。     

基于末端轨迹修正的导弹跟踪稳定性控制方法

舰载导弹在制导飞行的末端容易受到空气小扰动的影响产生轨迹偏离,需要进行轨迹偏离修正控制,提高弹道对目标跟踪的姿态稳定性,提出一种基于改进的扩展Kalman滤波(EKR)和误差反馈修正的导弹跟踪端轨迹修正控制方法.以陀螺仪采集的导弹的横滚角、俯仰角以及航向偏离的参量为控制约束指标集,采用扩展Kalman滤波算法进行姿态参量融合,结合Smith结构建立导弹跟踪控制的被控对象模型,计算末端轨迹中姿态角与真值的偏差,根据偏差进行导弹的惯性姿态反馈调节,采用自适应的量化融合跟踪识别方法进行导弹定姿处理,通过对末端轨迹的误差反馈修正提高姿态角的输出精度,根据姿态的不断变化实现自适应的位姿修正,实现导弹对敌目标跟踪的稳定性控制.仿真结果表明,采用该方法进行导弹控制的姿态角解算的误差较小,定姿精度较高,提高导弹跟踪控制的稳定性和鲁棒性.     

一种解决遮挡问题的跟踪方法

针对图像跟踪领域中因遮挡产生的漂移问题,提出一种基于直方图比的背景加权的Mean Shift算法和Kalman预测滤波器融合的方法。本文方法通过改进目标模型来优化Bhattacharyya系数值,增大目标正常跟踪状态下和遮挡状态下Bhattacharyya系数的差值,提高遮挡判定的有效性,进而提高遮挡时的跟踪性能。通过实验证明,基于直方图比的背景加权的Mean Shift算法和Kalman预测滤波器融合的方法可有效解决遮挡跟踪问题。     

一种量测转换的移动外辐射源多站协同跟踪算法

针对移动外辐射源跟踪问题,提出一种融合到达角(Angle of Arrival,AOA)与到达时间差(Time Difference of Arrival,TDOA)观测量的量测转换Kalman滤波(Converted Measurement Kalman Filter,CMKF)算法。首先,采用了一种考虑了传感器位置偏差影响的无源定位算法作为转换非线性的AOA与TDOA观测量至笛卡尔坐标系下观测量的方法,并证明了当AOA与TDOA的测量噪声以及传感器位置偏差都服从高斯分布且噪声强度不大时,该量测转换方法的位置转换误差能达到克拉美罗(Cramér-Rao Lower Bound,CRLB)界;其次,在量测转换的基础上构建了关于移动外辐射源的线性状态空间模型,将非线性的目标跟踪问题转化为线性滤波问题,并最终使用标准Kalman滤波器实时跟踪移动外辐射源位置。仿真结果不仅验证了量测转换精度与理论分析结论吻合,还表明了所提CMKF算法的跟踪精度同时优于扩展Kalman滤波器、无迹滤波器以及粒子滤波器。     

Multi h CPM信号无数据辅助的反馈定时同步算法

针对Multi h CPM信号前馈定时同步不适用于连续传输模式通信系统问题,文中提出了一种无数据辅助的反馈定时同步算法。该算法基于最大似然准则推导出定时误差检测信号,利用误差检测信号形成闭环控制结构对接收信号进行跟踪定时,并与修正的克拉美 罗界进行比较。仿真结果表明,该算法能跟踪定时偏移,且具有较好的跟踪性能,适合连续模式传输的通信系统。     

基于多特征融合的高机动多目标低截获概率跟踪技术

在多目标跟踪过程中,目标的高机动特性使得传统采用固定运动模型或交互式多模型的目标跟踪算法很难实时精确匹配目标运动模型,从而引起高机动目标的低跟踪精度问题。针对这一问题,本文提出一种基于目标运动状态模型自适应更新的高机动多目标跟踪算法。在多目标跟踪过程中,该算法采用多特征聚类融合算法进行目标运动模型估计,并根据各目标跟踪波动参数进行状态转移矩阵决策更新,同时利用联合概率数据关联实现多机动目标状态转移矩阵自适应更新的关联跟踪,从而解决了传统多目标跟踪算法因目标运动模型失配引起的低跟踪精度问题。在目标跟踪算法的传感器选择上,无源传感器不对外辐射能量,具有较好的低截获概率性能,但其跟踪精度有限,常不能满足多目标高跟踪精度的要求。雷达作为有源传感器,具有较高的跟踪精度。但由于雷达对外辐射信号,容易被防御方截获。针对这一问题,本文提出了一种无源传感器目标跟踪为主,有源雷达间歇跟踪为辅的多传感器协同管理目标跟踪算法。该算法通过对目标跟踪本征堆积误差的判断进行传感器的最优分配,并根据波动参数的大小进行状态转移矩阵决策更新。仿真结果验证了本文所提出的多传感器协同的高机动目标跟踪算法在满足高机动目标跟踪精...     

