运动红外单站跟踪空中目标的方向估计方法

红外探测器只能测量运动目标的方位角和俯仰角,难以获取目标的距离信息.运动红外探测器所测量的运动目标不完全信息,无法在直角坐标系下有效对三维运动目标进行滤波与跟踪.针对这一问题,提出了运动红外单站跟踪运动目标的参数航迹滤波方法:该方法利用传感器测量到的目标方位角和俯仰角信患,根据假设的目标运动模型,直接对目标航迹方向进行...     

纯角度量测序列的参数航迹滤波新方法

红外探测器只能测量运动目标的方位角和俯仰角,难以获取目标的距离信息,所测量的空中目标信息为不完全信息,无法在直角坐标系下有效对三维运动目标进行滤波与跟踪。针对这一问题,提出红外单站跟踪运动目标的参数航迹滤波方法。该方法利用传感器测量到的目标方位角和俯仰角信息,根据假设的目标运动模型,先对目标飞行方向进行估计,然后利用估计出的方向向量和角度量测序列计算出目标的两个航迹参数;最后综合解算得到目标到传感器的方向向量参数航迹计算公式,从而得到方位和仰角估计值。仿真结果表明,该模型对方位和仰角的估计值较稳定,误差较小,效果较优。     

雷达与双波段红外探测器融合跟踪系统

利用双波段红外探测系统测到的目标双波段红外辐射信息,推导出目标的伪距离量测信息,使得单站红外探测系统变为可观测系统;在此基础上,采用带反馈的分布式估计融合算法,将雷达与双波段红外探测系统得到的局部航迹进行融合,并将每次融合估计的结果反馈给局部传感器,使得融合中心达到最优性能的同时,减小了雷达和红外局部估计的误差.仿真结果表明:①单站红外探测系统利用目标的双波段红外辐射信息能够对目标进行有效地跟踪,跟踪精度较高;②带反馈的布式估计融合算法具有良好的跟踪性能,而且能够明显改善局部传感器的跟踪精度.     

综合利用各类信息的异类灰色航迹关联算法

异类传感器航迹关联是航迹融合中的一个难点,红外传感器与雷达的航迹关联是典型的异类传感器航迹关联。综合利用角度和其他特征信息是改善异类传感器航迹关联的一个重要途径。针对异类传感器数据关联用于关联的信息量少的问题,对于雷达在直角坐标系对目标进行跟踪,红外传感器在修正的球坐标系对目标进行跟踪的情况,综合利用角度、角度变化率和ITG信息,提出了一种基于灰色理论的航迹关联决策方法,计算机仿真结果表明新的关联算法与只利用角度信息的关联算法相比具有更好的关联性能。     

杂波环境下多被动传感器单目标跟踪算法

由于被动传感器只能获得目标的角度量测,因此杂波环境下基于被动传感器的关联问题较主动传感器更为困难。针对杂波环境下纯方位多被动传感器系统的单目标跟踪问题,提出了一种基于扩展卡尔曼滤波的模糊综合贴近度关联跟踪方法。该方法采用直角坐标系下多被动传感器系统的扩展卡尔曼滤波对目标进行跟踪。首先利用目标航迹的预测信息,针对每个传感器建立确认跟踪门;在获得候选关联组合后,直接利用角度信息建立各候选关联组合与角度预测值间的模糊综合贴近度,通过在所获得的全部模糊综合贴近度中寻求最优解完成量测到航迹的关联。仿真实验表明,该方法可以有效地解决杂波环境下多被动传感器系统的单目标跟踪问题。     

目标航迹融合质量度量方法研究

航迹融合可以提高目标跟踪过程中目标状态、运动参数等估计的精度,因此航迹融合技术可以有效地提升多传感器预警系统的跟踪能力而在目标跟踪领域有了广泛的应用.为了对航迹融合质量进行评估,本文提出了一种基于层次分析法(AHP)的目标航迹融合评价方法,该航迹融合质量评价方法是由航迹完整性、航迹纯净性和航迹跟踪精度等几部分组成.融合质量度量为多传感器目标跟踪航迹质量评估提供一种高效、准确的评估方法.     

