辅助变量纯方位目标跟踪算法

To overcome the biased estimation of the pseudo-linear algorithm in bearings-only target tracking, a modified instrumental variable algorithm is proposed. In the new algorithm, the current bearings-only estimation angle is acquired by polyfitting several previous bearings angles. Then the estimated angle is used as the instrumental variable to get the motion parameters by applying the least-square method. The algorithm can achieve the theoretical unbiased estimation. Simulation results illustrate that the new modified instrumental variable algorithm has a better convergence rate and estimation accuracy than the existing research and that it is more suitable for engineering practice.     

基于加速度传感器的人体姿态跟踪角度算法

人类肢体的运动可以简化为像连杆的刚性运动,而运动着的四肢与躯干之间总能形成一个角度关系.利用在人体手臂上固定三轴加速度传感器,通过一定的变换能实时计算出手臂与躯干上固定点的角度信息.基此设计了一种新的改进角度算法,通过实验对结果数据进行分析,并利用软件建立人体模型,在OSG平台上进行仿真,证明了算法的正确性以及在人体姿态跟踪中应用的可行性.     

红外光电传感器的性能分析与应用

红外光电传感器可以用于遥控与通信、路径循迹导航、物体探测以及距离测量等,但是不同厂家的产品性能差异很大,且缺乏充分的技术支持。针对目前市场上常用的一款反射式红外光电传感器,对其在不同反射面条件下的性能进行了实验分析,从而得到了该种传感器的最佳应用条件与限制条件。     

红外单站目标跟踪算法

为了解决单红外观测站对目标进行跟踪时存在的非线性估计问题,提出了基于直角坐标系的多假设高斯-厄密特滤波算法.为了减小距离不可观测性对于非线性滤波的影响,在假设的多段距离间隔中采用并行的高斯-厄密特滤波,并加权获得目标的状态估计.首先将初始时刻红外观测站的观测距离区间划分为若干个子区间,每个子区间表示关于目标真实距离的一种假设;在每个子区间内用共同的量测进行独立的高斯-厄密特滤波,并将每个子区间对应的概率根据贝叶斯规则进行递归计算;最后将各子区间的状态估计和协方差进行加权求和得到最终估计.仿真实验结果表明,由于使用高斯-厄密特滤波从而避免求解雅克比矩阵,且距离多假设降低了不确定性,故该算法的滤波精度高于高斯-厄密特滤波和扩展卡尔曼滤波.     

基于多传感器协同的自适应联邦滤波跟踪算法

为了充分利用多传感器的冗余信息实现高精度跟踪，提出了一种带有离群点检测的冗余信息自适应联邦滤波跟踪算法。首先，在信息分配阶段，针对冗余信息设计了一种自适应信息分配因子，提高了信息分配效率；其次，在信息融合阶段，为了降低误差数据对跟踪结果的影响，提出了一种离群点检测算法，针对存在相关性且服从高斯分布的数据，通过D-S证据理论综合所有滤波器的判断评估数据是否为离群数据；最后，使用线性最小方差估计进行融合，得到更为精确的最终估计结果。仿真验证了所提算法具有更好的跟踪精度和鲁棒性。     

基于传感器网络的分段线性拟合跟踪算法研究

对基于无线传感器网络(WSN)的目标跟踪机制进行了研究,采用一种分段线性拟合的方法对做正弦运动的目标进行跟踪,该方法是利用目标位置历史数据序列建立直线方程,用此直线方程预测目标未来时刻的位置及速度,实现对目标实时预测.仿真试验结果表明,该方法与滑动窗多项式拟合法相比具有计算量小、精度高的优点,更加有利于实现对目标的跟踪.     

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。     

多传感器环境下目标跟踪的方位配准方法

通过建立传感器无误差和有误差情形下的坐标之间的转换关系，用方位偏差扩展目标状态向量．利用扩展卡尔曼滤波器估计这种偏差，并用估计偏差对传感器测量进行校正．仿真实验结果表明这种方法是有效的．     

纯方位观测的航迹不变量目标跟踪算法

针对单站纯方位观测系统的目标跟踪问题,提出了一种新的单站纯方位目标跟踪算法．通过新提出的余切关系定理,解决了单站纯方位观测的非线性问题．推导了目标航向角估算公式及目标航迹的不变量,利用这个不变量估计目标方位．针对多站纯方位异步观测的目标跟踪问题,提出了一种新的双站纯方位异步观测目标跟踪方法,利用两个观测站与目标的几何关系估计目标位置．仿真实验表明,本算法能有效地实现纯方位目标跟踪．     

基于RTX的目标跟踪算法性能评估系统

针对目标跟踪算法性能的评价,设计一种基于RTX的目标跟踪算法性能评估系统。该系统采用基于Windows+RTX的实时架构,通过对仿真转台的控制,使图像传感器以预设的规律运动,得到测量值与对应的运动轨迹标准值,最终输出测量值与标准值间的误差均方根作为评价标准。实验结果表明,该系统实现了在现实环境下对目标跟踪算法进行性能评估并给出精确的跟踪误差。     

红外导引头边缘模板匹配跟踪算法研究

实时目标跟踪是当前红外成像导引头图像处理中的关键技术,文章提出了基于特征点邻域的边缘模板匹配目标跟踪算法,该算法从红外图像中获取特征点,以特征点为中心选取参考模板,然后利用边缘检测算法获得边缘点集,最后使用改进的Hausdorff距离测度进行边缘点集的匹配,.从而实现实时目标跟踪.文章深入分析和探讨了模板的选取原则和提高算法实时性的四项措施.仿真实验测试证明,该方法能够很好的解决跟踪点滑动和漂移的问题,并满足实时性要求,跟踪稳定.     

