基于微分信息融合的Mean Shift改进跟踪算法

为提高传统均值漂移算法对低对比度图像的跟踪性能,提出一种融合图像微分特征信息的改进算法。根据图像8邻域微分值建立微分图像,利用微分特征建立目标模板和候选区域的微分直方图模型,并确定候选区中心位置的更新向量。将其与利用颜色特征信息确定的候选区中心位置的更新向量相融合,得到改进算法的更新向量。图像的微分信息包含了图像的细节信息以及像素的相对空间位置信息,提高了模型建立时信息的利用率,能够提高目标模型的建模精度。仿真实验结果表明,与传统均值漂移算法相比,改进算法在复杂的背景情况下具有更强的抗干扰性能,能够有效提高目标跟踪的稳定性。     

Mean Shift算法优化带宽的自动搜索

Mean Shift算法是一种非参数估计方法,能够快速收敛到概率密度函数的模态,在图像处理领域已得到了广泛的应用。算法的带宽参数的选取会直接影响到收敛速度和收敛结果,而手动调试参数需花费大量的时间和资源。为解决这一问题,提出一种Mean Shift算法优化带宽自动搜索策略,采用Mean Shift算法对图像特征空间内的样本点进行聚类分析,以图像结构特征信息作为分割效果的评判准则,自动寻取优化带宽参数。实验结果表明,提出的方法可以实现自动寻取Mean Shift算法的优化带宽参数,为解决Mean Shift算法带宽自寻优问题提供了一种新的思路。     

基于Mean Shift模型的多粗差探测RAIM算法

针对当前接收机自主完备性监测(receiver autonomous integrity monitoring,RAIM)算法中存在多粗差探测识别能力较弱、计算效率不足等问题,提出一种基于Mean Shift(MS)模型的多粗差探测RAIM算法。首先利用QR奇偶检校法构建样本数据集和QR检验向量;其次基于MS模型估计样本密度中心,并以此作为MS检校向量,使用观测向量与MS检校向量的距离来评价观测值可靠程度,从而确定异常观测卫星;最后联合观测向量、MS和QR检校向量构建基于距离关系的权系数函数,对多个异常观测进行处理。实验结果表明,基于MS检校向量的粗差判别方法在多粗差存在的情况下,具有更灵敏的粗差识别能力;相比最小二乘残差法,新型RAIM算法改善了多粗差探测识别能力和计算效率,可有效提高多系统融合单点定位的可靠性。     

跟踪窗自适应的Mean Shift目标跟踪算法

针对Mean Shift算法不能很好地跟踪尺度变化目标的缺点,提出一种将Mean Shift算法和目标几何特征相结合的目标跟踪算法。该方法在Mean Shift框架下提取目标的几何特征,根据目标的面积和型心坐标对跟踪窗的位置和大小进行修正,最后更新Mean Shift的目标模板。通过大量实验仿真证明,改进的算法能很好地跟踪尺度变化的目标,对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性。     

基于BSBL-BO算法的DME脉冲干扰抑制方法

针对测距仪(distance measure equipment, DME)信号干扰L频段数字航空通信系统1(L-band digital aeronautical communication system 1, L-DACS1)正交频分复用(orthogonal frequency-division multiplexing, OFDM)接收机的问题, 提出基于块稀疏贝叶斯学习-边界优化(block sparse bayesian learning-the bound optimization, BSBL-BO)算法的DME脉冲干扰抑制方法。首先, 利用OFDM接收机空子载波不传输有用信号的特点构造针对DME脉冲干扰信号的压缩感知模型; 然后基于BSBL-BO算法重构DME脉冲干扰信号; 最后在时域进行干扰消除。仿真结果表明, 该方法比已有的脉冲干扰抑制方法具有更高的重构精度和更快的运算速度, 进一步降低了OFDM接收机的误比特率, 提高了L-DACS1系统前向链路传输性能。     

基于像素向量消除的穿墙雷达杂波抑制算法

常见的回波域算法在处理穿墙成像中的杂波抑制问题时,杂波滤除不够彻底,致使信杂比和目标准确性较低,严重影响目标检测与识别等后续处理.为解决这一问题,从图像域中寻找杂波像素和目标像素的区分特征,以离散系数实现对像素向量离散程度的定量化,以图像强度和剩余像素均值构建杂波抑制的评价体系,通过主杂波抑制和目标聚焦依次消除离散系数...     

