基于收敛方差跟踪的水下目标运动分析

水下目标的被动跟踪由于隐蔽性好, 有着很强的需求背景。本文提出了基于收敛方差跟踪的水下目标运动分析算法, 由于采用方位频率Kalman滤波, 可以得到速度渐近无偏估计, 利用速度估计值对目标位置初值进行线性估计, 进而估计目标运动状态, 采用该方法可以有效消除直接应用伪线性Kalman滤波算法引起的初值偏差, 仿真结果表明, 该方法对目标运动要素具有良好的估计性能。     

单机动目标跟踪精度分析

文中通过对两种经典跟踪模型的对比分析，讨论了模型和算法对跟踪精度的影响。另外对机动目标加速度协方差对跟踪精度的影响进行讨论。最后，对一种新的自适应滤波算法进行介绍。     

基于多特征直方图的红外图像目标跟踪

根据红外图像的特点,采用单一颜色难以描述复杂的跟踪环境,尤其是目标周围有相似亮度的背景干扰时,会造成跟踪失败.针对该问题,提出在MS跟踪理论框架下将颜色特征和梯度特征联合起来描述目标.实验表明:该方法能准确地跟踪海上红外运动目标.     

基于多特征融合与粒子滤波的红外弱小目标跟踪方法

研究低信噪比复杂背景下的红外弱小目标检测和跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于多特征融合与粒子滤波的红外弱小目标跟踪方法.仿真试验表明,与单特征跟踪算法相比,该算法对复杂背景下的红外弱小目标具有更好的跟踪与检测性能.     

基于改进Haar-like 特征的压缩跟踪算法

针对原始算法特征可能出现的特征无法准确表达目标特性的问题,提出一种改进Haar-like特征的压缩跟踪算法。原始算法利用正负样本训练构造分类器,利用分类器对候选样本判定,得到最高分类器响应样本就是目标。进行重采样以更新分类器为下一帧做准备,对出现的问题,使用了一种新的图像特征来表示目标特性,同时加入一系列策略处理样本,去除那些与目标差异较大的样本,并进行仿真。仿真结果表明:该算法不仅提高了分类器对于正负样本的判别性,也降低了算法的计算复杂度,提高了算法的实时性。     

模糊自适应机动目标跟踪算法

提出了一种模糊自适应机动目标跟踪算法.该算法首先通过新息进行机动发生与否及强弱的判断,进而由模糊推理系统给出了过程噪声的自适应调整,并提出了通过测量获得测量噪声特性的方法,使得测量噪声方差能准确地反映测量仪器本身的性质和环境的影响.通过仿真实验验证了该算法在目标发生机动时,能自适应调整过程噪声,对机动目标有效地进行跟踪,相比传统的卡尔曼滤波具有更小的跟踪误差.     

基于快速区域标签运算的目标跟踪算法

应用于目标跟踪中的快速标签算法,以二值化后的图像中不多于254个连通区域为条件,通过对所有目标的目标特征统计,及与真实目标的特征匹配,实现系统的实时、准确的目标跟踪。     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

改进型自适应滤波算法在目标跟踪中的应用

针对标准卡尔曼滤波在滤波数学模型与实际过程的数学规律不匹配,滤波特性较差的情况,提出了一种改进型的自适应卡尔曼滤波方法,并将其应用到目标跟踪中。仿真结果表明,与标准的卡尔曼滤波相比,其跟踪精度有了较大提高。     

机动目标跟踪的自适应卡尔曼滤波算法实现

为真实反映目标机动范围与强度的变化,引入了机动目标的“当前”统计模型,提出了一种基于该模型的自适应卡尔曼滤波算法．仿真结果表明,能有效改善在机动目标跟踪中传统的卡尔曼滤波可能出现的发散情况,提高了跟踪的准确性和稳定性．     

