一种可行的临近空间高超声速目标航迹起始方法

针对传统算法在临近空间高超声速目标航迹起始中存在的问题,提出了一种可行的多规则快速航迹起始方法.在分析临近空间高超声速目标特性的基础上,首先通过高度约束和速度约束减少杂波干扰,建立可能航迹,然后利用速度约束和加速度约束建立候选航迹,最后通过角度约束来剔除V字形航迹和确定真实航迹,并进行了Monte Carlo仿真.结果表明:该方法能够在杂波环境下对临近空间高超声速目标进行航迹起始,并且正确航迹起始概率高,虚假航迹起始概率低,平均航迹起始时间短,具有较好的工程应用前景.     

一种基于改进快速Hough变换的远程雷达航迹起始方法

针对标准Hough变换起始方法在多目标密集杂波环境虚警率较高和实时性较差的问题,设计了一种快速的Hough变换航迹起始算法,参考了目标的运动情况,采用新的序列采样方法,制定采样终止规则有效减少了计算过程中的采样次数,从而保证了该算法在满足一定的航迹起始成功率前提下,提高了航迹起始的效率。实验证明,该算法可以识别虚假航迹点,起始真正的雷达目标航迹,同时缩短航迹起始的计算时间,可以在雷达信号处理领域中广泛应用。     

临近空间高超声速目标断续点迹航迹起始方法

针对雷达探测临近空间高超声速目标受到雷达散射截面(RCS)随照射姿态异常分布、目标高速高机动飞行和大气环境等的影响,容易出现断续点迹,导致航迹起始困难的问题,提出了一种基于并行流水线的可变波门航迹起始方法.通过分析传统航迹起始方法存在的问题,结合临近空间高超声速目标的机动特性,设计了针对性更强的相关波门,采用流水线思想,并行执行针对不同周期出现断续点迹的航迹起始进程,实现多目标断续点迹的航迹起始.蒙特卡罗仿真结果表明:新方法正确航迹起始概率高,虚假航迹起始概率低,计算量小,具有一定工程实践性和可推广性.     

基于乌贼算法的无人机航迹规划

乌贼算法是一种新型的启发式仿生优化算法。提出了一种基于乌贼算法的无人机航迹规划算法。所构建的概率地图采用概率密度函数来对各种威胁源进行建模,非常适合表述战场环境的不确定特性。乌贼算法与传统的启发式算法相比,拥有更快的收敛速度。在此基础上设计的基于乌贼算法的概率地图航迹规划算法能够有效的缩小概率地图的规划空间,使得航迹规划搜索范围减少、时间缩短。仿真实验表明,该方案比传统概率地图航迹规划方法更能满足无人机航迹规划的要求。     

多雷达多目标航迹起始算法研究

提出了一种基于聚类分析与逻辑法相结合的集中式多雷达航迹起始算法。首先采用聚类算法对传送到融合中心的数据进行聚类,使每一类中的数据代表同一个目标,并找出聚类中心作为等价的单雷达的量测,从而使航迹起始过程相对简化;在起始算法中根据目标的运动特点,对逻辑法进行了一定的改进。仿真试验证明了该算法的有效性。     

基于蚁群聚类的多目标跟踪航迹起始方法

针对杂波环境下的航迹起始的NP难问题,提出了一种基于蚁群聚类的数据关联方法.为每个测量数据赋予给定的特征值,利用基于拾起和放下的蚁群聚类算法确定所需起始目标航迹数目,利用模糊蚂蚁聚类算法提取目标航迹.数值仿真结果表明:在杂波密度稀疏、目标交叉运动的条件下,目标航迹起始的成功率为100％,最大运行时间为2.131 s;在密集杂波条件下,航迹起始的成功率为100％,最大运行时间为12.378 s.     

基于直觉模糊的双门限航迹关联算法

为解决在密集目标环境和出现交叉航迹的情况下,航迹的统计关联方法关联正确概率降低,不能准确地对目标航迹进行正确相关的问题,根据传统的模糊双门限航迹关联方法,将非隶属度函数引入其中,提出了一种基于直觉模糊的双门限航迹关联算法。根据关联特点,确立了隶属度函数和非隶属度函数;利用蒙特卡洛仿真,对2部雷达观测的存在交叉的航迹进行关联,并与传统的模糊双门限航迹关联算法进行了对比,结果表明:在密集航迹情况下,该算法相比传统的模糊双门限航迹关联算法正确关联概率从45.1%提高至49.8%,该改进算法能够更好地适应密集航迹的关联。     

Hough变换在航迹起始中的应用

为了在重杂波区内检测出运动的目标 ,提出了一种改进的 Hough变换算法用于初始航迹的建立。通过检测在变换后参量空间的积累程度 ,可以识别处于匀速运动的目标。同传统的 Hough变换算法相比 ,设计中选取了更为合适的变换参量 ,改进了原算法中性能随距离变化的缺点。解决了跨相邻图元造成积累丢失 ,推算并验证了航迹起始的检测概率及虚警概率。该算法充分利用了目标在采样时间段内的累积信息 ,具有简化的检测手段 ,和良好的检测性能     

基于贪心策略的多目标跟踪数据关联算法

针对多目标跟踪中数据关联问题,提出一种新的数据关联方法,该算法先计算航迹和点迹的欧式距离以及其状态向量的在1范数下的距离,并将两者的和作为关联测度,构建关联概率矩阵.根据关联概率矩阵,对每条航迹都找到最适合(关联概率最大)的点迹,若点迹只是一条航迹的候选点迹则予以更新,若点迹是多条航迹的候选点迹,则选择其中概率最高的一条航迹予以更新.蒙特卡罗仿真表明,该算法在最大程度上保证了对每条航迹更新的点迹尽量是当前所有点迹中最优的点.     

