基于特征约束和均值漂移的机动目标粒子跟踪

粒子滤波是适用于非线性非高斯系统下目标跟踪的强有力工具．ＭｉｒｏＳｏｔ足球机器人系统可以作为研究机动目标跟踪问题的平台．对此,在分析ＭｉｒｏＳｏｔ系统目标特征的基础上,提出一种基于目标特征约束的均值漂移粒子滤波算法,利用约束和优化的思想提高粒子的质量并减少其数量．对比实验表明,该方法有效地克服了传统粒子滤波的计算量和粒子退化问题,保证了多机动目标跟踪的准确性和实时性．

     

一种新的雷达和红外融合算法

针对作机动飞行的空中目标,利用目标多普勒信息和红外辐射信息,建立具有Markov跳变参数的红外系统距离估计模型,基于结构随机跳变系统最优滤波理论,提出了一种红外系统距离估计算法.基于交互式多模型算法(IMM)以红外测距为伪距量测,提出了一种新的主动雷达和红外融合算法.对一个高机动目标跟踪进行了仿真,结果表明红外距离估计误差小,融合算法跟踪精度高,性能良好,易于工程实现.

     

一种基于优先级调度的相控阵机动目标跟踪方法

在相控阵雷达跟踪加搜索（ＴＡＳ）工作方式下,为跟踪较大的机动目标,提出一种目标机动检测器设计方法,得到归一化的目标机动系数．基于该方法,给出了一种动态计算优先级的调度算法,较好地解决了机动多目标跟踪的资源调度问题．与几种常用机动检测器相比较,结果表明了这种机动检测器具有更高的检测概率．最后在多目标环境下进行机动目标跟踪的蒙特卡罗仿真,仿真结果显示了多目标机动检测器和资源调度算法的有效性．     

基于IMM-PF的分布式估计融合算法

针对基于扩展卡尔曼滤波的估计融合算法存在线性化误差,且受高斯噪声假设限制的问题,提出一种基于交互式多模型粒子滤波(IMM-PF)的分布式多传感器估计融合算法.各传感器节点采用IMM-PF算法,以便在非线性,非高斯条件下稳健地跟踪机动目标;融合中心则采用基于粒子滤波(PF)的分布式融合方法进行全局估计融合.该算法适用于非线性,非高斯条件下的多传感器状态估计.仿真结果表明,该算法能够提高多传感器系统状态估计的精度.

     

基于瞬态相对模型的轨道机动目标运动参数估计

空间目标可能存在未知的机动,针对该类目标相对导航问题,提出一种基于瞬态相对模型的运动参数估计方法.该方法依据轨道密切性思想,在瞬态意义下建立相对运动模型和机动辨识算法,然后通过密切轨道到参考轨道的量测变换对冻结时间模型进行状态滤波,可为目标机动下的自主导航提供所需的相对状态与目标机动参数估值.误差分析表明"所得估值偏差均有界.仿真验证了该方法在目标存在机动情况下的有效性和一般性.

     

基于节点失效的弹性供应链应急管理策略

研究网络正常运行和有单一节点失效情况下供应链的应急调度问题,建立了在有限资源约束下单目标成本优化数学模型,以实现供应链运行总成本最小．采用ＣＰＬＥＸ 软件求解模型,得到应急调度计划方案．数值仿真结果表明了应急调度方法的有效性和实用性．

     

基于Ｍｅａｎ Ｓｈｉｆｔ和自适应预测的非刚性目标跟踪算法

传统Ｍｅａｎ Ｓｈｉｆｔ跟踪算法在目标发生机动或存在遮挡的情况下跟踪效果不理想．对此,结合目标的形状特征和颜色的可区分度对传统的颜色直方图进行改进,给出了将Ｍｅａｎ Ｓｈｉｆｔ和卡尔曼滤波器或粒子滤波器相结合的目标运动自适应跟踪算法,并针对粒子滤波器计算量大的问题,给出了运用两种不同运动式粒子进行有效预测的方法．结果表明,该算法可实现快速的非刚性目标跟踪,对目标的不规则运动和严重遮挡具有很好的鲁棒性．

     

一类优化问题的分解算法

讨论一类大规模系统的优化问题,提出一种递阶优化方法．该方法首先将原问题转化为多目标优化问题,证明了原问题的最优解在多目标优化问题的非劣解集中,给出了从多目标优化问题的解集中挑出原问题最优解的算法,建立了算法的理论基础．仿真结果验证了算法的有效性．

     

二元传感器网络目标定位与跟踪研究

传感器的通信带宽和能量资源有限使传统的位置测量传感器的应用受到了限制,对此,选择利用二元传感器网络进行相应的研究．基于二元传感器传送信息量少的特性,提出一种新的二元传感器网络目标定位与跟踪算法．仿真结果表明,该算法在传感器个数和探测半径较大、采样周期较短的情况下较质心算法具有更好的性能．

     

一般相关噪声下线性系统固定延迟平滑算法

针对机动目标跟踪中固定延迟平滑估计算法的精度问题,当具有一般相关过程噪声和量测噪声时,提出了离散线性系统最优固定延迟平滑估计算法.该算法通过将延迟区间内全部量测进行集中式扩维,并对误差传递进行分析,从而精确地给出了误差间的相关性.在线性无偏最小方差意义下对系统状态进行递推估计,新算法在噪声的高斯分布假设下是最优的.仿真实验结果表明了该算法的有效性.