改进的自适应Kalman滤波在光电跟踪中的应用

为解决机载激光通信中光电跟踪平台获得脱靶量存在滞后的问题，将协方差匹配技术与Sage-Husa自适应Kalman滤波相结合应用到脱靶量滞后补偿中。首先，通过Sage-Husa自适应Kalman算法补偿滞后的脱靶量，并引入遗忘滤波的思想降低过去的量测数据对现在的影响；然后，加入基于协方差匹配技术的判据，判据生效时更新噪声协方差阵，同时增大遗忘因子使量测先验协方差阵误差估计值与理论值更快地相容达到平衡，保证系统的实时性。在仿真中目标为等效正弦运动时改进的Kalman滤波比普通Kalman滤波降低了31.1%的预测误差。在实验验证中改进的Kalman滤波跟踪精度提高18.5%，实时性提高了18%，满足了控制系统对脱靶量滞后补偿的要求，使系统运行更稳定。     

多传感器数据关联与状态跟踪算法分析

本文针对给定区域内目标运动状态跟踪检测环节,多传感器跟踪系统获取测量数据与实际状态间存在较大偏差的问题,拟提出一种建立多目标数据关联、支持多传感器航迹融合的目标运动状态跟踪算法。将全局最近邻算法与改进后的全局最近邻算法进行组合,构建给定空间内不同目标间相对距离测量算法,建立目标测量结果与预测值间的相似度矩阵,保证数据关联结果的准确度;基于粒子滤波算法在利用单传感器检测目标时因干扰因素出现的偏差,引入FOA算法实现对融合系数的优化,获得目标状态的精准估计结果;在此基础上,利用粒子滤波优化算法建立分布式结构下多种电化学传感器的航迹融合算法,经均质化处理实现多个传感器航迹的融合与加权处理,最终仿真实验结果显示该算法可有效提升对融合航迹下目标的跟踪精度,为多传感器跟踪系统的开发设计提供重要参考。     

基于Mean Shift和Kalman滤波相结合的运动目标跟踪方法

为了使Mean shift算法能跟踪快速运动目标和大比例遮挡的目标,算法引入Kalman滤波对目标位置进行预测,Mean shift在预测位置邻域内搜索目标位置.同时对引入Kalman滤波的算法进行试验分析发现,不能有效的跟踪运动状态突然变化的目标,为此提出采用两次Bhattacharyya系数大小判断的方法.实验证明,提出的算法能够有效的跟踪运动目标,对于快速运动目标、大比例遮挡的目标以及运动状态突变的目标都有很好的跟踪效果,具有很好的鲁棒性.     

基于UKF的组网雷达误差配准方法研究

针对多目标情况下雷达组网的误差配准问题,提出了一种基于不敏卡尔曼滤波(Unscented Kalman Filter,UKF)和最优压缩的系统偏差稳健估计方法。该算法将目标的运动状态和传感器系统偏差组合在同一状态方程中,构建扩维的系统偏差动态方程,接着采用UKF的方法对目标状态和系统偏差进行联合估计。然后通过对多个估计结果的进一步融合,最终得到较高精度的系统偏差估计。仿真结果表明,该算法可以有效地实现多目标情况下的误差配准。     

非线性跟踪微分器在半捷联稳定平台中的应用

针对半捷联稳定平台中框架角速率的提取问题,首次提出了一种基于非线性跟踪微分器的测速方案,此方案可以避免常规差分测速带来的误差放大问题,并且可以利用预报补偿方法解决非线性跟踪微分器带来的相位延迟问题。数值仿真和实验结果表明,非线性跟踪微分器可以从框架角位置信号中准确地提取角速率信号,实验证明了基于非线性跟踪微分器的半捷联稳定方法与直接稳定方法对低频角扰动的隔离能力相当,并证明了非线性跟踪微分器在半捷联稳定平台中应用的可行性和有效性。     

被动传感器阵列中基于粒子滤波的目标跟踪

针对被动传感器阵列中的机动目标跟踪问题,该文提出了一种基于多模Rao-Blackwellized粒子滤波的机动目标跟踪新方法。算法首先基于Rao-Blackwellization理论将机动目标跟踪问题划分为模型选择和目标跟踪两个子问题;采用多模Rao-Blackwellized粒子滤波对目标运动模型进行选择,扩展Kalman滤波对目标进行更新,有效降低了抽样粒子状态维数,节省了计算时间;最后,建立了被动传感器阵列的非线性观测模型。实验结果表明,提出方法可以有效地对目标模型进行选择,算法的跟踪性能及稳定性要好于交互多模型(IMM)方法。     

