高速运动的微弱目标检测方法研究

对微弱目标的检测通常需要增加相干积累时间来获取信噪比的提高。但随着积累时间变长,目标回波出现距离偏移,回波能量可能分散在相邻的多个距离单元,导致相干积累效果不理想,检测能力难以提升,此现象在目标高速运动时更为明显。介绍了包络插值移位法和时域平移法用于校正距离偏移的原理和实现方法,并通过仿真验证了上述方法的有效性,根据仿真结果从速度搜索精度、积累效果和算法实时性对2种方法进行了对比分析。     

提高弹载雷达测速精度的方法研究

基于弹载雷达系统高精度目标信息测量的性能需求,本文提出对FFT频谱数据检测结果采用扩展比值插值算法进行处理,以减少目标速度信息测量误差。仿真试验验证了该方法对提高测量精度的有效性,该方法在实际应用中实现了高精度目标信息测量,从而为提高弹载雷达系统性能、实现对目标的精确跟踪提供有力技术基础。     

一种基于均值移位的红外目标跟踪新方法

均值移位算法是一种搜索与样本点分布最相近模式的非参数统计方法．在彩色序列图像目标跟踪中,均值移位算法是一种有效的方法．但在红外目标跟踪中,由于单一灰度特征空间缺乏描述红外目标的信息,使得基于均值移位算法的红外目标跟踪不稳健．为了克服这个缺点,提出了构造级联灰度空间的红外目标跟踪新方案．同时,对于不同的红外图像序列使用不同的方法产生级联灰度空间．实验结果表明该方法对于红外小目标以及强杂波背景目标的跟踪是有效和稳健的．     

低空目标长时间积累检测技术研究

低空目标信号通常淹没在强杂波和噪声环境中,严重制约了对目标的有效检测。针对低空目标检测难点,对基于频域包络移位补偿算法的长时间积累检测技术的工作原理和积累效能进行了理论分析。研究结果表明:当目标跨越距离单元较少时,脉压加权可有效降低跨距离单元损耗;当目标跨越多个距离单元时,采用基于频域包络移位补偿算法可显著提高目标的可检测性。研究结果对长时间积累工程化设计有借鉴意义。     

基于直方图插值的均值移动小尺寸目标跟踪算法

小尺寸目标跟踪是视觉跟踪中的难题.该文首先指出了均值移动小尺寸目标跟踪算法中的两个主要问题:算法跟踪中断和丢失跟踪目标.然后,论文给出了相应的解决方法.对传统Parzen窗密度估计法加以改进,并用于对候选目标区域的直方图进行插值处理,较好地解决了算法跟踪中断问题.论文采用Kullback-Leibler距离作为目标模型和候选目标之间的新型相似性度量函数,并推导了其相应的权值和新位置计算公式,提高了算法的跟踪精度.多段视频序列的跟踪实验表明,该文提出的算法可以有效地跟踪小尺寸目标,能够成功跟踪只有6×12个像素的小目标,跟踪精度也有一定提高.     

用于点源定位的估值算法

许多应用需要精确地跟踪或计算目标的位置。本文介绍用一种采样加细分的新方法对目标像点进行检测,提出了一种插值的算法对目标位置进行估计,模拟结果表明,定位精度小于0.1个像素。     

基于PPI的二元积累PHT目标检测器

Hough变换只能用于常速直线运动目标的检测与跟踪,当目标有加速度时,检测与跟踪效果非常差。针对此问题,提出了一种PPI图像域基于二元积累极坐标Hough变换（PHT）的目标检测与航迹处理方法,该方法可用于目标的变速直线运动。首先分析了PHT的原理,然后给出了二元积累PHT检测器的结构并分析了该检测器的性能,最后用仿真实例对该算法进行了验证。理论分析和仿真结果表明,二元积累PHT算法可以有效提高微弱目标在低信噪比背景中的检测性能。     

基于计算机视觉的艺术体操轨迹跟踪研究

为了解决传统基于卡尔曼滤波算法进行艺术体操轨迹跟踪时存在的跟踪漂移以及跟踪效率低等问题,研究基于计算机视觉的艺术体操轨迹跟踪方法,通过Vi Be运动目标检索算法对图像的颜色以及深度信息建模,基于图像颜色以及深度的波动检测出视频中的运动目标,采用KCF算法实现运动目标的初步跟踪,在该方法的基础上,通过改进KCF算法解决运动目标被遮挡出现的跟踪漂移问题,提高运动目标跟踪的精度和稳定性。通过Hermite插值运算运动目标质心,基于时刻t的运动模糊方向获取瞬时质心轨迹,得到最佳的运动目标质心轨迹,采用曲线拟合措施获取精确的运动目标质心轨迹。实验结果说明,所提方法可准确跟踪艺术体操运动轨迹,具有较高的跟踪效率和稳定性。     