基于双智能雷的目标跟踪方法研究

目前被动声探测距离精度还不能满足跟踪的需要，因此，反直升机智能雷对目标的跟踪问题归结为仅有角测量的跟踪问题。对于静止观测来说，仅有角测量跟踪问题是不可观测的。针对直升机巡航时的运动特征，提出一种基于双智能雷的目标跟踪方法。首先用角跟踪算法实现目标方位角和高低角的跟踪和预测。然后融合目标在两智能雷坐标系下的角度信息，建立数学模型，解算出目标的距离和速度大小。仿真结果表明，算法的跟踪和稳定性较好，能对目标的距离、方位角、俯仰角和速度大小进行有效的跟踪和预估。     

基于误差预处理技术的纯方位目标跟踪方法

基于误差预处理技术的纯方位目标跟踪方法,采用多项式分段拟合测量.在潜艇作变向机动时,以转向点为界,根据目标方位变化曲线建立数学模型,并对目标方位序列进行多项式逼近分段拟合,对测量方位的误差进行处理.该方法通过仿真证明有效.     

自适应交互式多模型目标跟踪算法

以防空火控系统的跟踪预测为背景,提出一种自适应的交互式多模型跟踪算法。该算法采用后验信息修正模型的噪声方差和马尔可夫转移矩阵,使IMM具有自适应能力。将该算法应用于由CA、CV两模型组成的交互式多模型算法中取得良好的效果。仿真结果表明,该算法跟踪精度比标准IMM有较大改善。     

基于转换坐标卡尔曼滤波算法的目标跟踪

在三维空间中推导转换坐标卡尔曼滤波算法.先设一传感器位于坐标原点,导出目标测量方程及三维传感器测量误差方差.再假设目标相对于传感器的斜距、俯仰角及方位角在一定位置,根据公式求得三者关系,然后将传感器对目标的测量值转换到直角坐标系,得到传感器的斜距误差俯仰角误差和方位角误差均相互独立,均值为零.最后经转换,得到测量和真实值间的误差.仿真表明,该算法收敛迅速,精度较高,具有良好的跟踪性能.     

基于粒子滤波的非线性目标跟踪算法研究

针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明：在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。     

基于均值偏移和卡尔曼滤波的目标跟踪方法

分析了Mean—shift难以有效地跟踪复杂背景下灰度运动目标的主要缺陷,提出了结合Mean-shift和卡尔曼滤波器的目标跟踪方法。该方法利用卡尔曼滤波器预测目标在当前时刻的起始位置,然后Mean-shift在该位置的邻域内寻找目标所处位置。同时。采用Bhattacharyya系数度量“目标模型”和“候选模型”相似程度．确定“候选模型”是否更换为“目标模型”,避免目标模型过度更新。以地物为背景的飞机目标图像序列试验结果表明该方法较原Mean-shift方法可明显提高阻挡情况下的目标跟踪稳定性。     

基于HMM机动目标跟踪算法研究

在交互多模IMM的基础上,利用时变马尔可夫链切换系数对模型进行切换,实现对未知状态转移概率的自适应调节,提高了对机动目标的跟踪精度.仿真结果表明,改进后的IMM算法比IMM算法的跟踪精度更高,具有全面自适应跟踪能力.     

一种基于SiameseRPN 的模糊视频目标跟踪算法

为提高追踪准确率, 提出一种针对模糊视频的轻量级视频跟踪算法。采用主流对抗生成网络模型 DeblurGAN V2 进行去模糊处理,交由基于改进SiameseRPN 目标跟踪算法进行目标跟踪。为实现轻量化,将目标跟 踪的特征网络替换为EfficientNet 网络,改进注意力机制为ECANet 以捕捉多通道信息,并在GoPro 数据集上进行测 试。测试结果表明：相比SiameseRPN 算法,该算法能实现更高的追踪准确率,帧率能达到实时性要求,具有一定 的借鉴意义。     

基于遗传优化的模糊交互式多模型目标跟踪算法

针对交互式多模型方法存在模型覆盖面不足和子模型间恶性竞争的问题,设计了一种基于遗传算法和模糊推理的智能优化模糊交互式多模型方法,该方法通过对模型集的自主寻优,能够实现任意时刻在最优模型集下的跟踪,通过建模仿真,在与传统的交互式多模型的比较中发现,使用该模型后目标跟踪误差显著减小,该算法具有较高精度及稳定性。