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。     

基于传感器阵列的目标识别算法综述

本文对目前国内外部分文献上发表的有关传感器阵列的目标识别算法加以综述,系统介绍了传感器阵列目标识别技术的理论,并全面阐述和归纳了传感器阵列目标识别的几种主要算法,指出了目标识别研究中存在的主要问题,对未来的研究方向进行了展望。     

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.     

基于无线地磁传感器的交通流检测系统协议设计

提出了一种基于无线地磁传感器的交通流检测系统协议设计,解决了现有智能交通中数据采集的可靠性问题。该系统在Mesh网络拓扑下,采用ZigBee技术作为无线通信方式,设计特有的帧结构,并在调试、常规和配置模式下分别设计出合理的传输协议,达到高可靠性传输的目的。     

基于阵列单通道的机动目标DOA跟踪方法

针对现有利用阵列单通道系统对机动目标跟踪精度不高,实时性差等不足,提出了一种新的基于改进粒子滤波算法的阵列单通道机动目标波达方向(direction of arrival, DOA)跟踪方法。该方法首先在利用接收机轮流采样建立数学模型的基础上,建立跟踪模型。然后,利用粒子群优化算法对马尔科夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)粒子滤波算法的重采样环节进行优化处理,给出了一种交互MCMC粒子滤波算法,该算法克服了传统粒子滤波算法粒子退化及样本贫化的固有缺陷。最后利用该算法求解跟踪方程,实现了实时DOA估计。理论分析与仿真结果表明,本文方法可实现基于阵列单通道的DOA跟踪与波束形成一体化,且能够处理相干信号,与标准粒子滤波和子空间类算法相比,收敛速度快,跟踪精度高。      

地磁背景环境中基于分形特征的磁异常信号检测算法

磁异常检测(MAD)是一种应用广泛的被动式目标检测方法,其应用包括水面舰船目标监测、水下移动目标及陆地目标的检测与识别等领域。基于地磁背景下弱磁异常信号的可靠性检测方法研究具有重要的意义,该文在研究地磁背景与磁异常信号分形特征差异的基础上,提出一种基于目标磁异常信号分形特征的单传感器检测方法,并进行实际外场试验验证。试验结果表明：该方法能准确分辨出地磁背景干扰与磁异常信号,并可以在地磁背景噪声中实现弱磁异常信号的检测。

     

一种基于椭球假设的地磁传感器误差补偿方法

为了提高地磁总场的测量精度,在现阶段关于磁罗盘普遍采用椭圆假设补偿方法的基础上,分析地磁干扰特性,采用一种基于椭球模型假设理论的误差补偿模型补偿磁干扰环境下的地磁总场。根据此理论,用FM300地磁测量仪,并结合无磁转台进行了补偿实验。实验结果表明,该方法能有效提高地磁总场的测量精度,解决了地磁传感器不同姿态测量某点误差较大的缺陷,利用此方法能够有效简化操作,缩短测算时间。     

地磁传感器飞行器转速测量法研究

本文对地磁传感器飞行器转速测量方法进行了分析和研究,并给出了结论及今后的展望、应用。     

地磁传感器应用于停车场车辆检测

基于地磁传感器的车辆检测系统通过检测停车场车辆通行情况,可以用于城市道路交通的控制与管理,以提高城市道路的通行能力,决策领导层可以停车场车辆检测到的数据做出相应的判断,以使得停车场能有效地容量更多的测量,缓和城市交通拥挤状况。     

基于有限新息率的正交偶极子阵列信号参数估计算法

为解决极化敏感阵列波达方向(DOA)估计中压缩感知类算法的网格失配问题,该文提出一种基于有限新息率(FRI)的正交偶极子阵列无网格信号参数估计算法。首先,利用均匀正交偶极子线阵中不同极化指向天线的两个子阵,求取其自相关矩阵之和,并通过协方差拟合准则恢复出满足Toeplitz结构的协方差矩阵。然后,利用该协方差矩阵构建FRI信号重构模型,求解以重构结果为系数的多项式的零点,就可以得到入射信号DOA参数的估计结果。最后,根据已估计出的DOA参数以及两个子阵的自相关矩阵和互相关矩阵,利用最小二乘法计算得到入射信号的极化参数估计结果。仿真实验表明,该算法与子空间类和压缩感知类算法相比,具有更高的估计精度及更好的角度分辨力。     

基于IMMCKF的机动目标跟踪算法

针对非线性机动目标跟踪中滤波器易发散、跟踪精度低等问题,将容积卡尔曼滤波器(CKF)引入到交互式多模型算法(IMM)中,设计了交互式多模型容积卡尔曼滤波算法(IMMCKF)。该算法采用Markov过程描述多个目标模型间的切换,利用CKF滤波器对每个模型进行滤波,将各滤波器状态输出的概率加权融合作为IMMCKF的输出。仿真结果表明,与IMMUKF算法相比,IMMCKF算法跟踪精度更高,模型切换速度更快,计算量更小,该算法具有重要的工程应用价值。     

