基于PPP模型的多扩展目标跟踪的JPDA算法研究

针对多扩展目标跟踪问题,提出了基于泊松点过程（Poisson Point Process, PPP）模型的多扩展目标跟踪的联合概率数据关联（Joint Probabilistic Data Association, JPDA）算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一”关联模型思想提出一种的JPDA算法,从而计算运动目标的当前有效量测的边缘关联概率,然后结合该边缘关联概率以概率数据关联（Probability Data Association, PDA）的方式分别更新每个扩展目标的运动参数和形状参数向量,最后通过仿真实现了当扩展目标相互靠近或出现交叉时的跟踪。实验结果表明,在高杂波环境下,本文所提出的算法在计算时间和跟踪稳定上具有较明显的优势。      

一种多普勒盲区条件下的多假设运动模型目标跟踪方法

机载预警雷达存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹中断和重起批。针对该问题,提出了一种基于多假设运动模型的目标跟踪方法。该方法根据多普勒盲区对目标状态的约束形成多个假设运动模型,当新出现的量测值落入任何一个运动模型形成的关联波门内,则航迹关联成功。仿真结果表明,该算法在不同盲区范围条件下,针对不同机动能力的目标均具有较高的航迹关联率,有效提高了目标连续跟踪性能。     

弹道导弹群目标跟踪分裂算法研究

对武器系统来说,越早完成弹道导弹群目标分裂跟踪,准备时间就越充分;但另一方面如果群目标分裂过早,在跟踪过程中极易发生混批、错批等问题。本文提出了弹道导弹群目标跟踪分裂算法：首先分析群目标形成与跟踪策略,论述了IMM-UKF滤波框架,然后对群目标分裂算法进行了数学建模,分析了影响群目标分裂性能的各种因素,最后采用Pareto改进方法解决了多目标规划问题求解。仿真结果表明,该算法能够达到群目标尽早分裂与群内目标关联稳定度之间的平衡。     

一种用红外热像仪检测与跟踪遮挡目标的方法

针对隐蔽目标难于发现、复杂多变、信息量少等特点,提出了一种用红外热像仪检测与跟踪遮挡目标的方法。关于目标检测,首先利用模糊 C 均值聚类（fuzzy C-means clustering, FCM）对图像中的区域进行聚类,根据亮度信息初步分割出候选目标区域,然后用纹理信息进一步分割候选的目标区域,以检测出最终的目标区域;关于目标跟踪,由于被遮挡的目标轮廓不连贯,所以采用链码提取目标轮廓,并应用质心跟踪算法跟踪目标。通过实验,验证了该方法对遮挡目标检测和跟踪的有效性。     

基于“当前”统计模型的IMM目标跟踪算法

机动目标跟踪一直是环境感知领域的研究重点和难点,为了实现对目标物的准确跟踪,研究了将交互多模型(interactingmultiplemodel,IMM)算法应用到无人机对目标的跟踪中。首先,根据目标的真实运动情况建立无人机的运动模型,然后搭建模拟场景,将卡尔曼滤波(kalmanfilter,KF)与IMM相结合的目标跟踪算法应用到无人机的跟踪中,并将该算法与基于"当前"统计模型的单模型目标跟踪算法进行仿真比较。结果表明IMM算法在目标跟踪方面具有较高的应用价值。     

基于两点式数据关联算法的多机动目标跟踪

本文首先分析了两点式概率数据关联算法,在此基础上将其与交互式多模型算法结合起来提出了一种用于跟踪多机动目标的新算法.由于充分利用了两点式数据关联算法在关联精度和计算量上的优越性,所提出的新算法无论在跟踪精度方面,还是计算量上都有很大的改善.理论分析与仿真结果验证了该算法优于传统的交互式多模型联合数据关联算法.     

基于“当前”统计模型的变结构交互多模型算法

"当前"统计(Current Statistical,CS)模型与交互多模型(Interacting Multiple Model,IMM)算法相结合,解决了机动目标跟踪问题中目标机动性难以匹配的问题。但是,IMM算法中模型集合的选取以及CS模型中最大加速度参数的设置会影响跟踪性能。针对这一问题,在变结构交互多模型(Variable Structure IMM,VSIMM)算法框架上,提出了一种根据加速度的预测值进行自适应调整最大加速度参数的CS模型。仿真结果表明,新算法可以有效提高对目标的跟踪精度。     

带有可信度的红外弱小点目标关联检测及性能分析

对红外序列图像中运动弱小点目标的关联检测问题进行了研究。在多假设检测的基础上采用“K/N”规则检测算法, 并引入带有可信度信息的判决融合, 其中, 可信度取自噪声概率分布函数。该方法把多假设检测与“K/N”规则检测算法有机地结合起来, 克服了多假设检测运算量大, 难以实时处理的缺点。引入可信度信息避免了当序列图像中某帧突然出现一个强的噪声脉冲时, 使得穿越该点的可能轨迹的统计量增大, 导致算法判断为出现多个虚假目标的情况。对信噪比较小的点目标, 特别是在有个别帧点目标被云层完全遮挡住的情况下, 该方法仍然有很高的检测概率; 最后, 从理论上详细分析了该方法的检测性能。理论分析和实测数据结果有效地验证了检测算法的可行性。     

基于改进“当前”统计模型的目标跟踪算法

提出一种基于改进"当前"统计模型的目标自适应跟踪算法.针对"当前"统计模型自适应算法对机动加速度极限值有依赖,对弱机动目标跟踪精度不高的问题,采用一种简单的加速度方差自适应调整公式加以克服,在此基础上融合隶属函数对其进行加权改进.为克服算法中自相关时间常数难以选取问题,将不同自相关时间常数的"当前"统计模型在交互式多模型框架内进行交互.仿真结果表明,无论对于强机动目标还是弱机动目标,新算法都具有较好的跟踪效果.     

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。