一种对水下运动目标被动检测跟踪的一体化算法

提出一种基于匹配场和长项积分混合处理的被动检测跟踪一体化算法.将贝叶斯准则下的概率数据关联技术引入匹配场和长项积分混合处理,构造检验统计量,计算后验关联概率,建立起从跟踪器到检测器的信息反馈;在跟踪进程中分别采用单一模式和多模式组合对目标的运动状态进行近似.给出了一体化算法的仿真实例,并利用一组海试数据对算法的有效性进行了验证.     

基于模拟退火算法的快速匹配场处理

匹配场被动定位具有优于传统被动定位算法的性能,但其对环境的依赖性和运算量大的缺点严重制约了算法的应用.为了减小匹配场处理的运算量,引入了传统模拟退火算法(CSA)对观测海域全局寻优,提出一种基于模拟退火算法的快速匹配场被动定位算法(CSA_CMFP).通过大量仿真实验从算法的执行时间、定位精度、收敛性能等多方面验证了新算法的有效性.从仿真结果看,算法的运算速度是常规匹配场处理(CMFP)的2～8倍.     

基于匹配场处理的天波雷达高度估计算法

天波超视距雷达通常采用距离-多普勒处理来检测海面上的目标。距离-多普勒处理可以获得目标的斜距和多普勒频率,而不能获得目标的高度信息。该文提出一种基于匹配场处理的算法来估计目标高度,算法利用单个驻留周期的回波数据来进行估计。仿真表明,在给定的仿真场景下,目标高度估计精度可达2000 m左右。与已提出的对数似然函数算法相比,该算法具有更好的稳健性。     

基于多维匹配场处理技术的扩展杂波抑制算法

高频天波超视距雷达通过电离层的折射作用 ,具有同时超视距监测大区域范围的能力。但是由于高频HF段的电波传输环境复杂 ,存在相位路径失真和多模式传输等多种不利因素 ,会导致接收到的杂波展宽 ,从而淹没于杂波附近的目标回波。主要讨论了位于相邻探射区域反射的一致杂波的展宽现象 ,在针对该现象的原始匹配场处理方法的基础上 ,提出了多路信号形成多维交叉相关的方法。通过实验仿真说明 ,改进后的方法能够有效地改善扩展杂波的抑制效果     

基于高斯金字塔与差分法的多目标检测和跟踪算法

针对复杂背景下的多目标检测和跟踪问题,提出了将背景差分目标检测算法与高斯金字塔图像重采样相结合的运动目标检测算法．该算法采用高斯金字塔法对图像进行重采样,建立背景模型,使用背景差分法获得前景区域,并对前景区域进行阴影检测、去除,从而检测出完整目标．融入了高斯模型关于背景更新的算法,克服了由于背景突然改变而造成的误检测．在目标阈值的确定过程中,采用动态阈值确定法,以提高目标检测的正确性．同时将目标的颜色特征和运动矢量引入到多目标跟踪算法中,提高目标跟踪的准确性．实验结果表明,该算法对于场景中存在目标频繁出现、消失、交叉运动和遮挡等情形均有较好的检测与跟踪效果．     

基于Wu-Manber算法的大规模URL模式串匹配算法

大规模高速URL匹配是许多网络安全系统中的关键技术,经典串匹配算法在大规模URL情况下有许多限制.针对URL数据的特点在经典多模式串匹配算法Wu-Manber基础上提出XWM-Tree算法和XWM-Hash算法.算法应用了模式串窗口选择,两阶段哈希和关联容器组织冲突链表等多种优化手段,大幅度提高了算法的匹配性能.在大规模真实数据集上的测试结果表明本文提出的算法匹配速度可以提高一倍以上,尤其是当最短模式串较长的时候更有优势.     

匹配场处理分布式多阵水下目标三维定位方法

针对水下目标定位问题,提出一种基于匹配场处理的分布式多阵列三维定位方法。首先,各分布式阵列节点采用非相干线性匹配场处理算法,独立对同一个目标进行深度和距离估计,然后对各节点的目标估计结果进行协同定位处理,采用线性最小二乘算法对水平方位定位结果进行修正,以各节点的目标定位深度均值作为目标深度估计。海上试验数据验证表明,所提出方法可有效地实现水下目标三维定位。     

一体化接收中基于子带处理的匹配滤波算法

研究了雷达与雷达对抗侦察一体化接收中的雷达回波接收问题,针对雷达与雷达对抗侦察一体化接收结构,提出了一种基于子带处理的匹配滤波算法。该算法将雷达发射信号波形通过分析滤波器组得到相应的子带匹配滤波器系数,实现了雷达回波匹配滤波的子带处理,解决了雷达带宽大于子带带宽时雷达回波匹配滤波的问题。从而使得雷达带宽不受一体化接收中...     

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。      

基于IMM-SCKF-STF的机动目标跟踪算法

在处理非线性机动目标跟踪问题时,传统的非线性滤波估计算法跟踪误差大且容易引起滤波发散.针对上述问题,研究将强跟踪平方根容积卡尔曼滤波(SCKF-STF)和交互多模型(IMM)算法相结合,提出一种新型的交互多模型强跟踪平方根容积卡尔曼滤波(IMM-SCKF-STF)跟踪算法.该算法在SCKF基础上引入强跟踪渐消因子,使其不仅拥有应对机动目标状态突变的强跟踪能力,同时还具备交互多模型算法的优良机动目标跟踪性能.因此,新算法在机动目标跟踪方面将获得更高的非线性滤波估计精度,且算法的稳定性和应对状态突变的跟踪鲁棒性能获得显著提高.最后,通过两个仿真例子验证了此算法的有效性与优越性.     