基于波形特征的外辐射源雷达杂波抑制算法

在正交频分复用(orthogonal frequency division multiplexing,OFDM)波形外辐射源雷达系统中,相对于直达波和多径回波,目标回波的功率要微弱许多,因此多径杂波抑制是此雷达信号处理的一项关键技术。许多时域自适应滤波算法被用来抑制直达波和多径回波,但往往存在滤波器阶数过多,或计算负担过高的问题。基于OFDM波形的多载波调制特性,提出了分载波自适应滤波算法,相比于常规时域自适应滤波算法,能够有效降低滤波器阶数和计算复杂度,简单且高效。以基于OFDM调制原理的数字调幅广播外辐射源雷达为例,详细介绍了分载波递归最小二乘和分载波归一化最小均方算法的自适应滤波原理和过程,并基于仿真和实测数据分析比较了常规时域自适应滤波算法和分载波自适应滤波算法的性能差异。     

基于冗余量测的GNSS多路径误差抑制算法

针对惯性/卫星组合导航系统中,全球卫星导航系统(global navigation satellite system,GNSS)量测受多径效应影响的问题,提出了一种基于冗余量测的GNSS多径误差抑制方案。该方案包含了一个基于量测新息的GNSS多径误差卡方检验器和一个自适应Kalman滤波器。首先,通过卡方检验来判断量测新息零均值的特性丧失与否以检测GNSS量测中的多径误差。当检测到量测中存在多径误差时,自适应滤波器根据惯性导航系统的冗余量测估计出当前GNSS测量噪声协方差阵,以合理调节量测权重,增强滤波性能。最后,通过仿真与实际跑车试验,验证了该方案能够有效抑制GNSS多径误差,提高了导航精度。     

基于捷变频联合数学形态学的干扰抑制算法

数字射频存储器(digital radio frequency memory, DRFM)通过截获雷达发射信号并对其进行调制和转发,在距离维上形成欺骗式干扰,严重影响了雷达对目标的检测与跟踪。针对这一问题,提出一种捷变频联合数学形态学的密集假目标干扰抑制算法。首先,采用最大类间方差法(Otsu)对脉冲压缩后的数据进行二值化处理。然后,通过数学形态学中的开运算抑制干扰和噪声。最后,通过二维稀疏重构获得距离-速度二维高分辨,实现对目标的检测。仿真实验与实际雷达和干扰机对抗实验表明,该方法可以获得良好的抗干扰性能和目标检测性能。     

基于频域干扰剔除的OTHR射频干扰抑制算法

目前,天波超视距雷达(over-the-horizon radar,OTHR)大多是在空域或匹配滤波后的时频域抑制射频干扰,往往会同时抑制掉射频干扰附近的目标。考虑到在匹配滤波后,射频干扰与目标信号都是近似单频信号难以区分;而在匹配滤波前,目标信号是宽带的线性调频信号,而射频干扰是近似单频的窄带信号,射频干扰与目标信号显著不同,易于分离。基于该特点,提出了一种基于匹配滤波前的频域干扰置零的射频干扰抑制算法。该算法在频域中检测射频干扰的频点位置并将该频点的信号成分置零,最后变换到时域实现射频干扰抑制。与传统方法相比,本文所提算法在抑制射频干扰时基本不损害目标信号。实测数据的处理结果验证了所提方法的优越性。     