一种快速红外人体轮廓跟踪算法

为实现红外图像序列中人体轮廓的精确跟踪,提出了一种基于快速水平集的新算法.首先,在目标区域及其邻近背景区域带上,而不是在整个图像平面上,采用模式分类中的最近邻决策思想来构建快速水平集算法的速度函数;然后,采用基于动态邻近区域的快速水平集来演化目标边界曲线以实现目标的轮廓跟踪.实验结果表明,该算法能适应目标尺度的变化、目标的分裂或合并,并获得人体的精确轮廓.     

红外图像实时在线离线跟踪算法研究

大多数基于目标检测的红外图像目标跟踪算法采取基于时空一致性在线模型更新策略。然而,当所跟踪的目标发生形变、快速运动和受到遮挡时,在线模型更新过程会受到不同程度的干扰而导致目标跟踪失败。基于孪生网络的离线模型跟踪策略则能够在目标发生扰动的情况下保持其外观模型的不变性。然而,在跟踪速度上与在线模型更新策略差距较大。提出了目标跟踪过程中的跟踪错误检测方法将在线和离线目标模型更新方法相结合,该检测方法通过基于联合响应图的离散度测量来联合2类模型更新方法,并能根据当前目标跟踪状态自动在2种模型更新方法中切换,有效地解决了跟踪算法实时性与鲁棒性的平衡问题。所提出算法在VOT-TIR-2015数据库的实验结果显示相比原有算法Staple和Siam FC在跟踪成功率上分别提高3.3%和3.6%,在跟踪精度上分别提高3.8%和5%,同时保证跟踪的实时性。     

强背景噪声下红外目标的鲁棒性跟踪算法

提出了一种将边缘检测与改进Mean Shift 算法相结合的红外目标跟踪算法．初选了原始红外图像边缘后,再利用非线性边缘检测算法进行处理,有效地消除了原始红外图像中的大部分噪声,并能获取高质量的图像边缘信息．在此基础上,采取更新目标模型、目标模板背景加权以及候选目标区域核加权的方式改进Mean Shift算法,以增强Mean Shift算法跟踪目标的稳定性及对背景噪声的鲁棒性,从而实现强背景噪声下运动红外目标的快速、准确跟踪．实验结果表明,该算法不仅计算量较少,提高了跟踪速度,而且对背景噪声有很强的鲁棒性．     

基于视频跟踪的图像滤波算法分析

为寻求解决视频跟踪系统中复杂背景干扰问题的方法,综述了图像滤波算法中的一些基本算法,分析了图像滤波中的一些经典算法,并讨论了混合滤波方法,指出混合图像滤波方法是目前算法发展的趋势.     

两种外辐射源雷达跟踪算法性能分析

针对以调频广播电台为辐射源的无源雷达跟踪精度较低的问题,将到达时间定位方法分别与扩展卡尔曼滤波和粒子滤波算法结合来提高跟踪精度．分析了高斯噪声环境、闪烁噪声环境及雷达布站方式对两种算法跟踪精度的影响,并比较了两种算法的运算时间．仿真和实测数据表明：粒子滤波算法更适合于闪烁噪声环境下的跟踪,而扩展卡尔曼滤波能满足实时处理的要求．另外,合理的雷达布站方式可进一步提高无源跟踪精度．     

多传感器跟踪型数据滤波融合算法

在实际系统中，常用的数据融合方法是基于扩展的卡尔曼滤波法的融合算法，但是这种融合算法的跟踪精度并不是很高，通过对滤波跟踪数据融合的研究，提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法，研究表明，在利用激光干涉仪进行目标跟踪时，这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法，但是，从仿真结果可以看出，两种融合算法的差别并不大，结果基本相同，因此，在非线性系统中，基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。     

基于HHT的矢量传感器瞬态信号方位估计

针对瞬态信号存在时间短、变化快,传统的信号处理方法很难对其进行方位估计的问题,将希尔伯特-黄变换与矢量信号处理相结合应用到水声领域,提出了矢量希尔伯特-黄变换的方法.利用希尔伯特-黄变换获取信号的瞬态信息,结合矢量信号处理宽带方位估计提出了矢量瞬时方位估计的概念,在此基础上发展了矢量希尔伯特-黄变换水声应用的理论框架.海试表明新理论在瞬态信号处理和单矢量传感器目标方位估计方面,其性能比常规方法有了明显的提高.     

无线移动传感器网络的分布式目标跟踪算法

为了满足无线移动传感器网络(WMSN)的目标跟踪应用要求,提出了一种分布式目标跟踪算法,可使用节点引导保证WMSN的网络动态连通性;在传统分布式数据融合体系结构的基础上结合平均一致性滤波器实现了低通信开销的优化分布式数据融合．仿真结果表明,该算法在WMSN中目标跟踪效果良好,且数据融合性能优于传统分布式数据融合算法．