雷达微弱目标探测的改进检测前跟踪算法

针对基于Hough变换的检测前跟踪(TBD)算法存在大量虚假航迹,无法有效得到真实目标航迹的缺点,提出了一种基于修正Hough变换和粒子滤波相结合的TBD算法.该算法首先利用修正Hough变换估计目标航迹,得到目标可能存在的范围;再将该范围作为粒子滤波的先验信息,利用粒子滤波计算的权重构造似然比检测目标,进一步剔除虚假...     

采用改进粒子滤波的雷达扩展目标检测前跟踪

在雷达回波的距离——多普勒数据上,建立了粒子滤波所需的系统动态模型和观测模型,将传统的点目标模型改进为更接近于实际的线形扩展目标模型,并推导出了新模型的似然比函数.同时,为了减少粒子数,对传统的粒子滤波(PF)算法进行了改进.由于模型的匹配和检测前跟踪(TBD)算法在时间上的积累功能,所提算法提高了雷达对低信噪比目标的检测概率.仿真结果表明,该算法能稳定地检测到信噪比为1 dB的目标.     

一种改进的雷达弱目标检测前跟踪算法

针对基于粒子滤波的检测前跟踪算法(PF-TBD)采样盲目性的问题,提出基于辅助粒子滤波的检测前跟踪算法(APF-TBD).该算法的重要性密度函数是一种依靠过去状态与系统最近观测量的密度函数,进一步使权值变化稳定,最终使得均方根误差较小,得到的粒子更逼近真实值,并将其应用于常规雷达对弱目标的检测与跟踪.仿真结果表明,该算法比PF-TBD有更好的检测效果与跟踪效果.     

基于Kalman滤波的红外弱小目标检测前跟踪算法

红外弱小目标检测跟踪问题具有重要的军事意义和广阔的应用前景,检测前跟踪算法是解决这一问题的有效途径。提出了一种基于Kalman滤波的检测前跟踪算法：首先对红外图像进行形态学top-hat算子滤波预处理;然后利用恒虚警率阈值提取单帧候选目标,并利用目标灰度模板进行灰度核密度估计,初步剔除大部分虚假目标,累积处理若干帧后,利用Kalman滤波器筛选出最优轨迹;最后依据一定的判断准则从当前帧候选目标中提取出真实目标。与一种典型的基于管道滤波的算法进行对比,仿真实验结果表明,该算法对目标运动速度和信噪比的变化有较强的适应能力,同时能用于目标遮挡或消失等情况。     

基于重采样平滑粒子滤波的检测前跟踪

针对基于序列重采样(SIR)粒子滤波的检测前跟踪(TBD)算法的不足,提出了重采样平滑(RS)算法以及简化的RS算法,并将其应用于常规雷达的TBD算法,得到基于序列重要性重采样平滑(SIRS)的TBD(SIRS-TBD)算法.仿真结果表明,RS算法可以有效地提高粒子的多样性,在雷达上应用SIRS-TBD算法可以实现对低可探测目标的检测和跟踪.     

一种新的红外弱小目标检测前跟踪算法

针对低信噪比复杂环境下红外弱小目标检测问题,提出了一种基于拟蒙特卡罗抽样的检测前跟踪算法.采用新的基于拟蒙特卡罗抽样的高斯粒子滤波算法(QMC-GPF)估计目标运动状态和红外小目标幅度状态,同时利用该滤波算法中迭代更新的协方差矩阵的收敛特性构建判断逻辑,实现目标"软判决"检测.对仿真红外图像序列的实验表明,该算法可快速有效地跟踪和检测信噪比不小于1dB的弱小目标.     