一种雷达信号处理的检测算法

由于在雷达弱小目标的检测和跟踪过程中,目标是典型的弱小目标且回波较弱,常规的检测算法难以奏效。针对此特点提出采用雷达弱小目标先跟踪后检测的方案,通过对雷达弱小目标长时间积累检测问题进行界定,并根据信号的特殊性对雷达弱小目标进行检测。首先通过进行目标预测,并在此基础上对检测出的目标进行目标跟踪。利用目标的运动沿各种可能轨迹积累能量的特征,对各个能量积累值进行检测判断,从而检测出真实目标并提取出目标的运动轨迹。文中首先对动态规划应用于弱小目标检测的算法进行了详细的描述,同时,对动态规划应用于弱小目标方法的性能也做了进一步分析,并对检测概率和虚警概率关系进行了较详细的推导。最后,通过仿真实验和性能分析得出了门限与虚警概率的关系。     

组网雷达多帧检测前跟踪算法研究

组网雷达系统(NRS)由于其稳健的性能优势,在近年来受到了广泛关注。目前,组网雷达系统在进行目标探测时常采用先检测后跟踪(DBT)算法,即在每个时刻先对接收到的回波数据进行单帧门限检测,得到疑似目标的点迹集合,然后上传这些点迹或由这些点迹跟踪得到的航迹估计到融合中心做进一步处理,最终得到全局估计结果。然而,当信噪比(SNR)比较低时,目标往往很难通过单帧门限检测,最终导致目标漏检、航迹起批难,无法有效发挥组网雷达系统优势。针对这一问题,该文提出了一种组网雷达多帧检测前跟踪(MF-TBD)算法。该方法首先在本地节点进行多帧检测前跟踪,然后传递检测得到的点迹序列到融合中心进行融合。该方法一方面利用了组网雷达系统平台优势;另一方面不同于常规先检测后跟踪技术,多帧检测前跟踪能够利用目标空时相关性积累目标能量,改善弱小目标检测性能;因此其可以有效提高系统对目标的检测性能。但是,多帧检测前跟踪输出结果和先检测后跟踪算法不同,导致现有融合方法不适用。针对这一问题,该文首先理论推导了点迹序列的融合方法,然后结合实际雷达模型给出了算法实现流程,最后提出了算法的粒子滤波实现方式并通过仿真实验验证了算法的性能。仿真结果证明该文提出的方法相比于先检测后跟踪算法,有4～6 dB的检测性能增益;相比于常规单传感器多帧检测前跟踪算法,航迹跟踪精度有50%左右的提升。      

宽波束高频雷达的超分辨率时-空级联处理

针对在宽波束高频雷达目标探测中传统傅立叶变换频谱分析方法多普勒分辨率较低的问题,提出了一种全超分辨率的时-空域级联信号处理方法.首先利用多重信号分类(MUSIC)算法获得频域超分辨率谱估计,构造出相应于各信号频率的信号子空间,将原始信号向各子空间进行投影变换以获得相应于各信号频率的阵列快拍,然后利用其进行空域超分辨率谱估计,获得相应的到达角.利用该方法能有效地采用短相干积累时间进行多目标的频率-到达角参数估计,从而有效地提高了宽波束高频雷达的目标探测和跟踪性能.数值仿真实验验证了该方法的有效性.     

在线时空关联的人体检测跟踪一体化方法

视觉人体检测跟踪一体化技术在很多领域都有着重要的应用价值,其关键技术有： 鲁棒的目标检测技术、稳定的路径关联技术。主流的路径关联技术只考虑了目标的时间相关性, 没有同时兼顾目标的时空关联属性,当相似目标距离太近时,容易导致错位跟踪。本文提出基于深度神经网络学习和结构化在线学习算法联合的目标检测跟踪一体化方法,通过构建结构化在线学习模型,建立目标时空关联关系。实验验证了所提方法可以有效抵制相似目标的干扰问题,并可提升对严重遮挡目标的跟踪能力。     

采用粒子滤波的非相干积累检测方法

本文提出一种新的基于粒子滤波的检测前跟踪算法,即基于粒子滤波的非相干积累检测方法,以实现对微弱目标的有效检测。该方法通过粒子滤波的重采样过程搜寻可能的目标轨迹,沿可能的目标轨迹累积观测数据的绝对值,当最大的累积绝对值超过给定门限时认为目标存在,同时输出最大累积对应的状态序列作为状态估计结果。该方法具有较好的检测性能,且其检测性能可通过极值统计理论分析。相对于其它基于粒子滤波的检测前跟踪算法,本文提出方法的检测统计量服从广义极值分布,因此可获得检测概率、虚警概率以及门限的解析表达式,可有效减少检测门限估计时的运算量。基于天波超视距雷达目标检测及状态估计的仿真证明了该方法性能和效率。      