A Double-sided Printed Dipole Array with an Electromagnetic Band-Gap Reflector

Electromagnetic band-gap (EBG) structures have unique properties in controlling the propagation of electromagnetic wave and have been applied to a wide range of electromagnetic devices design. In this paper, a double-sided printed dipole (DSPD) array backed by an EBG reflector is proposed for achieving a low-profile design as well as gain enhancement. Simulation results show that a reduction of more than 55% in antenna height can be obtained by placing the DSPD array over an EBG reflector rather than a perfect electric conductor (PEC) reflector. And the obtained gain of the antenna with an EBG reflector is about 1.9 dB higher than that with a PEC reflector at the operating frequency 2.77 GHz. The EBG reflector can be utilized to reduce a cavity-backed antenna height and enhance the antenna radiation efficiency. The design has a good potential application to antenna arrays with more elements in wireless communication.     

一种目标跟踪滤波的新方法

对于目标跟踪系统,当观测不确定性相对系统不确定性较大时,如果采用EKF,UKF算法,由于概率密度函数(PDF)由高斯分布近似使真实的分布结构扭曲,导致系统性能下降或发散,采用粒子滤波时,因为系统不确定性相对观测不确定性较小,所以重采样会使粒子间的独立性消失,导致系统性能下降。为了提高目标跟踪的精度,该文给出一种SMCEKF及SMCUKF滤波算法,在SMC(Sequential Monte Carlo)算法中分别引入EKF及UKF,由独立滤波器更新和传播的随机采样点和相应权重来表示状态的PDF,由于初值和滤波都是独立的,所以确保了表示PDF的随机样值的独立性,在滤波器个数较少、计算量较小的情况下使滤波性能得到提高。文中给出了理论分析和仿真实例证明算法的有效性。     

单站被动式跟踪新算法研究

在以Ｋａｌｍａｎ滤波为基础的各种被动式跟踪算法中，一直存在初值敏感性难题，由于实际系统中初值往往难以较精确给出，导致滤波器的发散，本文给出了修正的极坐标系下的推广卡尔曼滤波算法，Ｍｏｎｔｅ Ｃａｒｌｏ仿真表明该算法对初值选取不敏感，具有推广应用价值。     

基于改进自适应IMM-UKF算法的水下目标跟踪

针对现有自适应交互式多模型算法(AIMM)在水下目标跟踪过程中模型切换和跟踪精度上的不足,该文结合无迹卡尔曼滤波(UKF)算法,提出一种改进的AIMM-UKF算法。该算法在自适应修正马尔可夫转移概率矩阵的基础上,利用判定窗对其进行二次修正,实现匹配模型概率的快速增大和对非匹配模型的抑制。仿真结果表明,改进算法相比原有自适应算法,能更加充分地利用后验信息,拥有更好的模型切换速度,跟踪精度提升约24%。     

基于Mean-Shift的目标跟踪算法

Mean-Shift算法自从提出以来得到较广泛的应用和发展,但是传统的MS算法对于在视频中大小变换的和移动速度非常快的目标,将不能进行准确的跟踪.为了解决这个问题,已有将卡尔曼预测和MS相融合进行预测跟踪的算法.但是当物体在视频中的尺寸变化的时候,由于不变的核带宽,会产生由背景产生的误差,同样导致跟踪的失败.为此,本文...     

基于粒子群算法和卡尔曼滤波的运动目标跟踪算法

针对目前一些常用的运动目标跟踪算法存在跟踪精度不高、实时性低、对遮挡问题处理不佳等问题,提出一种粒子群算法与卡尔曼滤波相结合的新的运动目标跟踪方法。利用卡尔曼滤波预测目标中心在下一帧图像中的位置,从而极大减少了搜索范围,并以该位置为中心建立目标搜索区域。然后以目标的灰度统计特征对目标模板和候选区域进行匹配,确保跟踪准确性。为了有效减少搜索匹配次数、提高实时性,利用粒子群算法在搜索区域找到和目标模板最相似的区域,从而找到最优中心位置,并以该位置作为卡尔曼滤波的观测值,进行下一帧跟踪。仿真实验结果表明新算法显著提高了跟踪的实时性、精确性,并对部分遮挡能较好地处理。     

基于Kalman滤波的均值漂移目标跟踪算法

为解决目标追踪中目标被遮挡的问题,文中设计了一种基于卡拉曼滤波的均值漂移目标跟踪算法。在选定目标的情况下,利用均值漂移算法迭代求得目标的位置,当目标被遮挡时,根据前一时刻目标的位置和速度等信息采用卡尔曼滤波预测,得到目标的位置。实验结果表明,该算法在有遮挡的情况下,准确性和实用性更强