基于锁角环路的空间多目标跟踪算法

为了解决传统的移动多目标跟踪计算量大、实时性差的问题,针对阵列天线提出一种基于锁角环路的多目标跟踪算法.该算法利用正交波束空间矩阵,对多个目标的分布范围进行初始定位,并以此作为锁角环路的初始状态;在得到方位的粗估计后,采用基于空间相关器的锁角环路,对快速移动目标源进行自适应的实时跟踪,该算法既保证了环路在任意初始状态下都能进入锁定状态,又提高了环路的跟踪性能.仿真表明：该算法在跟踪多个空间目标时不但具有较高的精度,而且有很好的实时性.同基于PASTd的跟踪算法相比,在性能相近的条件下,有效地降低了计算复杂度.     

基于接收信号重构的OFDM系统盲信道估计

对OFDM系统的盲信道估计问题进行了研究,提出基于接收信号重构的子空间算法.该算法利用OFDM循环前缀（CP）重构接收信号,将传输方程中的信道矩阵变换为块Toeplitz高矩阵,然后利用重构接收信号噪声子空间与信号子空间的正交性,获取信道估计特征方程.为消除虚拟子载波对算法的影响,引入等效发射信号的SVD分解.通过将重构前的信号进行虚拟子载波归零处理进一步提升了算法的性能.仿真结果表明,所提算法相比于已有算法具有较高的估计精度和较快的收敛速度.     

阵元分集与SVD降噪

针对高距离分辨(HRR)雷达系统,提出了一种抑制噪声的方法。该方法引入辅助阵元接收目标回波形成测量矩阵,首先对该矩阵作奇异值分解(SVD),建立信号子空间和噪声子空间,然后对信号进行估计并重构出噪声受抑的测量矩阵,在重构矩阵中进行同相相加,降低噪声电平,以提高噪声背景下雷达检测和识别能力。     

双基地MIMO雷达收发阵列互耦条件下目标定位方法

利用均匀线阵互耦矩阵的带状、对称Toeplitz特性,基于子空间原理,提出了一种双基地MIMO雷达目标定位及互耦自校正方法.将对目标二维方位角估计与互耦参数估计相"去耦",不需要任何互耦矩阵信息,且角度估计性能与互耦已知时二维MUSIC算法相近;同时,基于信源二维方位角的精确估计,算法还可以精确地估计出互耦矩阵,从而实现双基地MIMO雷达的互耦自校正.该方法对目标二维方位角与互耦矩阵的联合估计不涉及高维的非线性优化搜索,只需一维搜索,具有较小的计算量.计算机仿真结果证明了本方法的正确性和可行性.     

双基地MIMO雷达相干源角度估计方法

针对双基地多输入多输出(MIMO)雷达的相干源角度估计问题,分别在空间高斯白噪声和空间高斯色噪声背景下提出基于降维波达方向(DOA)矩阵的角度估计方法.首先对MIMO雷达相干目标的回波进行解相干处理;然后分别在两种噪声背景下构造DOA矩阵,并利用其与信号子空间的关系得到降维DOA矩阵,有效降低了原DOA矩阵法的运算量.之后利用降维DOA矩阵的特征参数与待估参数间的特定关系实现目标离开方向(DOD)和波达方向(DOA)的联合估计.该方法无需二维谱峰搜索,在两种不同噪声背景下均能有效估计相干源的二维角度并实现自动配对,且在接收阵列为非等距线阵的条件下仍具有适用性.仿真实验验证了该方法的有效性.     

基于均匀圆阵Toeplitz矩阵集重构解相干算法

针对目前均匀圆阵相干信源波达方向估计的矩阵重构算法仅利用部分阵列接收数据的相关或协方差矩阵部分元素进行重构造成信息利用不完整的问题,提出一种改进Toeplitz矩阵重构算法。利用模式空间变换后的数据协方差矩阵所有行元素信息构造包含阵元完整相关矩阵信息的Toeplitz矩阵集,经与Hermitian转置矩阵相乘及正反向平滑运算得到满秩数据协方差矩阵。该算法能够直接结合子空间类算法实现相干信号的角度估计,无需平滑算法广义特征值分解,同时解决了目前模式空间矩阵重构算法因忽略相位差变化造成的估计性能下降甚至失效问题。计算机仿真结果验证了本文算法的有效性。     

一种改进的波束空间自适应波束形成算法

在数字阵列雷达中,自适应波束形成(ADBF)算法常被用来抑制副瓣干扰.针对当阵元数较多时ADBF算法运算量很大问题,采用子阵空间或波束空间的方法进行降维处理.通过引入部分自适应阵方法对经典波束空间自适应波束形成(A-ADBF)算法进行了改进,改进后的算法不仅具备波束空间和子阵空间算法的优点,而且更加适合工程实现.仿真结果表明,该算法能有效地在干扰方向形成零点.     

