基于期望系统噪声模型的自适应机动目标跟踪

对于机动目标跟踪问题,由于目标机动能力的增强,使建立的目标模型与目标的实际运动失配。为解决这个问题,需建立大量模型来逼近真实模式。但这使计算量增大,而且性能不一定能提高。本文提出基于期望系统噪声模型的自适应交互式多模型(IMM)算法。该算法自适应调整部分系统噪声模型,使之接近符合实际的系统噪声模型。对目标机动运动的Monte-Carlo仿真结果表明,本算法对机动目标的跟踪精度比标准IMM算法有较大改进,且计算量适中。     

反舰导弹跃升俯冲过程的自适应跟踪研究

针对反舰导弹跃升俯冲机动过程进行跟踪时,固定模型集合难以精确匹配实际过载系数,影响跟踪性能的问题,应用自适应网格法进行跟踪.在跃升俯冲攻击弹道模型的基础上,当过载系数未知时,应用自适应模型集交互式多模型算法,并进行仿真计算分析.结果表明:该算法可准确跟踪过载系数的变化趋势,实时自适应调整各模型中的过载系数,使模型集合向实际运动模式收敛,跟踪精度优于固定模型集合的交互式多模型算法.     

两阶段卡尔曼滤波自适应交互式多模型算法

对于机动目标跟踪问题,由于目标机动能力的增强,需建立大量模型来逼近真实模式,使建立的目标模型与目标的实际运动适配,但这使计算量增大,而且性能不一定能提高.针对这个问题,将两阶段卡尔曼滤波器与一般的交互式多模型算法相结合,设计了一种自适应交互式多模型算法.该算法采用两阶段卡尔曼估计器估计目标的加速度,然后将其反馈到由多个不同参数构成子滤波器的交互式多模型滤波算法中进行交互式多模型滤波.与自适应半交互式多模型算法进行对比的仿真验证了该算法有效地减少了子滤波器的数量,同时在一定程度上也提高了跟踪的精度.     

自适应转弯模型的交互多模型算法研究

以强机动目标跟踪为背景,在分析常速转弯模型和IMM算法基础上,基于“当前”统计模型的设计思路．提出了自适应转弯模型。通过机动频率系数和角加速度方差修正常速转弯模型的系统状态噪声方差矩阵,设计了不同角速率的转弯模型集,给出了相应模型的状态转移概率,建立了一种自适应转弯模型的交互多模型算法。MonteCarlo仿真实验表明：该算法性能优于其它IMM算法,且计算量小。便于使用。     

基于自适应多通道交互式多模型的高超声速滑翔飞行器跟踪方法

针对临近空间高超声速滑翔飞行器机动性强、单跟踪模型稳定匹配困难等问题，在分析目标受力情况与机动特性基础上，充分考虑运动学建模适应性强和动力学建模匹配程度高的特点，提出一种运动学模型与动力学模型相结合的自适应多通道交互式多模型跟踪算法。该算法以运动学模型和动力学模型为模型集，利用似然函数值对转移概率矩阵进行实时调整，增强匹配模型在滤波中的比重，利用残差边缘分布描述滤波模型在x轴、y轴和z轴3个不同维度与目标运动的匹配程度，实现了似然函数和模型概率的一一对应。仿真实验结果表明，新算法在跟踪典型控制律下的高超声速滑翔飞行器时具有良好的适应性，在目标发生机动时误差起伏较小、稳定跟踪精度高。     

基于改进自适应IMM算法的机动目标跟踪

文中提出了一种改进的跟踪机动目标的自适应IMM（AIMM）算法,采用协同转弯运动模型作为目标的机动模型,通过估计目标的角速度,并在估计参数值的周围选择数量一定的模型组成模型集来覆盖目标所有可能的运动模式,采用交互模型算法进行状态估计;应用变结构思想,将模型之间的切换理解为随机有向图,并综合利用前一时刻模型的后验概率和当前时刻模型的预测概率,计算模型之间的转移概率,从而能够根据目标（转弯）机动的情况,自适应地建立IMM算法的可变模型集。仿真结果表明,改进的AIMM算法的跟踪精度有了较大的改善,算法也更加平稳。     

改进的交互式多模型粒子滤波目标跟踪算法

针对现有的交互式多模型粒子滤波算法存在粒子退化现象,跟踪性能不高,计算量大影响跟踪的实时性等问题,采用改进的残差重抽样算法,并在滤波前后,对各模型粒子进行输入输出交互运算,得出一种改进的交互式多模型粒子滤波目标跟踪算法。该算法在解决了粒子退化现象的同时,避免了残留粒子重采样问题,在一定程度上降低了计算量,减小了系统估计误差,提高了跟踪性能。通过仿真,验证了该算法的良好性能。     