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。     

一种新的全天候的目标跟踪技术

针对跟踪过程中,由于目标机动的随机性,可能出现目标跟踪丢失的情况,提出了一种融合毫米波数据和红外数据的目标跟踪技术.将毫米波和红外两传感器的工作频率设成互补状态,用毫米波传感器进行测距,红外传感器进行测角,并分别独立的对观测空间进行门限滤除,然后对两传感器门限滤除后所获得的数据利用D-S证据理论进行融合,最后利用融合后更加精确的数据进行目标关联,形成航迹.该技术可以实现全天候工作.实验证明了该方法的有效性.     

小波分析在多传感器多目标跟踪的航迹相关算法中的应用

在多传感器多目标融合跟踪系统中,航迹关联是对目标进行连续跟踪最重要的关键技术。在融合中心,对多传感器获得的目标航迹数据进行航迹关联处理,判断哪些航迹数据源于同一个目标。利用小波分析的方法提取航迹信号的趋势项信息,再结合传统的航迹关联处理方法对这些趋势信号进行关联判决。仿真实验表明这种方法是可行的。     

异类传感器合成量测的模糊航迹起始方法

雷达/红外联合探测是复合精确制导技术的一个重要发展方向。针对二维雷达、红外传感器存在系统误差以及测量空间不同的情况,提出一种基于量测合成的异类传感器模糊航迹起始方法。该方法首先计算相同周期内异类传感器方位角的拓扑序列,综合利用拓扑序列法和加权平均法对维数不同的量测进行分类与合成,然后累积多个周期的合成量测建立候选目标量测集,最后通过模糊Hough变换(FHT)方法检测目标航迹、实现航迹起始。在航迹检测中,充分利用量测序列的时间信息和目标的运动信息,同时考虑了量测数据的不确定性和航迹确认准则对航迹起始的影响。实验结果表明,提出方法能够有效地实现异类传感器航迹起始,与传统的Hough变换(HT)方法相比,能够降低算法的计算量和提高直线航迹检测的准确率。      

改进的联合概率数据关联算法（JPDA）对红外目标与诱饵的辨别

红外诱饵干扰作为常见的影响红外跟踪能力的干扰手段发展的越来越先进,如何有效的排除红外诱饵的干扰一直是红外目标跟踪的难题。文中在研究了红外目标与诱饵干扰的特征差异的基础上,首次提出了将多目标跟踪策略应用于红外抗干扰跟踪中,建立了一种可以融合多个特征的改进型联合概率数据关联（JPDA）的数据关联算法。最后,利用该算法对抗干扰过程进行了仿真,仿真结果表明:与现有的抗干扰手段相比,该数据关联方法对解决红外干扰形成的假目标、目标遮挡等红外目标识别的难题,不仅实时性好,而且准确率高。     

基于空间直方图的海杂波背景下红外目标跟踪

空间直方图融合了目标的灰度分布信息和灰度的空间分布信息,比传统的灰度直方图更具有目标鉴别能力。为实现海杂波背景下稳健跟踪红外目标,本文在基于粒子滤波算法的红外目标跟踪系统框架中,将加权样本集表示红外目标的状态后验概率分布;采用简单的随机漂移模型表示系统状态模型;利用目标区域的空间直方图描述红外目标,其中通过核概率密度估计建立红外目标的灰度分布,然后统计灰度分布的空间信息建立空间直方图;通过空间直方图的相似度定义来建立系统观测概率模型,最终提出一种在海杂波背景下的基于空间直方图的粒子滤波红外目标跟踪算法。实     

复杂地面场景下的红外运动目标跟踪

复杂地面场景下的红外目标易受背景影响并经常出现遮挡情况,难以简单地依靠亮度或梯度信息检测并跟踪目标。根据复杂背景下红外运动目标与背景的速度场差异,提出了利用光流对目标进行跟踪的算法。首先对图像进行配准,保证在随动跟踪时背景的相对静止;然后在目标的跟踪波门内计算改进的Horn-Schunck 光流;最后根据目标的光流特征,优化粒子滤波算法中粒子的转移概率,实现对目标的稳健跟踪。实验结果表明,该跟踪算法能对复杂地面场景下的红外运动目标持续跟踪,并不受目标被短时遮挡的影响。     

