基于强跟踪的平方根不敏卡尔曼滤波器

针对不敏卡尔曼滤波器在递推过程中的数值不稳定性以及系统发生突变时跟踪效果不佳的问题,提出一种新的机动目标自适应跟踪算法——基于强跟踪的平方根不敏卡尔曼滤波器(STF-SRUKF)。该算法一方面基于平方根滤波的思想,在递推过程中采用协方差矩阵的平方根代替协方差矩阵本身,以保证数值计算的稳定性;另一方面,基于强跟踪滤波的思想,在递推过程中引入时变渐消因子,实时调节增益矩阵,以增强目标运动发生突变时的跟踪能力。仿真结果表明,STF-SRUKF算法对于突发机动的目标运动模型具有良好的跟踪效果,而且具有较好的稳定性。     

基于卡尔曼滤波的目标飞行体预测

在卡尔曼滤波出现以前,已经建立了采用最小二乘法处理观测数据和采用维纳滤波方法处理平稳随机过程的滤波理论。卡尔曼滤波以其物理意义直观的时间域语言和有限时间内的数据观测及简单的递推方法对高速飞行体进行实时的预测和跟踪。本文提出了匀速和匀加速运动目标的运动模型,通过卡尔曼滤波算法进行预测跟踪并对其进行仿真。     

基于粒子滤波和数据关联的多目标跟踪算法

针对图像序列中低信噪比条件下的点状多目标跟踪问题,在已获得各个目标初始信息的基础上,结合粒子滤波和联合概率数据关联(JPDA),研究了一种基于单帧检测的实时多目标跟踪算法.介绍了其基本思想和具体算法实现步骤,并在MATLAB仿真环境下实现了该跟踪算法.实验仿真结果表明,该算法能够准确跟踪作任意轨迹运动的多个点状动目标,具有良好的实时性与准确性.     

基于TMS320DM642的PPM跟踪算法设计与实现

文中设计了一个实时目标跟踪控制系统,采用PPM（后验概率指标）目标跟踪算法,辅以模板自适应算法和目标轨迹预测算法。系统可以进行360。场景的巡逻监控,并在手动捕获待跟踪的运动物体后,实时跟踪目标。利用目标偏离视场中心的偏差生成控制信号,以此控制云台的运动,确保目标始终处于摄像机的视场中央。经过优化的代码在SEEDVPM642平台上的运行结果表明,该系统能实时可靠地跟踪选定的目标。     

基于AVPF的UAV目标跟踪和预测算法研究

无人机采集视频图像时,需要与地面站进行双向的数据通信。针对通信过程中传输转换延迟等因素造成的目标脱靶量问题,首先采用辅助粒子滤波算法对目标进行跟踪,对每个辅助采样粒子进行Meanshift转移。再采用线性预测和平方预测器组成的最小二乘算法根据目标历史状态预测目标轨迹,并较正跟踪结果。仿真结果表明,该算法具有较好地鲁棒性和实时性,可以更好地跟踪运动目标,满足实际工程需要。     

DTV-GPS技术对边缘地带运动目标的定位跟踪研究

针对边缘地带GPS信号存在盲区而难以准确定位的问题,本文首先采用DTV-GPS混合定位技术来获取目标的位置,然后再设定一种U型山路的机动模型,并利用Kalman滤波算法对该运动目标轨迹进行定位跟踪,最后采用Monte-Carlo方法进行仿真研究。仿真结果表明,Kalman滤波后的轨迹接近真实运动轨迹,误差在10 m左右,符合定位精度标准,从而验证了所设定的轨迹模型与实际场景吻合,同时算法易理解,且仿真滤波过程稳定,具有较快的收敛速度和较高的定位精度,提高了机动目标跟踪的精度和系统的实时性。     

灰色预测-概率数据关联滤波方法

针对红外弱小目标跟踪精度不高,实时性不好等问题,提出了一种基于灰色预测-概率数据关联滤波(GPPDAF)的弱小目标跟踪方法。该方法采用实时性较好的灰色模型对目标轨迹进行预测,并以预测位置为中心构建跟踪波门,然后通过改进的极大似然概率数据关联(MLPDA)算法计算波门内各量测点的概率权重,最后用各量测点的概率加权和作为跟踪结果。实验结果表明,该方法实时性能较好,较大地改进了红外弱小目标的跟踪精度。     

