一种防空雷达网的目标分配算法

为提高雷达网作战效能，基于目标威胁度指数和雷达有利度指数的建立，提出了目标分配的关联度原则，建立了一种多约束条件下的多目标分配决策模型，并给出了实用算法．实例应用表明，谊分配决策模型和算法合理便捷，可用于雷达网探测目标分配问题求解．     

雷达网任务分配与调度的一种实现方法

为了提高雷达网的探测效能,提出了一种动态的雷达网目标分配及任务调度算法.该算法以雷达对任务的映射表为依据,采用紧急任务优先、任务完成时间优先、通用性最小优先和随机选择等原则来解决雷达之间的竞争,从而实现雷达对多目标的动态分配.最后给出了该算法的一种仿真实现方法.     

基于AGA的多目标停机位优化分配

以“最大化航班靠桥率”及“最小化飞机平均油耗”为优化目标,提出一种基于自适应遗传算法(Adaptive Genetic Algorithm, AGA)的机场停机位优化分配方法。在基于AGA的多目标停机位优化分配方法中,首先建立考虑约束条件的动态线性标定适应度函数模型;在此基础上,采用自适应遗传算法进行机场停机位的优化分配;最后利用航班实际数据进行Matlab仿真,得到机场停机位分配的甘特图。通过仿真实例验证了停机位优化分配方法的有效性和合理性,与传统的遗传算法相比,AGA得到的最优解提高了3.47%。实验结果表明,基于AGA获得的停机位分配能够有效提高机场的运行效率。     

一种需求自适应雷达网威力图构建方法

针对当前的雷达威力图更新慢、误差大,难以满足用户的个性化作战需求和精准化保障要求的问题,提出了一种基于情报大数据的需求自适应雷达网威力图构建方法.该方法利用历史雷达情报数据和实时情报数据中隐含的威力信息,通过对情报大数据挖掘、计算和实时处理,并根据用户个性化作战需求,快速生成雷达网威力图,为战前筹划、部署和航空兵出动等作战任务提供精确保障,进一步有效发挥武器装备效能.     

基于自适应多特征表观模型的目标压缩跟踪

针对压缩跟踪算法中表观模型的视觉表达特征单一、统计模型缺乏柔性的问题,提出一种自适应的多特征表观建模方法.该方法引入了对梯度、边缘等图像细节描述能力更强的Surf特征,并通过构建两级观测矩阵解决多维特征的观测问题,与亮度特征进行融合,使视觉表达更加丰富、全面;通过计算正负样本特征所服从的概率分布曲线的Hellinger距离,分析特征对目标和背景的区分能力,自适应地调整统计模型中各特征之间的权重,使统计模型能更好地利用对目标跟踪有益的信息,根据目标和背景的变化及时进行更新.实验结果表明:该自适应多特征表观模型能更加准确地描述实际场景中目标和背景的复杂变化,在保持高效率的同时,极大地提高了跟踪算法的鲁棒性和准确性.     

基于模糊推理的雷达网任务评估方法

为了准确、合理地分配雷达,对重点目标实施有效的保障,使雷达网总体性能达到最优,提出了一种对雷达网任务的优先级和性能指标进行评估的方法.该方法针对雷达网面临的探测、跟踪和识别任务,基于模糊推理技术,采用一个类似于人工决策的推理过程确定每个需要执行任务的优先级和性能指标,在此基础上实现雷达资源的合理分配.     

基于多特征融合的粒子滤波自适应目标跟踪算法

为解决用单一特征无法保持在复杂环境下跟踪的鲁棒性以及粒子数量增多导致的算法效率低下的问题,选择多个特征融合的策略来保证跟踪的持续稳定,并自适应地调整每个特征的权值来适应环境的变化;为提高算法的实时性,采用自适应的粒子数量。实验结果表明:本文算法有效地解决了目标旋转、目标遮挡以及背景混淆等诸多问题,具有较高的鲁棒性。     

自适应上下文感知的目标追踪方法

针对相关滤波方法容易受到背景干扰导致跟踪漂移的问题,提出自适应上下文感知图像跟踪方法. 为了减少背景干扰,选取离目标位置远的高响应区域为自适应上下文区域,赋予该区域自适应的低响应值. 根据上下文区域与目标区域响应的相对差值,给上下文区域自适应的惩罚因子,使得该算法具有更好的鲁棒性. 该算法在OTB2013、OTB2015及Temple-Color128标准数据集上都展现了优秀的跟踪性能,OTB2015的重叠率精度达到61.53%,超过大部分已有的优秀算法,特别是在背景混叠及部分遮挡的情况下有着更卓越的表现. 该算法的平均跟踪速度为24.5帧/s,实时性较好.     