基于序列Monte Carlo方法的运动目标跟踪

针对移动机器人中的非线性非高斯特性,提出用粒子滤波的方法对运动目标进行跟踪,研究在贝叶斯框架下进行目标跟踪的原理,分析粒子滤波算法及存在的问题.应用这种方法,针对移动机器人的实际情况,建立了具体的系统模型和测量模型,比较不同的重采样算法,实现了对运动目标的跟踪任务.仿真结果表明,粒子滤波对于非线性非高斯的动态系统有良好的估计效果,在3种常用的重采样算法中,残差重采样的准确性稍高,分层重采样的计算比较简单,而多项式重采样是一种基本的重采样算法.     

杂波环境下基于粒子滤波的雷达微弱目标TBD算法

针对杂波环境下的雷达微弱目标检测前跟踪问题,提出了 Weibull杂波分布下PF-TBD算法。该算法采用 Weibull杂波分布的量测模型,并基于粒子滤波算法,推导出似然函数和粒子权重。仿真结果表明,Weibull 杂波环境下 PF-TBD算法稳定性良好。     

基于PSO粒子滤波的弹道目标跟踪方法

为了在观测值有复杂噪声的情况下获得良好的弹道跟踪效果,提出了一种基于小生境粒子群优化粒子滤波算法的弹道跟踪预测方法.根据外弹道理论建立了跟踪状态模型,在贝叶斯框架下通过由观测量获取状态量的后验概率而消除观测噪声带来的影响,得到当前状态的准确信息,在重采样过程中使用了小生境粒子群优化算法,使得重采样过程更高效.最后进行了基于某型弹丸的弹道跟踪效果仿真,在观测量具有高斯噪声和厚尾噪声的情况下,跟踪弹道与预测弹道均与实际弹道吻合得很好,并优于卡尔曼滤波方法.说明本文方法对弹道的预测跟踪是有效的,为弹道跟踪的实际应用提供了一种参考.     

基于强跟踪-扩展卡尔曼粒子滤波的巡航段自主导航方法

通过对探测器巡航段状态方程和观测方程非线性问题的研究,提出一种强跟踪扩展卡尔曼粒子滤波(ST-EPF)算法,并将其应用于巡航段自主光学导航的方案中,由此来实时确定探测器的轨道。所提出的改进粒子滤波算法是将强跟踪扩展卡尔曼滤波引入粒子滤波来更新粒子,产生重要性密度,缓解粒子退化和样本贫化问题,以提高导航系统对状态突变的跟踪能力。通过仿真表明,改进粒子滤波算法在探测器轨道参数精度和方差预报的有效性方面有了较大地提高,能够适应快速变化的飞行环境,而且滤波精度明显的优于EPF滤波算法。     

降雨条件下飞机尾流雷达特性研究

鉴于飞机尾流具有独特的多普勒及空间分布特性和较强的雷达可探测性,对降雨条件下飞机尾流的雷达特性进行了研究．基于雨滴参数和尾流速度场模型,建立尾流中雨滴的运动方程,然后数值求解该方程得到了尾流中雨滴数密度分布特性．在此基础上,基于某典型W波段雷达参数,通过信号处理得到了降雨条件下飞机尾流的雷达回波,并发现了其独特的多普勒特性．这为航空安全和反隐身中尾流探测方法研究提供了重要的理论指导．     

一种利用TBD自动检测低慢小目标的方法

对于强杂波背景下的非合作目标,特别是低慢小目标,要发现并掌握此类目标仅仅依赖一次雷达的信号处理和操作员长期的警惕性观察远远不够．为了解决在不增加虚警航迹上报的情况下能及时发现非合作目标的问题,将检测前跟踪（TBD）技术的思想引入到警戒雷达终端数据处理中,借助先进的数据处理算法和高性能的计算机处理能力,及时发现威胁目标．这对降低操作员劳动强度、提高目标被自动发现的能力、减少漏报或错报空情信息有着积极的意义．     

一种利用空频域信息的固定单站被动跟踪方法

利用空频域信息的固定单站无源定位与跟踪系统面临着可观测性弱、初始误差大的问题,跟踪算法的稳定性和收敛速度显得尤为关键.为此,提出了一种利用空频域信息的固定单站被动目标跟踪方法（MLGS）.通过对网格的多级搜索,在保证估计分辨率的同时,减少了运算量.与现有方法如EKF、MVEKF和UKF等相比,该方法不依赖于初始状态误差,且不受线性化误差的影响,只要合理选择网格和搜索次数,就可以获得趋近于全局最优的最小均方估计.仿真实验结果表明：该方法在初始距离误差较大情况下其收敛速度明显优于其他方法,且收敛后的精度基本保持恒定;在进行搜索时无需指定初值.     