音频放大器的误差校正

现有的许多音频放大器都采用各种各样的、与普通反馈稍有不同的误差校正技术。这些技术中有两种较普通的误差校正电路应单独提出，它们都包含有主要和辅助通路。辅助放大器作用于一个由于主通路偏离期望值而产生的误差信号。在每种误差校正电路中分别确定传输函数、总增益变换灵敏度、稳定准则。指明除了真正的前馈以外，就放大器的变换灵敏度而言，其它的电路并不比普通的反馈有更多的优点。前馈频率补偿是带有有源误差反馈的误差校正电路的特例。前馈补偿将在类似文献中详细讨论。     

分布式传感器多目标跟踪改进算法

利用分布式传感器网络进行目标跟踪,能够有效增加传感器的覆盖范围,提高对运动目标的检测和跟踪能力,但如何充分利用相邻传感器之间的信息进行有效的融合,仍然是一个难点问题。本文在多伯努利滤波框架下,提出了一种改进的分布式融合跟踪算法用于目标数未知且变化的多目标跟踪。提出算法包含三种精度提升策略,即特征级融合反馈、决策级融合输出及交互反馈;其中,决策级融合输出策略可以提取更加准确的估计状态,特征级融合反馈策略可以降低错误融合结果对后续滤波过程的不良影响,交互反馈策略可以避免单传感器因漏检而导致的滤波失败。实验结果表明,提出算法的跟踪精度明显要优于传统的基于GCI分布式融合算法以及粒子多伯努利跟踪算法,具有较好的跟踪性能。      

运动捕获系统中基于多视觉的目标跟踪算法

基于标记点的运动捕获系统中,由于标记点特征相似,易出现遮挡,使得跟踪难度大.针对上述问题提出了基于多视觉的跟踪算法.首先进行双目视觉立体跟踪:采用扩展Kalman进行预测,根据外极线约束剔出预测区域内的错误候选目标;然后进行多目视觉数据融合:利用基于可变阈值的最邻近数据融合算法对已获得的多个双目跟踪数据进行处理,解决了标记点遮挡、丢失问题;最后得到了标记点的三维运动数据.实验表明,提出的跟踪算法可以准确跟踪各个标记点.     

基于Kalman预测和点模式匹配的多目标跟踪

针对复杂背景下多运动目标的跟踪方法不能有效解决遮挡和高速运动等问题,提出一种Kalman预测与点模式匹配相结合的多目标跟踪方法。利用Kalman滤波预测目标在下一帧图像中的位置,以此位置为中心确定目标搜索区域,然后以点模式匹配进行搜索区域和目标模板进行匹配,有效地解决目标的旋转和轻微的遮挡问题。为了提高匹配速度和实时性,在点模式匹配中利用Kalman滤波对目标旋转角度的预测与修正;同时为了保证跟踪的鲁棒性、连续性及准确性,对目标模板的更新采用置信度二级判决门限。实验表明该方法具有较好的实时性,并能够有效地解决遮挡等问题。     

双被动雷达交会跟踪的精度分析与跟踪算法

多平台的被动传感器交会(融合)跟踪系统的功能就是将呈网状分布的多被动传感器测量到的目标的角度量测信息进行融合,以得出目标的运动状态.本文基于无偏估计的Cramer-Rao 不等式,分析了运动平台上的双被动雷达交会跟踪目标时不同通信带宽情况下的估计精度问题,并且建立了对机动目标交会跟踪的扩展卡尔曼滤波(EKF)跟踪算法.     

多传感器多目标跟踪中的概率数据互联

通过在两维雷达和红外搜索跟踪两种不同传感器观测空间上建立多目标运动状态的投影，单传感器的ＪＰＤＡ算法被推广到此种多传感器数据融合系统之中，实现了其中的多目标数据互联和多传感器数据融合，从而提高了跟踪性能。     

动态热释电传感器网络目标跟踪技术研究

提出了一种动态热释电红外辐射传感器网络的目 标 跟踪方法,使热释电传感器在运动状态下进行目标探测,通过采集、分析 动态热释电传感器输出的信号特征可得到目标的角度信息;使用传感器网络目标定位数 学模型, 对多个节点的信息进行融合即可实现运动目标的定位及跟踪,并有效解决了热释电 探测距离及探测角度的矛盾问题。实验表明,所提方法可在大范围对目标进行定时监控及自 主跟踪,在探测范围及灵敏度、定位精度 等方面具有很大优势。