-种改进的波束空间自适应波束形成算法

在数字阵列雷达中,自适应波束形成（ADBF）算法常被用来抑制副瓣干扰.针对当阵元数较多时ADBF算法运算量很大问题,采用子阵空间或波束空间的方法进行降维处理.通过引入部分自适应阵方法对经典波束空间自适应波束形成（A一ADBF）算法进行了改进,改进后的算法不仅具备波束空间和子阵空间算法的优点,而且更加适合工程实现.仿真结果表明,该算法能有效地在干扰方向形成零点.     

矢量阵自初始化MUSIC算法的试验研究

利用单个矢量阵元的阵簇估计提供的初始参数,对MUSIC噪声子空间谱进行迭代搜索谱峰,实现目标的方位估计.该方法减少了运算量,同时提高了目标方位估计的精度.为了检验算法的性能,进行了外场试验.利用3个矢量水听器组成了三元矢量阵,对比了矢量阵自初始化MUSIC算法和MUSIC空间谱估计以及常规波束形成的性能.试验结果表明,矢量阵常规波束形成的目标方位估计精度较差,MUSIC空间谱的估计性能较好,而迭代搜索MUSIC谱峰方法的定向精度最高.当空间严重降采样时,常规波束图的栅瓣高度接近主瓣高度,MUSIC空间谱表现出较强的栅瓣抑制能力,而自初始化MUSIC算法不受空间降采样的影响,总能给出正确的目标方位估计值.     

均匀圆阵波束空间二维DOA估计算法

摘要：为把适用于均匀线阵的ESPRIT算法、空间平滑技术等推广到均匀圆阵中,采用预处理技术将均匀圆阵从阵元空间映射到波束空间,采用实特征值分解方法得到信号和噪声子空间,并将二维MUSIC和ESPRIT算法结合起来．理论分析和模拟实验表明,该算法减小了计算量,提高了对非相干信号源的估计准确度,同时具有解相干的能力．     

空域抽样与相干因子融合的超声阵列自适应波束形成算法

针对超声成像中自适应波束形成算法计算效率低的问题,提出了一种基于空域抽样与相干因子融合的自适应波束形成算法.该算法通过分析阵列数据波束图,推导出不同阵元数目下的最大抽取因子,将阵列中所有阵元接收的数据按最大抽取因子进行空域等间隔抽样,得到阵元稀疏后的回波数据,减少了采集数据量.将空域抽样数据输入波束形成器,计算其协方差...     

结合稳健估计和Meanshift的视频目标跟踪算法

针对Meanshift目标跟踪算法对强噪声环境敏感的问题,提出了一种结合稳健估计和传统Meanshift的修正Meanshift算法.通过稳健估计修正传统Meanshift算法的核概率密度函数,提升Meanshift算法的鲁棒性.针对信噪比分别为60、30和0 db的仿真数据,将传统Meanshift算法和修正Meanshift算法的跟踪轨迹准确性和精度进行对比.结果表明,修正Meanshift算法能够实现目标准确跟踪,且跟踪位置的相对误差在1%以下.对于实际运动目标视频数据,所提算法也可以实现实时跟踪定位,克服了传统Meanshift算法目标跟踪丢失的问题.     