红外图像序列中运动弱小目标轨迹预测方法研究

研究在红外图像序列中预测运动弱小目标运动轨迹的方法.通过带有延迟单元的线性神经元网络对已知样本学习,采用Widrow-Hoff学习规则自适应调整神经网络参数,同时对下一帧目标轨迹进行预测,在检测到多个目标的情况下根据预测轨迹确定真实目标,提高对目标检测的准确.在少数几帧丢失目标仍能根据预测轨迹对目标进行跟踪.仿真实验表明该方法用于目标运动轨迹预测能达到实际应用要求精度,并具有鲁棒性.     

基于光电跟踪系统的联合Kalman滤波器算法研究

传统光电跟踪系统中,采用单传感器方式进行目标跟踪存在跟踪不稳定及传感器切换时跟踪精度大幅度下降等问题.利用融合光电跟踪系统多个传感器信息可以提高系统性能的特点,研究了采用联合Kalman滤波器的融合算法.首先对各传感器获取的目标轨迹数据进行局部滤波,然后由全局滤波器对各局部滤波器的目标轨迹估计进行融合处理,得到目标状态估计的更新.实验仿真结果表明,该融合算法实现了目标的稳定跟踪,其跟踪精度高于传统单传感器跟踪模式,并且有效地解决了传感器失效造成的跟踪精度严重下降问题.     

基于卡尔曼滤波和D*算法的动态目标航路规划

针对目前运动目标航路规划存在的滞后性和计算量过大等问题, 提出一种适合于动态环境下动态目标的航路规划方法。首先, 采用卡尔曼滤波算法对目标下一步的位置进行预测, 然后, 调用D*算法以无人机当前位置为起点, 目标预测位置为终点进行航路规划。同时, 为了减少预测误差和保证高效的航路规划效率, 该方法引用了动态的目标观测周期。由于卡尔曼滤波算法是按照递推公式来预测无人机下一步状态的, 不需要很多的历史数据, 所以该预测算法不仅减少了计算量, 而且由于采用超前规划, 使算法具有了很强的实时性。从仿真结果来看, 该算法有效地缩短了航程, 减少了到达目标位置的时间。     

基于IMM-UKF的航天测控雷达机动目标跟踪

航天测控中雷达的测量值具有较大的随机误差,用雷达的测量值直接解算运载火箭的外弹道跟踪精度较低。提出基于IMM-UKF的雷达机动目标跟踪方法,适应了航天发射任务中运载火箭在不同时段具有不同机动特性条件下对机动目标稳定精确跟踪的需要。仿真结果表明和利用雷达测量值直接解算目标弹道的方法以及采用单一运动模型的UKF滤波方法相比,IMM-UKF算法具有更高的外弹道跟踪精度,并且算法的收敛速度满足航天测控外弹道跟踪的实时性要求。     

三角定位偏差估算

传统的三角定位是通过对位置的估计实现的。提出了一种基于两观察站位置偏差估计对运动辐射源定位的方法,采用优化的最小二乘和卡尔曼滤波算法实现定位。这种算法可使定位误差圆概率模糊区迅速减小,缩短收敛时间,实现了快速定位跟踪的目的。建立了位置偏差的状态方程和测量方程．用上述算法进行了计算机仿真。该方法与位置估计仿真曲线进行了比较．收敛时间从2s降低到1s,并且提高了定位精度。     

红外运动目标轨迹重构动态仿真平台

提出了一种红外热成像视频中运动目标识别追踪以及轨迹重构的动态仿真方法。通过仿真环境中虚拟红外图像的生成方式与成像的基本模型,对得到的图像进行一系列预处理。以空对空场景搭建了基于Gazebo与OpenCV的动态仿真平台,利用平滑约束算法对追踪目标进行实时动态轨迹重构,提出了误差分析模型,并分析出轨迹重构算法的性能以及仿真平台的效能。实验结果表明,该方法针对空对空场景下的红外运动目标轨迹重构具有较好的精度与鲁棒性,对目标的运动模型基本没有约束,同时仿真平台具有较高的运行效能与实时性,普通家用电脑即可实现高于60 fps的实时动态仿真,满足轨迹重构算法性能测试与训练的需求,其核心算法亦可迁移至机载计算平台实现真实场景下的实时轨迹重构。所提出的单路热成像视频中运动目标轨迹重构动态仿真方法对空间目标三维轨迹重建与动态测距定位的研究具有重要意义。     

