基于自适应模糊逻辑的多模型跟踪算法

针对基于“当前”统计模型的交互式多模型算法，难以恰当地确定当前模型的概率以及系统参数 和 在跟踪过程中不能自适应调整的缺点， 采用自适应模糊推理的方法进行改进以提高跟踪的快速性。同时应用蚁群算法对设计参数进行优化，以提高跟踪的精度。最后将所设计的基于“当前”统计模型的多模型改进算法用于机动目标的跟踪仿真，仿真结果表明所设计的改进算法是有效的。     

一种带渐消因子的自适应“当前”统计模型

光电经纬仪对目标跟踪时,目标突发机动时的跟踪效果较差.为此设计了一种带渐消因子的自适应"当前"统计模型.引入渐消因子增强其对突发机动的自适应跟踪能力和其鲁棒性,改进的"当前"模型改善了普通"当前"模型对一般机动目标的跟踪性能.仿真结果表明,和一般"当前"统计模型算法相比,本文提出的算法明显提高了对目标突发机动的跟踪性能.     

基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型(IMM)的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计.在工程上,将基于CV和"当前"统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果.     

基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型（IMM）的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计。在工程上,将基于CV和＂当前＂统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果。     

基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型（IMM）的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计。在工程上,将基于CV和＂当前＂统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果。     

模糊自适应概率多假设算法研究

将概率多假设（PMHT）算法引入目标跟踪,针对PMHT算法的迭代、批处理特性,采用模糊专家规则系统,提出了模糊自适应概率多假设跟踪（FA—PMHT）算法。仿真结果表明,算法在跟踪精度上有明显提高,并且满足实时性要求。     

基于 JPDA 算法的多机动目标航迹跟踪研究

针对传统多机动目标航迹跟踪算法精度不高的问题,提出基于 JPDA 的多机动目标航迹跟踪算法。首先计算两目标的互联概率,然后对加权值进行处理,最后得到目标航迹,并对航迹进行仿真。结果表明,本文所提出的算法具有较高的跟踪精度,可为多目标航迹跟踪实现提供了参考。     

机动目标跟踪的自适应网格交互多模算法改进

在机动目标跟踪的多传感器数据融合算法中,针对自适应网格交互多模算法(AGIMM)存在的不足,本文提出了两方面的改进(1)在网格中心和网格距离的计算中用当前时刻的预测概率代替前一时刻的后验概率,以减小误差;(2)模式集的选择,通过实时扩增的期望模式集E优化当前模式集M,使其更接近于目标真实运动模型.     

光电跟踪系统纯角度滤波器的设计

为了在不增加硬件的条件下改善光电跟踪系统的性能,提出了仅基于目标角度信息的状态估计方法,设计了纯角度跟踪滤波器.首先,分析了带有激光测距仪的红外跟踪系统的工作机理;针对目标机动性特点,建立了球坐标系下目标的“当前”机动模型.然后,针对纯角度跟踪过程中高频图像序列存在复杂噪声干扰的问题,采用集员估计的方法对目标状态模型进行了补偿和调整,并在此基础上设计了自适应椭球滤波算法.最后,以舰载光电跟踪系统对来袭目标的跟踪为例进行了仿真.对比实验结果表明,对于复杂噪声条件下的强机动目标,在激光测距仪回波率为50％的情况下,利用基于自适应椭球滤波算法的纯角度滤波器进行辅助跟踪,可以实现方位(俯仰)角度估计均方差≤0.6 mrad的稳定跟踪,效果显著优于传统滤波方法,具有良好的工程实用价值.     