基于协方差矩阵元素的多目标角跟踪方法

提出了一种多目标角跟踪算法．将相邻时间段估计得到的协方差矩阵相减,对差距阵线性化近似得到了一组关于角度差的线性方程组,重复解方程组可以得到不同时间段各个目标的角度．本算法不需要更新信号子空间; 不同时间段之间各个目标的角度是自动关联的,省去了运算量较大的数据关联过程;适用于目标个数大于阵元个数的情况; 同时,该算法可以减小噪声的影响．仿真结果表明了算法的有效性．     

适于相干信号DOA估计的改进矩阵差分方法

提出一种适用于色噪声背景下窄带信号的波达方向估计方法. 假设未知色噪声协方差矩阵具有对称的Toeplitz结构,利用线性变换改变阵列协方差矩阵,并与阵列协方差相减,理论上消除了噪声对算法估计性能的影响. 新差分算法适用于信号不相干或仅有2个信号相干的波达方向估计. 当相干信号多于2个时,通过与空间平滑算法结合,拓展了算法的应用范围. 与传统差分算法相比,新算法避免了“伪”波达方向估计,降低了计算复杂度. 仿真实验结果表明,新算法具有优越的估计性能.     

网格聚类在多雷达数据融合算法中的应用

应用网格聚类的方法区分同一雷达接收的不同目标的观测数据,通过类间数据融合,实现同一目标不同雷达接收数据的融合,以便对多目标进行实时跟踪。研究了观测数据网格聚类的基本思想、形式化描述及算法实现,讨论了对机动目标跟踪的Kalman滤波方程及空管系统中易于计算的各参数矩阵理论依据及相应的初值。仿真结果表明,通过网格聚类能很好地区分不同目标,聚类后再进行跟踪融合更加准确。     

多目标实时跟踪的一种数据关联算法

联合概率数据关联是密集杂波环境下跟踪效果最理想的数据关联算法之一。文中在研究概率数据关联算法的基础上,提出了一种快速数据关联算法。通过不同阈值的选择,去除小概率事件,建立确认矩阵,再根据被跟踪目标跟踪门的相交情况,将跟踪空间划分成若干相互独立的区域。对同一区域内公共量测的概率密度值进行衰减,计算出关联概率。仿真实验结果表明,该算法能显著减少可行联合事件的搜索时间和数量,可以有效解决JPDA算法计算量过大的问题,且便于工程实现。     

基于雷达图像的运动目标形态检测及跟踪技术

运动目标的检测与跟踪在实际中应用广泛。对于低空高速运动目标的检测与跟踪常常面临目标信号微弱和地物干扰严重等问题。基于某型飞机着陆雷达回波图像,提出并采用滑动窗口形态匹配算法对帧差的灰度图像进行目标检测,同时采用二次匹配算法分离出微弱信号目标,去除假目标干扰。之后再结合多帧图像进行航迹关联,去除静止地物等目标干扰,实现运动目标的跟踪。实际测试表明:该处理流程算法简单,处理一帧的时间短,可以检测到极其微弱的目标信号,有效抑制各种干扰,捕捉目标的反应时间短,实现了运动目标的实时检测、准确定位和无丢失跟踪。     

基于神经网络的多机动目标跟踪算法

将神经网络理论用于多机动目标跟踪,解决了联合概率数据关联(JPDA)存在的计算量组合爆炸问题。基于神经网络数据关联(NDA)所得到的最佳关联假设,将其与简化信息融合并行自适应滤波算法(DAF)进行有效结合,在保证量测与目标有效关联的同时,还具备跟踪起始和终结的作用,实现了对多机动目标的状态滤波与预测。仿真结果表明,与传统的交互式多模型联合概率数据关联算法相比,新算法在保证多机动目标的跟踪精度及实时性要求的同时,计算量大大减少。     

基于自适应随动机构的机器人目标跟随

针对机器人使用固定传感器容易丢失跟随目标的问题,提出基于自适应随动机构的行人跟随方法.基于任务需求设计随动式感知机构视野评价指标;在传统规划策略的基础上,提出结合底盘方向的改进策略和基于视野深度加权的自适应角度规划策略,改进随动机构的运动目标跟随效果. 为了提高随动RGB-D传感器的行人位置跟踪效果,使用YOLOv3算法进行目标检测,结合三维坐标解算与位置度量匹配,实现多目标位置的实时跟踪. 基于Gazebo仿真环境与RoboMaster机器人,实现机器人行人跟随功能. 所提规划策略能够取得综合最优的评分指标,并实现机器人对运动行人目标稳定的轨迹跟随. 实验结果证明了所提目标跟随方法的有效性.