一种用于复合轴系统的机动目标跟踪算法

为了实现复合轴捕获、跟踪与瞄准(acquisition,tracking and pointing,ATP)系统对高机动目标的跟踪,文中提出了一种目标跟踪算法思路:利用子系统精度远高于主系统精度的特点,在主系统观测数据基础上再构建了一组精度更高的观测数据。采用不同的交互式多模型集对两组观测数据进行独立滤波,并对得到的两组估计量做自适应调节数据融合处理。通过MATLAB仿真验证了算法的有效性。此算法实现了以相对少的模型种类覆盖更复杂的运动模式,且运算量适中。     

一种地面目标跟踪算法的设计与实现

对地面机动目标的跟踪问题是目标跟踪领域的难点,多传感器数据融合技术以及变结构交互多模型算法是解决地面目标跟踪问题的有效途径。针对目标运动特点,将地面目标运动特性和运动状态作为先验信息,设计了一种地面目标跟踪算法,给出了算法的详细步骤,算法主要采用了加权观测融合卡尔曼滤波器及采用模型组切换方法的变结构多模型算法实现。仿真及误差分析结果表明,该算法优于传统交互多模型算法。为地面目标跟踪算法的设计提供了参考。     

基于投影寻踪的多维地磁匹配融合算法

单一地磁特征匹配算法容易受到特征量区域缓变特性的影响,从而降低了算法的定位精度。针对单一特征量匹配算法的区域性不可靠问题,提出了一种多维地磁匹配融合算法;该算法在建立多维地磁匹配特征量投影寻踪分类模型的基础上,采用组织进化数值优化算法对模型进行求解,算法根据采样数据的特点自适应获得各匹配特征量的定位贡献权重(可信度),将经过加权融合的匹配位置作为最终定位位置,避免了单特征量匹配的区域性不可靠问题。仿真结果表明,采用多维地磁匹配融合算法较单一特征匹配算法大大减小了全局匹配定位误差,验证了算法的有效性。     

基于旋转反射镜光学成像的动态目标跟踪方法

为完善军事靶场实验中精准获得动态目标参数,针对现有目标跟踪方法无法快速跟踪高速运动目标的问题,提出了一种基于反射镜光学成像的动态目标跟踪方法。利用光反射原理,采用高速相机与反射镜结合的方式采集动态目标的多图像信息,建立目标运动数学模型;依据反射镜角度偏移量,研究反射镜转动参数与目标运动参数的匹配关系;采用嵌入式控制器、反射镜、光学相机等搭建系统硬件平台,并结合目标运动数学模型和图像处理算法,实现目标跟踪系统多参量的调控与优化。系统测试结果表明,在变速运动状态下所建立的目标跟踪模型能够获得清晰的目标图像,达到了跟踪的目的。     

一种基于SiameseRPN 的模糊视频目标跟踪算法

为提高追踪准确率, 提出一种针对模糊视频的轻量级视频跟踪算法。采用主流对抗生成网络模型 DeblurGAN V2 进行去模糊处理,交由基于改进SiameseRPN 目标跟踪算法进行目标跟踪。为实现轻量化,将目标跟 踪的特征网络替换为EfficientNet 网络,改进注意力机制为ECANet 以捕捉多通道信息,并在GoPro 数据集上进行测 试。测试结果表明：相比SiameseRPN 算法,该算法能实现更高的追踪准确率,帧率能达到实时性要求,具有一定 的借鉴意义。     

基于人机交互的免锚检测和跟踪系统设计

为提高越野环境中目标检测和跟踪的准确率和效率,提出一种基于人机交互的免锚检测和跟踪系统。该系统由检测系统、指挥系统和目标跟踪系统组成。检测系统,在基于点的点云特征提取框架的基础上,设计一种免锚的目标检测网络结构;指挥系统通过相机实时获取环境态势信息,人机交互地在检测网络输出的目标序列中选择跟踪目标;跟踪系统利用检测网络输出的目标序列的外观模型和指挥系统下发的跟踪目标外观模型进行匹配来确定跟踪目标,再基于卡尔曼滤波算法进行目标运动估计。基于越野场景的实车数据进行了验证。验证结果表明：基于人机交互的免锚检测和跟踪算法在不增加算法时间的同时实现了超91%的准确率,能够满足无人驾驶车辆在越野场景的使用要求。     