机动目标跟踪的改进自适应滤波算法研究

为了更好地实现机动目标跟踪,在标准自适应滤波算法(Adaptive Filtering algo-rithm,简称AF)的基础上,提出了改进的自适应滤波算法(Improved Adaptive Filtering al-gorithm,简称IAF)。该算法将机动目标的系统误差做为随机噪声,并对加速度方差进行自适应调整。改进的自适应滤波算法具有计算简单、跟踪精度高等优点。     

基于多目标遗传算法的认知无线电频谱分配

频谱共享技术是认知无线电的关键技术。基于多目标遗传算法,将认知无线电网络的最大系统效益和次用户间的最大比例公平作为目标函数,运用图论着色频谱分配模型,实现认知无线电中空闲频谱在次用户间的动态分配,并与颜色敏感图论着色算法（CSGC）进行了比较。通过仿真验证了该算法在认知无线电网络中进行频谱分配的可行性,且性能优于CSGC算法。     

基于目标状态估计协方差控制的目标分配方法

针对多传感器多目标跟踪环境中目标跟踪性能与系统资源不足之间的矛盾,提出了一种基于目标状态估计协方差控制的目标分配方法.该方法根据系统对不同目标的跟踪精度要求设定各目标的期望协方差,通过期望协方差与预测协方差的差来确定目标所需的传感器组合,在此基础上实现目标对传感器的有效分配.仿真结果表明了该算法的有效性.     

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.     

基于自适应模板相关跟踪算法的研究

目前相关跟踪技术已经在目标识别领域得到了非常广泛的应用,该论文提出一种基于自适应模板的相关跟踪算法,该算法弥补了固定模板的不足,提高了跟踪的稳定性,尤其适合于复杂背景下连续图像的跟踪。     

一种基于多特征自适应融合的运动目标跟踪算法

针对复杂背景下的运动目标跟踪问题,提出了一种基于多特征自适应融合的运动目标跟踪算法。通过构建目标与背景的图像特征分布方差的比值函数来衡量目标与背景间的区分度,采用各特征的区分度对特征集进行线性加权自适应表示运动目标并集成在基于核的跟踪方法中。为了克服模板更新过程中的漂移,通过计算前后相邻两帧间目标模型的相似度函数,对跟踪模板进行自适应更新。基于生物视觉认知理论,目标的颜色、边缘特征以及纹理特征被用来实现基于多特征自适应融合的运动目标跟踪算法。仿真实验表明:采用本文算法能有效地对复杂背景下的运动目标进行跟踪。     

基于噪声自适应的交互式多模型算法研究

机动目标跟踪精度大都依赖于匹配的系统模型和已知的噪声统计特性。模型匹配法主要采用交互式多模型算法来提高系统模型与机动目标状态的匹配。该算法的有效应用已经成功提高了机动目标的跟踪精度,但该算法只是针对系统模型的不确定性提出的解决方法,并没有解决噪声统计特性不确定的问题。针对噪声统计特性未知而导致滤波精度下降的问题,本文提出了噪声自适应的交互式多模型机动目标跟踪算法。仿真结果表明,噪声方差未知的情况下,本算法的跟踪性能优于传统的交互式多模型算法,提高了机动目标跟踪的精度。     

基于自适应Chirp表达的雷达多目标分辨

针对编队机群目标的低分辨雷达回波多普勒信号的线性调频数学模型,采用先作自适应Chirp信号分解再作维格纳维利分布（WVD）的自适应Chirp表示方法。由于分解所选基函数能够较好匹配雷达回波信号,因而在分析结果中产生的交叉项较少,同时具有较高的时频分辨率和抗噪声能力。采用自适应Chirp表示对实测编队目标的雷达回波信号进行分析,证明了该方法能够有效地实现雷达多目标分辨。     

磨削用量最佳自适应控制的解算方法

本文基于磨削用量为随机因素，探讨了磨剂用量最佳值的自适应控制算法，建立了广义用量优化的目标函数（泛函）及在约束条件下的用量分析，并以｛Ｐｙ（ｙ，Ｃ｝为监控对象，确立了磨削用量最佳化的自适应控制的求解公式，最终应用于磨削工序获得了满意结果。