压制干扰下雷达网点目标概率多假设跟踪算法

针对压制干扰下雷达网跟踪中使用概率多假设跟踪(PMHT)算法航迹丢失率高的问题,提出了一种基于数据压缩的雷达网点目标概率多假设跟踪(DC-PPMHT)算法.该算法先将各雷达在压制干扰下由于检测概率下降出现目标暂消的量测数据在空间对准后进行串行合并和点迹合成,并计算数据压缩后各量测点迹的检测概率,然后把计算得到的压缩点迹和检测概率送入点目标PMHT滤波器中进行跟踪.DC-PPMHT算法在压制干扰下的雷达网跟踪中可以降低航迹丢失率,提高航迹跟踪的精度.仿真结果表明,与PMHT算法相比,DC-PPMHT算法在各雷达采取抗干扰措施前、后的航迹丢失率分别降低了4.7％和1.2％.     

粒子以概率收敛的粒子群算法的分析与实现

粒子群算法的收敛过程是通过粒子向收敛目标点的移动实现的。粒子向目标点的移动既可以按一定的轨道实现,也可以按给定的概率密度随机移动实现。通过分析随机移动时概率密度函数所应遵循的条件,给出了两大类共四种符合要求的概率密度函数,使用随机模拟的方法,将其中三种转化成为粒子的移动方程,从而给出了不同于传统粒子群算法的三种算法。经过在相同条件下对三个标准测试函数的优化运算,除算法2外,算法1与算法3表现均显著优于标准粒子群算法。     

自适应模型集交互式多模型算法

针对交互式多模型(IMM)算法的目标跟踪精度问题,提出了一种自适应模型集IMM算法.利用IMM算法中的模型概率含义,并以此对模型集的收缩比例因子进行设计,这样模型集通过向中心模型收敛可完成自适应调整,而自适应调整过程能有效、实时地利用观测信息.仿真实验结果表明,所提算法能有效跟踪机动目标,而且比IMM算法的跟踪精度更高,但其受到目标机动模型的先验性的限制.     

基于颜色和边缘特征CAM Shift目标跟踪算法

针对连续自适应均值漂移(CAM Shift)目标跟踪算法只适用于特定颜色目标跟踪且容易受到光照变化影响和背景色干扰的缺点,提出了一种改进的CAM Shift目标跟踪算法。该算法采用颜色空间三基色权重直方图建立目标模型,并用目标边缘特征增加目标权重。首先通过颜色空间三基色均匀量化获得特征值,建立基于核函数概率密度估计的目标模型;然后用Sobel算子检测目标边缘特征,结合颜色特征,分别赋予不同的权重投影生成概率密度分布图;最后用MeanShift算法迭代寻找目标,并通过矩运算调整跟踪窗口大小和方向。实验结果表明:该算法可以有效跟踪多色彩目标,并能够抵御一定光照变化和大面积同色干扰的影响。     

一种改进的基于FCM的目标跟踪数据关联算法

为了克服杂波环境下对多目标进行数据互联时,计算量出现组合爆炸现象,提出了改进的基于FCM的多目标跟踪数据关联算法.将航迹的预测值转换到各个传感器的观测空间作为各自的聚类中心,利用目标属于所有量测的隶属度,来代替JPDAF中的关联概率,将多目标数据关联问题可转化为模糊聚类问题,进行关联计算.改进的基于FCM的多目标跟踪数据关联算法,有效地利用了目标状态估计中的历史信息,实现量测与航迹的关联.该算法克服了JPDAF算法计算量大的缺点,实现杂波环境下多目标数据互联.仿真结果表明了该算法的有效性.     

基于非均匀采样间隔的数据关联算法研究

针对工程中普遍存在的非均匀采样目标跟踪问题,给出了基于多扫描的后向递归概率数据关联算法实现过程,讨论了判断目标丢失的准则.对分别基于一维和多维扫描数据进行数据关联判决的不同算法的性能进行了仿真分析.仿真结果表明:在采样次数不变的条件下,和应用单扫描的PDAF算法相比,多扫描非均匀采样方法能够获得更好的航迹维持性能.当目标检测概率越大、杂波密度越大、目标机动性能越大时,非均匀采样和均匀采样方法航迹维持性能的差别越大.     

基于概率假设密度滤波的红外弱小目标跟踪

目标数未知或随时间变化是红外弱小目标跟踪技术的一个难题。为解决这个问题,提出了基于概率假设密度滤波的红外弱小目标跟踪算法。从数据关联的角度出发,将目标集看作随机集,利用概率假设密度滤波的数据关联算法实现目标数未知的红外弱小目标的跟踪。实验结果表明,在杂波环境下,概率假设密度滤波可以稳健地跟踪红外弱小目标的目标状态和目标数目。     

基于Camshift和Kalman滤波的仿人机器人手势跟踪

对仿人机器人MIR-1的双目视觉系统实现实时手势跟踪.通过颜色直方图反投影,将每帧RGB输入图像转换为二维的肤色概率分布图像,基于Camshift算法计算手势跟踪窗口的位置和大小,并用Kalman滤波预测手心位置,有效地解决了背景中大面积肤色干扰和手势部分被遮挡等问题.在仿人机器人MIR-1上完成的手势跟踪实验,验证了此方法的实用性和有效性.