基于分割模板运动预估的相关跟踪算法

为了对常规相关匹配算法实时性能进行提升,提出一种基于分割模板运动预估的相关跟踪算法。采用最小二乘法全区间等距拟合目标运动轨迹,计算出目标当前预估点;将模板图像按块运动估计算法要求分割成宏块;按菱形搜索法在预估点周围区域进行搜索,得到每个宏块的最佳运动矢量;取匹配度最佳的运动矢量对应点为模板的粗匹配点;判断该点所在宏块与搜索区域相对位置关系,决定是否进行精匹配结束搜索,或是按梯度方向建立新的搜索区域。目标跟踪实验证明,该方法比基于全搜索的归一化积相关( NProd)算法其计算时间缩短到3.31倍。     

基于无迹卡尔曼滤波算法的弹道落点预测方法

为解决靶场理论弹道和外测飞行目标实时信息预测落点预测时间长,不能清晰及时预测飞行轨迹等问题, 提出一种改进的弹道落点预测方法。从弹道模型出发建立基准模型坐标系,将外测设备参数配置于基准模型坐标系, 实时采集的外测设备数据采用无迹卡尔曼滤波(unscented kalman filtering,UKF)算法滤波处理后获得融合轨迹,并 通过Runge-Kutta 算法进行外推计算以进行落点预报。经Matlab 仿真分析和实际效果验证,该方法的结果更加精确 且适用性更强。     

复杂场景中目标抗遮挡跟踪算法研究

针对复杂场景中目标被干扰、遮挡等情况,提出了一种基于遮挡判断和运动轨迹预测的抗遮挡跟踪算法,可实现对被干扰或遮挡的目标进行有效跟踪,给出仿真结果,表明了算法的有效性和实用性。     

基于模糊控制交互式多模型粒子滤波的静电机动目标跟踪

针对交互式多模型粒子滤波算法（IMMPF）的精度不高,算法更新时间长,难以满足静电机动目标跟踪要求的问题,提出了一种新的基于模糊控制的交互式多模型粒子滤波算法（FIMMPF）。该算法先利用模糊控制方法实现实时调整交互式多模型算法中的转换概率矩阵,使与目标当前运动状态最接近的运动模型在混合产生这一采样时刻的初始状态向量里占有更大的比重。同时,为了提高基本粒子滤波算法的精度,减小算法更新时间,再利用中心差分扩展卡尔曼滤波算法产生基本粒子滤波的建议分布函数,实现对目标运动状态的更新。理论分析和仿真结果表明,所提出的算法能够以更高的定位精度,更小的计算量实现对静电机动目标的跟踪。     

终端红外图像制导信息处理技术研究

弹道终端目标图像充满视场时的跟踪点选择和继续跟踪能力是第四代先进空空导弹必须具备的性能.文中分析了弹道终端导引头图像跟踪过程,建立了图像探测器投影成像模型,研究了红外成像制导型空空导弹弹道终端目标图像的变化规律、弹目距离和相对速度对目标图像变化情况的影响及中段形心跟踪模式与末端局部图像跟踪模式的转换时机,提出了一种有利于减小成像导引头跟踪盲区、提高起爆控制精度的局部图像跟踪算法,该算法通过对机头部位的识别来确定局部图像跟踪点,并估算目标易损部位,从而为实现最优起爆控制奠定了基础.最后,对文中提出的算法用实际红外图像进行了仿真,其结果表明该算法是可行和有效的.     

基于星-凸形随机超曲面模型的扩展目标GM-PHD滤波器

针对扩展目标联合估计运动状态和目标外形的问题,提出一种基于星-凸形随机超曲面模型的扩展目标高斯混合概率密度滤波算法.该算法利用星-凸随机超曲面模型对量测的扩散程度进行建模,在高斯混合概率假设密度的框架下,通过求解、更新递推量测模型下的量测似然、新息等参数来实现对扩展目标的跟踪.仿真实验表明,该算法在保证跟踪有效性和可行性的同时,提高了对扩展目标运动状态和目标外形的估计精度.     

基于概率假设密度滤波与无迹Kalman滤波的多目标跟踪与识别

为提高导引头末制导阶段抗干扰能力,针对典型的欺骗式距离-速度联合拖引干扰模型,研究了基于概率假设密度（PHD）滤波的多目标跟踪与基于无迹Kalman滤波（UKF）的多目标识别技术。为说明导引头目标识别原理,给出了距离-速度联合拖引干扰模型;根据导引头测量原理,通过导引头框架角、导弹-目标相对距离、径向速度建立系统跟踪模型,给出了基于PHD滤波的多目标跟踪与基于UKF的多目标识别的基本原理;基于典型的目标运动模型（匀速直线与匀速转弯模型）,针对目标施加的4次距离-速度联合拖引干扰,采用目标跟踪结果以及估计的目标速度和加速度信息进行多目标跟踪与识别分析,能够很快实现真假目标识别。仿真实验结果表明,利用PHD滤波与UKF信息能够有效实现对距离-速度拖引干扰下的多目标跟踪与识别。