一种基于步幅长度及频域特征的步态识别方法

步态识别作为一种较新的生物认证技术有其独特优势,它旨在根据人行进过程中的行走步态模式来识别其身份.提出一种基于步幅长度及频域特征的步态识别方法:首先采用背景减除算法实现运动人体检测,并根据步幅长度变化特征进行周期分割.然后提取步幅长度极值结合关键帧的频幅均值构成五维特征向量,最后用标准模式分类器在中科院自动化所提供的CASIA步态数据库中进行实验,在降低了算法复杂度的同时,获得了令人鼓舞的实验结果.     

船舶尾流目标识别的随机梯度遗传算法研究

船舶尾流形貌包含着船舶类型、船舶吨位、船舶航速等方面的信息,对尾流目标的识别是船舶识别的一种有用途径.论述了随机梯度遗传算法的原理、特点及运算步骤,将该算法应用于船舶尾流目标的识别问题,对三个航速下船舶尾流目标的分类及识别.随机梯度遗传算法进化代数从5增加到10以及从10增加到15时,三个航速下的目标识别率按照接近20%的比例增加.而当进化代数从15增加到20及以上时,目标识别率增加缓慢,即进化代数达到15时,算法基本收敛.识别结果表明随机梯度遗传算法可用于船舶尾流目标的识别.标准遗传算法逼近全局最优值比较慢,有时会陷入局部最优,在全局最优值附近出现波动现象,算法收敛性较差.     

视频序列的多特征粒子滤波跟踪方法

提出了一种应用于视频序列的多特征粒子滤波（PF）跟踪算法,该方法在重采样后,对每一粒子应用CamShift算法,使所有粒子都趋于一个局部稳定的位置附近. 其中,权重中的似然函数根据颜色与边缘直方图分布的Bhattacharyya系数更新．该方法结合了CamShift计算量小的特点,使PF用较少的粒子能够对目标较准确的跟踪. 实验结果表明,该方法对遮挡具有一定的鲁棒性．     

基于粒子滤波的抗遮挡跟踪算法

摘要：目标遮挡在图像跟踪中是一个不可避免的问题,粒子滤波器能够实现杂背景下的目标跟踪,但在目标被长时间被全部遮挡再重新出现时难以恢复有效跟踪。本文基于粒子滤波器提出了一种利用分块匹配结果进行遮挡判别和目标全遮挡出现时进行全局搜索的方法,实验证明该方法有效解决了长时间被全遮挡的目标的跟踪问题。     

The TBD method for dim targets based on multi-level crossover and matching operator

In order to improve the tracking performance in this paper following TBD(Track before Detection) framework multi-level crossover and matching operator is presented.In data association stage the greedy principle is adopted to handle time complexity in DPA and at the same time crossover mathing operator is given to construct candidate trajectory.In addition the corresponding strategy is introduced in preprocessing and postprocessing to remove clutter and suppress false alarm rate.By the experimental comparison and analysis it can be found that the method is more perfer to strengthen the tracking performance of targets with SNR < 2.0 dB.     

基于傅立叶描述子的飞机模型识别

在目标的识别中,归一化的傅立叶描述子具有旋转,平移和尺度变换的不变性。在传统傅立叶算子的基础上,通过边界离散过程的采样点进行近似量级的归一化,来达到简化计算和消除大尺度变换离散误差的目的,并运用于军机模型的识别上,取得比较好的效果。