机动目标无源跟踪IMM-MKF算法

为提高运动多站对机动目标的无源跟踪性能,提出了一种新的基于交互式多模型-边缘化卡尔曼滤波(IMM-MKF)的机动目标跟踪算法。该算法将交互式多模型(IMM)结构和边缘化卡尔曼滤波(MKF)结合,利用MKF算法对每个模型进行滤波,对滤波结果进行交互作用来得到跟踪结果。以只测角机动目标跟踪为例对所提算法进行仿真分析,仿真结果表明,相对于采用扩展卡尔曼滤波(EKF)、不敏卡尔曼滤波(UKF)及容积卡尔曼滤波(CKF)算法的典型交互式多模型算法,所提算法具有更好的跟踪性能。     

基于波形自适应的认知雷达机动目标跟踪算法

从认知雷达的角度出发,综合考虑跟踪模型和波形选择,提出一种能够适应目标运动状态急剧变化的波形自适应机动目标跟踪算法。首先,将匀速运动模型和当前统计模型作为交互式多模型(IMM)的模型集,并结合贝叶斯理论提出一种时变转移概率的自适应IMM算法。然后,结合量测误差椭圆与目标状态预测误差椭圆正交理论,研究了基于基带脉冲波形模糊函数旋转的波形库实现方法并给出了波形自适应选择跟踪算法的具体步骤。仿真实验表明,所提算法能够适应目标不同加速度机动,雷达系统跟踪性能得到了较大幅度提升。     

基于SCT-IMM的临近空间高超声速目标跟踪模型

针对传统单模型跟踪方法不能有效跟踪临近空间高超声速目标飞行全过程的问题,提出了一种基于SCT-IMM的跟踪模型.在分析临近空间高超声速目标特性的基础上,建立了一种基于一阶时间相关模型的转弯模型(Singer Coordinate Turn,SCT),结合EKF滤波方法,采用CV、CA和SCT模型进行IMM滤波计算.仿真结果表明,新模型计算量略大于单模型,但新模型能够适用于跟踪临近空间高超声速目标的所有飞行阶段,且位置均方根误差和速度均方根误差都小于单模型,具有一定工程实践意义.     

基于EPF-IMM算法的高机动目标跟踪研究

融合粒子滤波与交互多模算法的优势,提出了一种基于进化粒子滤波的交互多模算法(EPF-IMM)。该算法将遗传进化思想引入到传统的粒子滤波,在粒子迭代中采用遗传算法中的编码、交叉、变异等算子实现粒子的自适应进化且隐含重采样,从而改进其粒子退化现象。然后利用粒子滤波信息,在交互多模型中进行更新运算。既解决了IMM算法对非线性、非高斯环境的适应性问题,又解决了PF的无关联对应模型问题。与标准IMM算法进行高机动目标跟踪性能比较,试验仿真结果表明,EPF-IMM算法的跟踪精度高。     

基于动态图像处理技术的动目标检测与跟踪

针对摄像机与目标同时运动情况下运动目标的检测与跟踪问题,提出了背景匹配法.通过相关匹配算法使背景对齐,结合帧间差分技术有效地将运动目标提取出来;然后通过预测未来路线,运用光流学与对应物的对应方法进行运动目标跟踪.     

基于IMM-RDCKF的机动目标跟踪算法

针对机动目标跟踪问题,提出了一种IMM-RDCKF算法。首先充分利用量测方程中只有部分状态变量是非线性的特点,对于非线性的量测方程采用降维滤波方法,可以在保障跟踪精度条件下减小计算量。其次,对IMM算法中的转移概率矩阵进行实时估计,提高了模型匹配概率。再次,滤波过程中由于误差累积可能导致协方差矩阵失去正定性,对算法进行了优化,确保了滤波过程中协方差矩阵的正定性,提高了算法稳定性。Monte-Carlo仿真结果表明,与CKF算法相比,该算法的跟踪精度有明显的提高,计算效率提高了一倍。     

高速微弱目标长时间积累对雷达方程的影响

传统雷达方程未考虑积累时间内目标距离变化导致的回波信号功率发生变化,难以直接应用。考虑高速运动目标积累时间内目标运动对回波信号信噪比的影响以及处理时间内目标运动的影响,建立了适用于高速微弱目标长时间积累分析的雷达方程,在此基础上,分析了目标速度、探测距离与积累时间和处理时间的关系,并给出了相应的结论。     

基于分块的多特征融合变尺度目标跟踪算法

为了增强彩色视频中目标外观描述能力和解决跟踪过程中目标尺度变化的问题,提出一种基于分块的多特征融合变尺度目标跟踪算法.设计了一个能处理不同挑战因素下对目标的精确跟踪算法,首先提取HSV分块的颜色直方图特征和PCA-HOG特征并采用多通道线性核函数对两种特征进行融合构建训练样本,然后求解线性岭回归函数获得位置核相关滤波器模型,并以线性核函数来计算候选区域在7个尺度空间上与跟踪目标的响应值,最后利用尺度自适应模板更新模型参数.实验结果表明,提出的算法在彩色视频中不仅能较好地自适应目标尺度的变化,在复杂场景下也具有较强的鲁棒性.