双光斑交叉目标跟踪方法研究

为了解决交叉目标跟踪中相关系数矩阵的多峰性引起的目标模糊对应问题，提高状态估计的精度，提出了一种通过估计双光斑交叉目标形状参数来辨别目标，进而完成目标状态估计的方法─ＯＤＡＭＣＦ（ＯｐｔｉｍａｌＤａｔａＡｓｓｏｃｉａｔｉｏｎＭｅｒｇｅｄ－ｍｅａｓｕｒｅｒｎｅｎｔＣｏｕｐｌｅｄＦｉｌｔｅｒ）算法。实验表明，对于像喷气式发动机或导弹尾焰产生的红外高斯图像，形状参数估计的结果是精确的，能较有效地解决目标的模糊对应问题，提高了目标状态估计的精度；     

基于信号拟合和目标跟踪的正侧视雷达无模糊径向速度估计

最小可检测速度和最大无模糊速度之间的矛盾是空时自适应处理（STAP）、沿航迹干涉（ATI）等传统处理方法不能完全解决的问题。文中研究机载多通道正侧视雷达在不具备波束扫描能力情况下的运动目标无模糊速度估计问题。通过测量运动目标在方位子驻留间的距离变化实现无模糊的径向速度粗估计,然后在修正的单次快拍信号模型基础上利用运动目标导向搜索提高估计精度。仿真分析和实测数据处理表明该算法能有效解决测速模糊问题和对运动目标进行正确定位．     

多扩展目标的高斯混合概率假设密度滤波器

针对多扩展目标跟踪中状态信息难以估计的问题,提出了一种可以估计扩展目标运动状态和形状信息的多扩展目标高斯混合概率假设密度(RHM-GMPHD)滤波器。首先利用描述凸星形扩展目标量测源分布的随机超曲面模型和传感器量测方程,建立扩展目标运动状态及形状信息与量测之间关系的伪量测函数;然后结合扩展目标状态预报信息,推导了扩展目标状态更新方程,递推地对扩展目标运动状态及形状信息进行估计跟踪。此外,还建立了Jaccard距离来度量RHMGMPHD滤波器对目标形状的估计性能。与联合概率数据关联(JPDA)滤波器和GMPHD滤波器相比,RHM-GMPHD滤波器不仅可以估计凸星形扩展目标的形状信息,并能有效提高对目标数和运动状态的估计精度。仿真实验表明,RHM-GMPHD滤波器对质心估计的均方根误差分别约为JPDA和GMPHD滤波器的1/3和1/2,对目标数的估计接近真实值,对形状估计的Jaccard距离一般小于0.2。     

基于模糊逻辑四元数的平方根UKF算法

针对目标跟踪估计算法中,利用传感器离散观测建模并估计目标连续状态,进行导航解算时滤波精度低,及传统四元数扩展卡尔曼滤波算法无法满足目标姿态测量精度要求等问题,文中提出一种基于模糊逻辑四元数的平方根UKF姿态估计算法.该算法将四元数作为模糊逻辑UKF滤波器状态,应用测量的角速率完成滤波器的时间更新及量测更新,采用模糊逻辑的平方根协方差形式作为更新参数,既降低了算法的计算量和复杂度,又保证了数值的稳定性.文中还以近地卫星为例,在Matlab和C++软件上进行了仿真实验.实验结果表明:文中所提算法可保证对机器人和特征的姿态控制估计精度;可对目标实时跟踪定位并进行量测更新,抑制了姿态误差发散问题.     

杂波环境下机动输入序列和量测序列的联合最优估计

为了提高在杂波环境下跟踪机动目标的精度,提出了一种新的基于期望极大化（EM）算法的机动目标状态估计方法,首先建立了基于EM算法的最大后验概率意义下的状态估计数学模型,然后采用离散优化技术解决EM算法中的极大化问题,最终确定出作用于系统的实际机动输入序列,同时分离出源于目标的量测序,进而获得对目标状态更精确的估计,它有效地解决了最大后验概率状态估计中的不完全数据问题,Monte-Carlo仿真结果表明,新算法比传统的交互式多模型概率数据关联算法具有更优越的跟踪性能。     

神经网络识别分类中交叉模糊问题的研究

针对神经网络在分类问题研究中出现的交叉模糊问题，提出误差比对法对模糊问题加以解决。以BP网络对TBM和诱饵进行分类识别为例，分析表明该方法精度可靠，可望较好地解决分类问题中的模糊问题。     