雷达自适应周期MTD 跟踪目标设计应用

提出了一种改进型的动目标检测(MTD)跟踪目标设计,该方法可根据目标速度实时计算信号周期,保持目标回波始终位于非关断滤波器内,通过参数设计控制目标回波的频谱远离关断滤波器,保证目标回波信号始终被检测到,MTD 处理方法又可实时测量目标的速度,形成闭环的自适应周期MTD 跟踪。该方法在某型雷达上得到应用,性能良好。     

像素binning技术在高速弱点目标探测中的应用研究

弱点目标探测系统要求系统具备高的探测灵敏度和高空间分辨率,实现弱点目标的稳定探测、目标的精准定位以及多目标伴飞时的精细分辨。光电跟瞄系统一般分为目标捕获和目标跟踪两个阶段。在目标捕获阶段,由于速度估计偏差,目标高速飞行的同时,若采用长积分时间进行探测,易出现目标能量跨像元的现象,难以实现目标探测信噪比的提升。为了解决目标高速运动导致的探测灵敏度降低的问题,本文提出了一种基于滑窗像素binning的高速弱点目标探测跟踪技术。像素binning模式提高了初始捕获阶段的探测灵敏度和探测稳定性,当跟瞄系统完成目标的稳定跟踪时,可以采用长积分时间和高分辨率模式完成目标的高灵敏度和高分辨率探测。本文对像素binning模式的信噪比增强效果进行了分析。分析表明,像素binning模式有利于提高高速弱点目标探测的信噪比和探测稳定性。     

Ku波段实验雷达海杂波实测数据分析

利用高分辨雷达进行海面目标探测具有独特优势,但此时的海面回波不再服从高斯分布,基于经典理论的检测方法存在一定性能损失。因此,需要在充分了解海杂波特性的基础上,进行检测算法的优化。文章基于实测数据,对海杂波幅度分布、功率谱及空时相关性等特性进行分析;在此的基础上,对传统CA CFAR与OS CFAR检测器的性能进行了分析与比较;最后,针对处理结果中的虚警问题,提出一种子帧积累的工程处理方法,可以在SCR满足检测要求的前提下,有效降低虚警率。      

一种跟踪信息辅助的认知目标检测方法

近年来认知雷达技术取得了快速发展,如何利用已获取的感知信息提高雷达探测性能成为研究热点.针对跟踪阶段的认知目标检测问题,提出一种跟踪信息辅助的认知目标检测方法,旨在利用跟踪信息提高目标检测性能和跟踪性能.对于处于跟踪阶段的目标,目标真实性已被充分证实,此时可以将跟踪信息传递至检测模块,以期望获得探测性能提升.本文认知检...     

基于光流和贝叶斯算法的目标跟踪研究

在本文中提出了一种方法来处理视频流中移动目标的跟踪,并且能够确定目标的移动速度。利用光流与贝叶斯方法在每一帧图像中检测对象,这种方法能够提高光流的检测性能,利用目标的质心像素位移来确定目标的移动距离,目标的速度是利用系列帧中目标移动的距离之间的帧数来计算的。实验表明,该方法能够有效地进行目标跟踪。     

一种新的多装甲目标在线跟踪方法

实现多装甲目标跟踪在协同跟踪和打击中发挥着至关重要的作用,而实现多装甲目标跟踪需要解决目标之间遮挡、轨迹交叉以及目标尺度不断变化等问题。因此,提出了一种基于视觉注意力的Gabor在线多装甲目标跟踪方法,实现对地面战场中多装甲目标的跟踪。通过模拟视网膜结构,构造了一种能够增强检测的视觉注意力Gabor分支,并引入时间信息,采用在线学习的目标特性卷积神经网络解决目标遮挡的问题,更重要的是,通过实际拍摄和互联网下载等手段构建了多装甲目标跟踪数据集,并且通过对目前成熟的多目标跟踪方法和本文提出的方法进行对比实验。实验证明了本文提出的方法不仅具有优异的跟踪性能,而且能够满足实际的应用需求。     

基于雷达测量的多目标联合检测、跟踪与分类方法

利用雷达测量中的目标速度、加速度等属性信息, 基于跳转马尔科夫系统模型高斯混合概率假设密度滤波算法, 提出了一种多目标联合检测、跟踪与分类方法.该方法在进行雷达多目标测量信息处理的多模型混合高斯概率假设密度滤波过程中, 对各高斯项编号, 进行航迹提取, 在滤波处理的同时形成带有航迹编号的明确航迹, 并进行航迹管理; 同时, 根据目标运动模型, 联合利用目标加速度控制输入与速度估计进行多目标分类.仿真试验验证了该方法能够在检测、跟踪的同时, 对目标航迹进行有效类型识别.