一种改进的交互式多模型粒子滤波算法

在实际的目标跟踪与识别的过程中,机动目标的跟踪不仅受非线性和非高斯现象的影响,而且它所采用的交互式多模型粒子滤波算法还存在着粒子权值退化和重要性密度函数选择的问题,导致跟踪误差较大。针对这一问题,提出了一种交互式的多模型的迭代容积粒子算法。该算法通过融合最新量测值产生更加接近系统的真实值,从而使粒子利用率得到进一步的提高。此外为了解决粒子的多样性减少的问题,还引入了MCMC重采样方法。仿真的结果表明,对于机动目标的跟踪与识别,改进的算法的精度要比IMM-PF算法的精度高、误差小,且通过改进的算法得到的重要性密度函数更加接近系统的后验概率分布。     

Fault detection and diagnosis based on particle filters combined with interactive multiple-model estimation in dynamic process systems

A new approach to fault detection and diagnosis (FDD) is developed for nonlinear stochastic dynamic process systems in this paper. It is called PFs-IMM, which combines particle filters (PFs) and the interactive multiple model (IMM) estimation. In this method, a multiple-model estimation scheme is first formulated to describe the complex process system poorly represented by a single model. The IMM algorithm can deal with abrupt changes in the behavior of operating processes. The residuals of the multiple models are examined for the likelihood of each model. A decision rule is employed to adaptively determine which model is the most appropriate one at each time step. Then based on IMM, a set of PFs run in parallel is used to estimate the states and the reconciled measurements even when the operating mode changes. Each of the PFs utilizes a particular mode to derive the estimation of the state variables as well as the reconciliation of the measured variables based on the probabilistic weighting scheme. From the multiple filters, the interaction among PFs allows the fusing of dynamic estimates. To achieve higher sensitivity to faults and more robustness to disturbances and noises, a new fault index function is developed for FDD. The proposed PFs-IMM approach provides an integrated framework. It can estimate the current operational or faulty mode of the system and derive the overall state estimation and the measurement reconciliation as well. The simulation solutions to the problems are obtained to demonstrate the effectiveness of the proposed method in highly nonlinear dynamic processes.     

Measuring the velocity of fluorescently labelled red blood cells with a keyhole tracking algorithm

In this paper we propose a tracking algorithm to measure the velocity of fluorescently labelled red blood cells travelling through microvessels of tumours, growing in dorsal skin flap window chambers, implanted on mice. Preprocessing removed noise and artefacts from the images and then segmented cells from background. The tracking algorithm is based on a ‘keyhole’ model that describes the probable movement of a segmented cell between contiguous frames of a video sequence. When a history of cell movement exists, past, present and a predicted landing position of the cells will define two regions of probability that resemble the shape of a keyhole. This keyhole model was used to determine if cells in contiguous frames should be linked to form tracks and also as a postprocessing tool to join split tracks and discard links that could have been formed due to noise or uncertainty. When there was no history, a circular region around the centroid of the parent cell was used as a region of probability. Outliers were removed based on the distribution of the average velocities of the tracks. Since the position and time of each cell is recorded, a wealth of statistical measures can be obtained from the tracks. The algorithm was tested on two sets of experiments. First, the vasculatures of eight tumours with different geometries were analyzed; average velocities ranged from 86 to 372 μm s^?1, with minimum and maximum track velocities 7 and 1212 μm s^?1, respectively. Second, a longitudinal study of velocities was performed after administering a vascular disrupting agent to two tumours and the time behaviour was analyzed over 24 h. In one of the tumours there is a complete shutdown of the vasculature whereas in the other there is a clear decrease of velocity at 30 min, with subsequent recovery by 6 h. The tracking algorithm enabled the simultaneous measurement of red blood cell velocity in multiple vessels within an intravital video sequence, enabling analysis of heterogeneity of flow and response to treatment in mouse models of cancer.     

基于双目标模型的时空上下文跟踪算法

传统的时空上下文跟踪算法在更新目标模型时不考虑跟踪结果的有效性,故目标被长时间遮挡后,目标模型容易被错误更新且难以修正。因此,本文提出了一种基于双目标模型的改进时空上下文跟踪算法以解决错误更新问题。该算法引入一个辅助目标判别模型来评估时空上下文算法跟踪结果的有效性,并根据评估结果对目标模型进行更新。辅助模型使用目标的局部纹理信息而不是相关性信息作为特征,在目标被长时间遮挡后也能准确评估更新内容的有效性,并能在遮挡结束后修正错误更新的目标模型。在多组数据集上的实验表明,改进算法在测试数据集上的跟踪成功率为82%,中心偏差为8pixels;在长时间遮挡等干扰情况下的跟踪精度比原时空上下文算法有明显提升,实现了目标的可靠跟踪。     