基于期望极大化算法的转弯机动目标跟踪

针对目标做转弯机动时产生的运动模式的不确定性问题，提出了基于期望极大化（EM）算法的转弯机动目标跟踪算法，采用转弯速率来描述目标的转弯机动，并将转弯速率作为待估量，用EM算法对转弯速率序列进行估计，从而获得对目标状态的精确估计．最后，给出了该算法的批处理形式和递推形式．新算法有效地提高了目标的跟踪精度．Monte—Carlo仿真表明，与标准的交互式多模型算法相比，批处理EM算法使目标的位置和速度的跟踪精度提高了70％以上，当转弯速率处于稳态时，递推EM算法使目标的位置和速度的跟踪精度提高了20％以上．     

无线传感器网络下的粒子滤波分布式目标跟踪算法

针对无线传感器网络环境下的机动目标跟踪问题,提出了一种描述目标机动加速度的目标状态空间模型,以此模型为基础开发出基于粒子滤波的单目标和多目标跟踪算法.基本思想是:在状态空间中通过寻找一组传播的随机样本来获得近似后验概率分布,并以样本均值代替积分运算,从而求得最小状态方差估计.仿真结果表明,所提算法可以较好地解决无线传感器网络环境下的机动目标跟踪问题,速度跟踪精度、机动加速度跟踪精度均较经典分布式粒子滤波算法分别提高20%、27%.     

基于模糊神经网络融合的目标自适应跟踪算法

为解决基于“当前”统计模型的自适应滤波器对弱机动,特别是非机动目标跟踪精度下降问题,提出基于模糊神经网络的目标自适应跟踪算法,对并行工作的两滤波器进行数据融合.仿真结果表明:与一般自适应算法相比,该算法对各种机动程度的目标跟踪精度均有不同程度的提高,能更好地适应目标的各种运动形式,尤其适用于对目标的速度和加速度估计精度要求较高的场合,在指控、火控系统中具有实用价值.     

地面运动目标不模糊径向速度估计的方法

针对在多通道合成孔径雷达地面运动目标检测系统中采用常规测速方法估计运动目标径向速度时产生模糊的问题,提出了一种联合斜距历程和干涉相位的不模糊速度估计方法(JRHIP).首先利用多重信号分类算法对目标的距离频域数据进行超分辨处理,然后对目标与雷达之间的斜距历程进行多项式拟合,利用斜距历程多项式一次项系数与目标径向速度的对应关系得到不模糊、精度略低的径向速度,再求解干涉相位的2π模糊次数,然后通过解模糊后的目标干涉相位得出正确的径向速度.JRHIP方法充分利用了斜距历程测速的不模糊性和干涉相位测速的高灵敏性,且没有增加系统硬件的复杂度.实测数据处理结果表明,在目标径向速度较大导致干涉相位产生模糊时,JRHIP方法仍然能够得到准确的径向速度,进而完成对目标的正确定位.     

用于移动机器人多目标跟踪的混合条件随机场

根据移动机器人系统多目标跟踪的特点,提出了一种包括运动检测、数据关联和目标状态估计3个层次的多目标跟踪混合条件随机场.作为一种辨别式模型,该混合条件随机场模型允许状态与数据之间存在非局部的依赖关系,不仅可以利用目标的运动信息和局部形状信息提高多目标跟踪中数据关联的精度,而且可以利用多次观测数据检测新目标,实现新目标检测...     

采用随机矩阵的多扩展目标滤波器

针对杂波环境下多扩展目标的运动状态和形状信息的联合估计跟踪的问题,提出了一种基于随机矩阵的扩展目标跟踪算法。该算法采用具有噪声基于密度的空间聚类(DBSCAN)划分与预测划分相结合的联合划分算法对量测集进行划分,然后采用联合概率数据关联(JPDA)的软关联思想建立量测簇与扩展目标之间的对应关系,最后采用随机矩阵法对扩展目标进行估计获得运动状态和形状信息,特点是:将量测集划分为互不相交的几个簇,以使每个簇中的量测源于同一目标或杂波;建立量测簇与扩展目标之间的关联关系及状态更新。联合划分算法与DBSCAN划分的比较仿真实验表明,在有距离相近目标时采用联合划分算法比采用DBSCAN划分的滤波器的跟踪效果好得多。所提多扩展目标滤波器与ET-GMPDH滤波器的仿真实验表明,所提算法有较高的跟踪精度、较大的检测概率及较小的虚警概率。     

基于Radon变换的SAR地面运动目标径向速度估计

合成孔径雷达(SAR)地面动目标径向速度导致的Doppler模糊和频谱分裂会严重影响对其检测和速度估计的性能。为此,该文提出一种基于Radon变换(RT)的方法来高效准确地解决Doppler模糊和频谱分裂,实现Doppler中心和径向速度的准确估计。该方法首先基于雷达和平台参数计算目标可能模糊数对应的距离走动倾斜角,确定"模糊数-角度"对应关系;进而基于实测数据计算各先验角度RT值,搜索最大值获取模糊数。同时,提出了Doppler频谱检测器解决频谱分裂问题,可结合能量均衡法准确估计基带Doppler中心和目标径向速度。数值仿真试验结果证明了该方法的有效性。     