     

混合估计多模粒子滤波的机动弱小目标检测前跟踪算法

针对低信噪比条件下的机动小目标实时检测与跟踪困难的问题, 提出一种基于混合估计多模粒子滤波的检测前跟踪改进算法. 首先根据前一时刻所采用的模型状态及其转移概率等先验信息实现当前时刻的模型采样; 然后在充分考虑当前量测下实现当前的粒子预测, 采用一种序贯重要性平滑重采样策略, 在不增加计算量的前提下, 改善了粒子多样性衰退的问题; 最后通过新的粒子集完成对模型和状态的合理估计与目标检测. 仿真结果验证了该方法的检测与跟踪性能优于传统的多模粒子滤波方法.

     

自适应目标新生强度的SMC-PHD/CPHD 滤波

提出一种基于量测驱动的自适应目标新生强度PHD/CPHD 滤波算法. 该算法认为新生目标是不可检测的, 有效地克服了归一化失衡问题; 同时, 基于量测驱动自适应设计目标新生强度, 利用PHD/CPHD 滤波分别递归估计存活目标和新生目标的状态及其数目. 最后, 在序列蒙特卡罗框架下实现了该PHD/CPHD 滤波算法. 算例结果表明, 改进算法可以有效地实时跟踪多个机动目标的状态和数目, 应用前景较好.

     

加工时间不确定的炼钢连铸生产调度问题研究

针对炼钢连铸生产过程中存在的加工时间不确定性问题,采用三角模糊数表示不确定性加工时间信息,引入４种模糊运算,建立了问题的模糊规划调度模型．采用“中间值最大隶属度”的算法,将模糊规划调度模型转化为非线性规划模型,并在多重精炼工序、多机并行条件下,应用遗传算法求解最小完成时间．最后,利用实际生产数据的仿真实验表明了模型与算法的有效性．

     

基于标签随机有限集的多量测多目标跟踪算法

针对一个扫描周期内单个目标可能产生多个量测的问题, 提出一种基于标签随机有限集的扩展算法. 结合脉冲扩展标签多伯努利(-GLMB) 滤波器和多量测模型, 推导出新的更新方程; 采用假设分解策略对关联过程进行降维, 避免了量测分组过程. 实验分析表明: 所提出算法能对目标数进行无偏估计, 在低探测概率条件下跟踪性能明显优于多量测概率假设密度(MD-PHD) 算法; 计算开销在量测较少时高于MD-PHD, 量测个数增加时增幅低于MD-PHD.

     

未知噪声统计下多模型概率假设密度粒子滤波算法

针对传统多目标概率假设密度滤波(PHD) 器在噪声先验统计未知或不准确时滤波精度下降甚至丢失目标的问题, 设计一种自适应多模型粒子PHD(MMPHD) 滤波算法. 该算法利用多模型近似思想, 推导出一种多模型概率假设密度估计器, 不仅能估计多目标状态, 而且能实时估计未知且时变的噪声参数, 并采用蒙特卡罗方法给出了MMPHD闭集解. 仿真实例表明, 所提出的算法具有应对噪声变化的自适应能力, 可有效提高目标跟踪精度.

     

网络化控制性能与带宽调度协调优化设计及其仿真

基于网络化控制系统是具有延迟约束的实时系统,首先建立了保证网络控制性能的延迟约束模型,以此为基础提出满足上述延迟约束的带宽调度策略,以兼顾控制系统控制性能和网络系统服务质量;利用时间需求分析,给出在该策略下的周期、偶发与非周期等３种网络数据的可调度条件及延迟估计的算法,给出调度策略与保证网络控制性能的协调优化设计方法;最后提出一种控制系统与网络调度的集成仿真平台,并举例说明了策略的有效性．

     

分块多特征目标描述子的移动机器人目标跟踪

为解决机器人目标跟踪过程中的遮挡和外观改变等问题, 提出一种分块多特征描述子的方法. 该方法将候选样本分块, 提取图像片的深度、颜色、纹理特征来表示目标构造检测器. 结合目标与机器人的运动构造运动卡尔曼滤波器(MEKF) 作为跟踪器. 跟踪过程中根据目标深度信息调整其尺寸, 结合深度特征及图像片外观相似度进行检测并处理遮挡. 实验结果表明, 该算法对目标的尺度变化、光照改变和遮挡现象具有较强的鲁棒性.

     

基于蜂拥控制的移动传感器网络目标跟踪算法

针对移动传感器网络中的目标跟踪问题, 以及现有控制策略在保持网络拓扑结构连通性和降低能量消耗方面存在的不足, 提出一种基于蜂拥控制的移动传感器网络目标跟踪算法. 首先, 利用网络中部分节点检测目标, 并使用卡尔曼一致性滤波算法估计目标的状态, 在获得比较精确的估计状态的同时降低能量消耗; 然后, 在蜂拥控制下传感器网络始终保持拓扑结构连通性和目标对网络可见, 同时避免节点之间发生碰撞. 仿真结果验证了所提出算法的有效性.

     

基于DESO的Mean Shift目标跟踪算法研究

将基于DESO的运动预测算法和Mean Shift算法相结合,形成一种新的基于Mean Shift的快速目标跟踪算法.该算法以DESO预测位置作为Mean Shift算法下一帧候选模型的计算中心,实现了对快速运动目标的跟踪,并通过DESO对目标运动轨迹进行预测,较好地解决了目标完全遮挡时的跟踪问题.实验结果表明,该算法具有预测精度高,实时性好,抗遮挡能力强的优点.

     

一种基于改进粒子滤波的多目标跟踪算法

针对复杂背景环境下的多目标跟踪问题,论述了主要的数据关联技术,将目标检测算法与粒子滤波相结合,利用颜色直方图作为观测模型,并利用全领域(GNN)算法进行数据关联,提出一种改进的基于粒子滤波的多目标跟踪算法,实现了视频场景中的多个目标跟踪.该算法对于目标在场景中的频繁出现和消失,相似外表,交叉运动和短暂遮挡等均有较好的处理效果.