虚拟环境下面向并行工程的产品信息建模与研究

目前传统的产品开发模式已不能满足激烈的市场竞争要求。虚拟设计和并行工程是现代产品设计新型技术,而产品信息模型是虚拟环境下并行设计的基础,在对产品模型信息需求进行分析的基础上,提出了集成产品信息模型并行设计结构框架,阐述了基于STEP标准集成产品信息模型构建过程和具体的实现过程,解决了集成产品模型的多视图表达和产品结构树等关键技术,给出了产品结构树的具体实现算法,最后建立了面向并行设计的集成产品信息模型,并对该信息模型进行了分析评价。     

基于小波域统计模型的纸浆纤维图像去噪研究

在小波多尺度分析基础上，提出一种新的图像小波系数的白适应统计算法，并应用于纸浆纤维图像的去噪研究。将图像小波系数视为服从广义高斯分布（GGD）的随机变量模型，在小波软阈值去噪的基础上引入空间自适应阈值方法；将均值滤波算法应用于小波系数方差的边缘估计中，结合最大后验概率准则（MAP）进行参数估计以恢复噪音小波图像。该算法用于纸浆纤维图像的去噪，效果理想，同其它的图像去噪算法相比，它具有较高的峰值信噪比（PSNR）。     

基于蒙皮模型和WEOPA的人体外形和运动跟踪

为了解决多关节人体三维外形和运动跟踪问题,提出了一种基于蒙皮模型(skinned model)和加权扩展正交普鲁克分析(weighted extended orthogonal procrustes analysis,WEOPA)的三维人体外形和运动跟踪方法。首先使用Shape-From-Silhouettes方法从当前帧多目视频图像轮廓中计算出被跟踪人物的可视外壳,然后建立人物先验蒙皮模型并与之匹配,其中蒙皮模型的引入使得多关节人体三维外形和运动跟踪问题被转化为一个分层非线性最小二乘匹配问题。考虑到在先验模型获取中肢体间连接部位产生的网格顶点粘连问题,采用WEOPA算法来进行求解,其中通过引入4种不同的权值分配策略,克服了顶点粘连对匹配的影响,并有效利用了匹配点对的几何法线信息。实验结果表明,该方法能对人物外形和运动进行有效的跟踪。     

舰载光电设备跟踪掠海目标的控制

舰载光电设备跟踪低空掠海目标时会由于载体摇摆受海面杂波的影响而导致跟踪失败,本文将基于CA模型的有限记忆最小二乘滤波与"近似-比较"模型前馈控制相结合,提出了一种能够全自动跟踪低空掠海目标的控制算法。该算法首先根据CA模型的最小二乘法从惯性导航角度数据滤波出速度数据前馈到速度回路;然后,通过"近似-比较"模型判断是否捕获了海面杂波;如果捕获了海面杂波,随即切换跟踪方式从电视跟踪转为数引跟踪。对提出的算法进行了试验验证,结果表明,该算法再次捕获掠海目标时间为437ms,比人工干预的5.93s提高了一个数量级。该算法在实现了全自动捕获、跟踪的同时,缩短了由于视轴"扎海"跟踪失败后再次捕获掠海目标的时间。     

视频监控系统中的概率模型单目标跟踪框架

针对视频监控的特点与跟踪目标的强机动性,提出了一种新的基于概率模型的目标跟踪框架,从目标表观模型、系统动态模型以及系统观测模型3个方面对当前标准的粒子滤波目标跟踪方法进行了改进。首先,考虑人眼细胞的分布特点,基于人眼分布结构建立目标表观模型来提高跟踪系统抵抗局部遮挡的能力;然后,建立基于自适应目标运动的系统动态模型,提高跟踪算法对快速机动目标的鲁棒性;最后,采用实时更新的系统观测模型,有效避免目标在遇到遮挡、光照变化、剧烈变形等情况下发生的跟踪漂移现象。实验结果表明,本文算法的正确跟踪率可达98%;平均跟踪误差小于6个像元。实验证明本文算法在保证系统跟踪精度要求的同时,具有计算量小、抗干扰能力强等特点。