基于D-S证据理论的无源航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本照搬多传感器数据融合的理论,仅利用目标的状态信息。文中利用了目标的多特征信息（载频、脉宽、脉冲重复间隔（PRI）等）,应用Dempster-Shafer（D-S）证据理论,提出了一种基于分布式无源多目标跟踪系统的多特征信息融合航迹关联算法。算法具有以下优点：关联速度快,正确率高,而且能够适应密集目标的环境。仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法。     

红外图像中快速运动目标的检测与跟踪方法

红外热成像图像具有分辨率较低,细节模糊,对于快速运动目标适应性较差的特点.本文提出了一种结合目标检测算法,目标跟踪算法的红外图像中快速运动目标的检测与跟踪方法.该方法根据红外图像特点,使用ViBE算法检测运动目标,检测出图像中显著运动目标后,触发跟踪器,使用fDSST目标跟踪算法对显著运动目标进行跟踪.测试结果表明,该方法对于快速运动的红外图像目标能够高效检测、快速跟踪.检测与跟踪效果相对传统方法具有检测率更高、鲁棒性更好、实时性更强的优势,对于红外图像中目标检测与跟踪具有很强应用价值.     

基于机器学习支持向量机的海面目标航迹起始算法研究及应用

海面目标跟踪过程受到强海杂波干扰、回波信号时变非平稳、点迹丢失和目标机动等影响,导致传统方法的航迹起始效果较差,出现混批、起始失败和误跟踪等严重后果。针对上述问题,提出了一种基于机器学习支持向量机的海面目标航迹起始算法,采用支持向量机作为分类器,通过样本训练实现对真实目标与虚假目标的分类,将航迹起始问题转化为真假目标的区分和鉴别问题。文中方法利用机器学习的数据驱动策略选择分界面方案代替传统技术中利用先验知识来人工选择门限分界,可以显著减少对先验信息的依赖;同时,门限具有自适应调整的能力,可大大提高算法的自适应性和鲁棒性。最后,利用雷达实测数据对算法的有效性进行了验证。     

基于Hough变换的红外序列图像点目标跟踪方法

针对红外序列图像中点目标成像质量较差、跟踪困难等问题,利用Hough变换算法的抗噪性,并根据测量图像的具体特点,对算法的计算量进行了优化.通过将三维空间Hough变换降为二维,提出了一种基于Hough变换的红外序列图像点目标跟踪方法.实验结果表明,该方法对部分缺损及大小变化的目标都能够实现稳定跟踪,提高了红外目标跟踪的...     

一种基于多普勒信息的雷达目标跟踪方法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其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中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,文中提出了一种基于多普勒预测的扩展卡尔曼滤波算法(Doppler Prediction EKF,DP-EKF),该方法将多普勒盲区的先验信息并入到扩展卡尔曼滤波算法中,通过状态预测判断目标在未来时刻是否落入多普勒盲区,从而自适应地调整跟踪滤波规则,解决多普勒盲区条件下目标连续跟踪问题。仿真结果表明,该算法对于运动模型已知的航迹不连续目标具有较好的跟踪效果,能够维持其航迹的连续性。     

一种改进的红外弱小目标快速检测方法

针对复杂背景下红外弱小目标检测率低、目标跟踪困难的问题,提出一种改进的红外弱小目标快速检测方法。该方法采用改进的形态学滤波抑制背景噪声,对处理后的多帧图像进行方差估计初步突出目标像素,然后对其进行信噪比估计得到整个图像序列像素得分,图像中像素信噪比高的被标记为目标像素,再对标记过的图像进行分块分析,最终准确提取出连续图像序列中的目标像素。检测出的目标像素作为Hough变换的目标跟踪算法的输入,设置双阈值实现目标的有效跟踪。实验结果表明,在复杂背景下的红外弱小目标提取中,基于噪声方差估计的目标检测拥有较高的检测概率和较低的虚警概率,将其获得的目标像素作为Hough变换的输入,不仅可以有效跟踪目标,而且简化了算法的复杂度,实现目标的快速提取和跟踪,具有很高的应用价值。