模糊信息优化处理技术在决策支持系统中的应用

提出用模糊信息优化处理技术解决决策支持系统中的非参数输入问题，实践证明，把正态扩散估计方法用于模糊输入可不断提高系统的精度，具有较强的实用价值。     

高斯混合扩展目标多伯努利滤波器

针对杂波环境下多扩展目标跟踪中数据关联过程复杂的问题,提出一种可同时估计扩展目标状态和目标数的高斯混合扩展目标多伯努利(GM-ET-MBer)滤波器,该滤波器无需对测量与扩展目标进行关联。首先采用伯努利随机有限集和泊松随机有限集分别描述扩展目标的状态和观测;然后结合扩展目标状态的预测信息,推导了扩展目标状态的更新方程,并在线性高斯条件下采用高斯混合方法递推地对扩展目标的状态进行估计跟踪。与高斯混合扩展目标概率假设密度(GM-ET-PHD)滤波器相比,GM-ET-MBer滤波器有效地提高了对目标数的估计精度。仿真结果表明,GM-ET-MBer滤波器和GM-ET-PHD滤波器对目标数估计的标准偏差分别为0.267 3和0.395 3,可知所提滤波器对目标数的估计更稳定。     

立体视觉双目图像MAP的优化复原方法

为了有效地对立体视觉双目模糊图像进行复原,提出一种动目标双目图像MAP的优化复原方法,将双目运动模糊图像的复原问题转化为在模糊核路径关系约束下的双重循环MAP优化估计问题,在保证模糊核路径对应关系前提下,对双目图像进行去模糊。建立了双目图像模糊核路径的对应关系模型,将关系模型作为约束条件式,嵌入到基于模糊核和双目原图像的MAP优化估计过程中,通过双重循环迭代获取双目图像的模糊核和清晰图像。实验结果表明,该方法能够有效地去除立体视觉双目图像的模糊。     

改进的模糊层次分析法

目的 改进传统的层次分析法。方法 将互反型判断矩阵改为模糊一致性判断矩阵，并把和行归一法或方根法与特征向量法结合使用，提出了改进的模糊层次分析法。结果 指出传统的层次分析法往往会导致判断矩阵不满足一致性条件，需要检验和修正，而且计算精度不高。改进后的模糊层次分析法既解决了判断矩阵的一致性问题，又解决了解的收敛速度及精度问题，以此求得与实际相符的排序向量。结论 改进传统的层次分析法较传统的层次分析法更加完善和行之有效，并符合人们的思维逻辑，形式简单，准确，且易建立。另外，由优先判断矩阵改造而成的模糊一致性矩阵满足一致性条件，无需再进行一致性检验，同时也可大大减少叠代次数，提高收敛速度，满足计算精度的要求．从而为多目标决策提供了较为可靠的决策方法。     

对电网规划及优化探讨

针对遗传算法在进行多目标优化时，收敛速度慢且易早熟的问题，提出一种改进自适应遗传算法，改进了选择方法和终止判据，并对交叉和变异概率的选取进行了自适应处理。针对含分布式发电的配电网规划的多目标性。采用模糊理论引入总体满意度很好地解决了多目标归一化问题。仿真算例表明：改进的算法能有效地寻找到全局最优解，明显提高收敛速度，具有良好的自适应特性。     

基于动态规划的雷达弱目标检测前跟踪算法

针对中重频雷达弱目标检测的距离-多普勒模糊问题,提出了一种基于动态规划的检测前跟踪算法。在多重频工作模式下,将目标的状态分解为模糊状态和模糊数两类变量,将解模糊问题转变为对模糊状态和距离-多普勒模糊数的联合估计问题。对每个单重频雷达数据都采用动态规划算法估计目标状态并获取目标最大的航迹能量。最后采用余差查表法解距离-多普勒模糊并回溯目标真实航迹。仿真结果表明,在存在距离-多普勒模糊的情况下,该算法对雷达弱目标具有很好的检测性能。     

一种用于运动跟踪的加窗粒子滤波新算法研究

为了提高粒子滤波算法在视频跟踪中的性能,在基本粒子滤波算法的基础上,采用窗口滤波更新粒子集合,根据对目标位置估计的情况动态更新粒子集合大小,得到一种改进的粒子滤波算法--加窗粒子滤波算法.该算法利用估计窗内的混合抽样粒子集描述后验分布,通过对估计窗内具有不同权值的粒子集依据其权值大小进行抽样,并根据当前观测值对抽取的粒子状态进行更新,实现对目标的跟踪.仿真实验结果表明:这种跟踪算法在不影响跟踪精度的情况下,大大减少了计算量,较好地解决了视频目标跟踪这一非线性非高斯状态在线估计问题.