一种基于误差相关函数的改进变步长LMS算法

最小均方算法的收敛速度和稳态误差之间存在矛盾,为此人们提出了各种变步长LMS算法,其中E-LMS算法是将步长与瞬时误差平方相关联,R-LMS算法是将步长与误差的相关函数相关联。E-LMS算法的抗噪性能较差,在低信噪比条件下性能明显变差,R-LMS算法对突变系统的跟踪能力较差。为此文中给出了一种改进的,基于误差相关函数的VSS-LMS算法,该方法利用E-LMS算法的控制步长策略提高算法的跟踪能力。计算机仿真结果显示,该算法能够同时满足抗噪和跟踪两种要求。     

基于kalman预测和自适应模板的目标相关跟踪研究

文中提出了一种基于kalman预测和自适应模板的目标相关跟踪算法。通过kalman预测下一帧图像中目标的状态,缩小整个图像上目标检测的搜索范围,满足目标跟踪的实时性。采取自适应模板更新策略．根据目标的变化情况自动调节参考模板,提高目标跟踪的稳定性。仿真实验结果表明,算法能够随着目标的形状、大小、位置的变化快速调整参考模板,进行稳定和实时的跟踪,当目标被物体遮挡时仍能有效地跟踪目标。     

基于逻辑推理的地面目标融合算法研究

研究了基于地面传感器的地面运动目标数据融合问题。依据地面运动目标的类型和传感器上报的数据,应用Dempster-Shafer证据理论对地面运动目标进行身份识别。分析了地面运动目标跟踪的典型场景,采用逻辑推理方法进行目标跟踪。针对目标轨迹为折线的情况,选择最小二乘法进行目标的轨迹平滑。实际运行结果表明,地面运动目标数据融合算法是有效的。     

单观测器无源定位误差下界的仿真分析

单观测器无源定位所能达到的最优定位精度与观测器的运动速度、运动轨迹、测量精度和测量速率密切相关。该文采用仿真方法,分析了观测器运动轨迹、运动速度、测量精度和测量速率等因素对测角无源定位误差Cramer-Rao下界的影响,比较了三种形式观测器轨迹的定位误差下界,得出的结果对确定具体定位与跟踪系统战术指标、以及对滤波算法的选用具有实用价值。     

空基多平台对空中机动目标的被动跟踪定位算法

针对空中机动目标的被动定位跟踪问题,提出了一种先用静态估计理论对空中目标进行最小二乘估计,再采用基于“当前”统计模型的自适应滤波算法进行滤波处理的方法,取得了比最小二乘估计与卡尔曼滤波相结合的算法更好的效果。仿真结果表明,在跟踪非机动目标时,该算法和最小二乘估计与卡尔曼滤波结合的办法相当;在跟踪机动目标时,该算法的误差明显小于原算法。     

利用相位差变化率的机载无源定位跟踪改进算法

为解决基于空频域信息的机载无源定位中高精度角速度参数难以获取的问题,论文利用相位差变化率对角速度的放大作用,通过2维相位干涉仪布局建立了一种新的无源定位观测模型,实现了对空中运动目标的定位。针对UKF(Unscented Kalman Filter)滤波中误差协方差矩阵负定导致滤波不稳定的问题,引入平方根UKF滤波算法并进行改进,采用简化球形分布的SSUT(Simplex Spherical distribution Unscented Transform)变换进行Sigma点采样,通过减少采样点个数减小了滤波的计算量。仿真表明:在较低的参数测量精度条件下,新观测模型位置和速度跟踪误差降低,采用改进的平方根UKF算法能够在保证稳定跟踪的同时,提高算法效率。     

基于跟踪微分器的波门跟踪算法的研究

针对目标自动跟踪系统对目标跟踪算法实时性和精确性要求高的特点,提出了一种基于跟踪微分滤波器的运动目标跟踪方法.该算法利用跟踪微分器预测目标中心在下一帧体现在图像中可能出现的位置,以该位置为波门目标检测的中心,减少了目标的搜索范围,缩短了算法的运算时间.仿真结果表明,该方法具有不依赖于目标运动模型,实时性好,精确性高等优...