基于两级采样的粒子滤波检测前跟踪算法

针对粒子滤波检测前跟踪算法中高维状态采样效率低的问题,提出了一种基于两级采样的粒子滤波检测前跟踪算法。根据状态向量中各分量对量测有无直接影响,把粒子的高维状态采样转换为两个序列低维采样,提高了粒子采样效率,进而可获得更高的检测概率和估计精度。仿真结果验证了算法的有效性。     

基于椭圆RHM的扩展目标伯努利滤波算法

与传统点目标跟踪不同,扩展目标跟踪既要估计目标的运动状态,还需估计目标的扩展状态,包括目标的形状、大小、方向等信息。针对扩展目标跟踪中存在的扩展状态估计不准确和非线性问题,提出一种基于随机超曲面模型(random hypersurface model, RHM)的扩展目标伯努利滤波算法。该算法首先采用RHM对目标量测源建模;然后,在扩展目标伯努利滤波框架下,实现对单扩展目标运动状态和扩展状态的实时估计;最后,引入Gamma分布以提高量测率估计的准确性。此外,为了降低计算复杂度,在量测更新中采用距离划分来减少所有可能的划分总数。实验结果表明,所提滤波算法在估计目标运动状态、扩展状态和量测率等方面优于现有的滤波算法,并且可用于实际视频跟踪场景。     

基于粒子滤波器的移动目标定位算法

在实时定位系统中,为了获得较准确的定位,常常需要使用粒子滤波器对测量值中的非高斯噪声进行处理.然而,现存的基于粒子滤波的定位算法大多只是将其用于处理计算出的坐标值,而很少用于处理原始测量值.本文比较分析了粒子滤波器的不同应用层次对定位精度的影响,并采用NanoLOC开发套件和WiFi开发套件进行了定位实验.结果表明,将粒子滤波器应用于原始测量值能获得更好的定位精度.     

基于时域滤波的点目标检测算法

当红外预警系统对低空飞行的运动目标进行检测时,由于云杂波的存在,系统的检测性能会受到严重影响。分析了云层背景下目标和云层在探测器上的时间响应特性,建立了四种类型的像素点时域模型。并以这四种时域模型为基础,提出了云层背景下点目标的时域检测算法。理论分析和实验结果表明,新算法能有效检测出各种云层背景下的点目标。     

基于形态滤波与遗传算法的目标检测技术

针对红外图像背景复杂及点目标容易被淹没的问题,提出一种采用形态滤波与遗传算法相结合的目标检测新算法。该方法利用遗传算法的全局寻优能力对形态滤波结构元进行优化,以增强形态滤波对目标的检测与识别能力。为克服算法运算量大,实时实现困难的缺点,同时开展了基于DSP的实时信号处理器的研制及相关实验研究。试验结果表明,该方法能实时有效检测信噪比为2左右的点目标。     

基于BDWT的运动目标识别及Mexico小波核mean shift跟踪算法

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法.针对帧间差分提取运动目标的缺陷与不足,提出了一种基于二进小波变换的运动目标识别算法,即直接在二进小波变换域提取运动区域,从而检测出运动目标.对于检测出来的运动目标,对mean-shift跟踪算法进行了改进,采用以Mexico小波核函数自适应mean-shift算法对目标进行跟踪.实验结果表明,提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响.本算法具较高的实用价值和应用前景.     

基于量子遗传算法的滤波器参数优化

针对传统模拟滤波器设计对于较为复杂的目标需求往往精度与效率均较差的问题,提出一种基于量子遗传算法(quantum genetic algorithm,QGA)的模拟滤波器优化设计方法。量子遗传算法是量子计算理论与进化理论相结合的产物,同传统遗传算法(classical genetic algorithm,CGA)相比具有种群多样性好、收敛速度快和全局寻优能力强的特点。引入QGA算法对滤波器参数进行寻优。通过采用自适应的量子旋转角调整策略并引入量子交叉、变异及群体灾变操作,提高了算法的搜索效率,降低了算法出现早熟的可能性。实例计算表明了算法在该类问题中的有效性和可行性。