修正并行式多传感器不敏多假设跟踪算法

为了有效解决非线性系统中的多传感器多目标跟踪问题,提出了一种修正并行式多传感器不敏多假设滤波算法。算法运用概率数据互联的思想对各传感器的估计量进行概率加权,克服了并行式多传感器算法的误差积累现象,得到了一种修正的多传感器并行式算法。各传感器中量测点迹与航迹的数据互联问题通过多假设方法予以解决,并通过不敏卡尔曼滤波器完成非线性系统中的目标跟踪。仿真结果表明,从跟踪精度及稳定性方面看,所提出的算法性能要优于MSJPDA/EKF算法。     

基于IMM的UK-GMPHDF算法在多机动目标跟踪中的应用

为解决非线性系统滤波的非线性和多机动目标跟踪问题,提出了一种基于交互多模型(IMM)的无迹卡尔曼实现的高斯混合概率假设密度滤波(UK-GMPHDF)算法.该算法结合了IMM算法对不同目标机动模型的自适应能力和UK-GMPHD滤波精度高、计算量小的优点.此外,滤波器利用UK-GMPHD滤波,不仅避免了难以解决的数据关联问题,而且可以联合估计目标数和目标状态.在非线性系统和杂波环境下,通过对多机动目标跟踪的应用仿真,将该算法和基于单模型的UK-GMPHDF算法进行了比较,仿真结果表明了基于IMM的UK-GMPHDF算法具有较好的跟踪性能,大大提高了多机动目标跟踪精度,减少了跟踪的多目标误差.     

一种基于数据融合的机动目标跟踪预测算法

在机动目标的运动跟踪中,为了减小搜索区域,需要对下一时刻目标位置进行预测。本文以医疗康复领域中基于视频的运动分析为背景,针对二维平面中静止背景的运动目标提出一种基于数据融合的预测跟踪方法。首先采用多项式拟合算法和基于“当前”模型的改进卡尔曼滤波算法分莉对运动目标进行位置预铡,然后采用数据融合的方法得到最终的预测结果．最后用计算机仿真和实验对所提出的预测算法进行了验证,结果表明本文算法与多项式拟合和卡尔曼滤波算法相比,预测误差更小,跟踪精度更高。     

闪烁噪声机动目标跟踪的模型集交互跟踪算法

给出了一种量测噪声为闪烁噪声情况下的模型集交互机动目标跟踪算法。在雷达目标跟踪系统中由于目标位置的随机摆动,使得对其位置的量测伴随着闪烁噪声的出现,这种闪烁噪声会对目标跟踪的性能产生很大的影响。本文通过对闪烁噪声的QQplots-分析,利用高斯分布和拉普拉斯分布的合成对其进行建模,在机动目标跟踪中采用两个模型集来处理闪烁噪声的情况,并详细推导了模型集交互时机动目标跟踪算法。最后,通过Monte Carlo的仿真结果表明了该算法的有效性。     

无源系统中时间差和角度变换跟踪算法

在使用时间差方法对目标进行无源跟踪时,跟踪系统中的各站点有时无法同步截获目标的信号,使跟踪过程中误差增大。提出基于时间差与角度切换的跟踪算法。该算法利用时间差和角度测量的结果,使用扩展卡尔曼滤波对目标跟踪,通过对每个周期各站截获信号和对目标跟踪精度的情况,选择输出两种方法对目标位置估计结果。算法比仅利用时间差的方法有更强的适应性,同时精度并没有下降。给出了算法的具体步骤,通过仿真实验验证该算法的有效性。     

高分辨距离像辅助的机动目标跟踪算法

宽带相控阵雷达可以获得高分辨距离像,利用此特征获取目标的姿态角成为了一种可能,基于此提出了一种新的机动目标跟踪算法,充分利用高分辨距离像特征,实时估计目标姿态角,并将姿态角信息融合到雷达的量测方程,本文结合先进的非线性滤波算法,提出了利用姿态角的交互多模型不敏卡尔曼滤波算法。通过计算机仿真表明,利用目标姿态角的机动目标跟踪算法相比传统算法目标跟踪精度(位置精度和速度精度)得到很大提高。同时姿态角误差越小,目标跟踪性能越好。     

基于算法融合的红外成像目标稳健跟踪方法

针对复杂背景下的红外图像机动目标跟踪问题,在对现有的多种红外成像目标跟踪算法进行分析与比较的基础上,提出了一种基于算法融合的红外成像目标稳健跟踪方法。该方法在对各跟踪器输出的目标位置测量值序列采用基于“当前”统计模型的模糊交互多模方法进行处理的基础上,采用基于总均方误差最小规则的自适应加权融合方法对目标状态的多个滤波与预测值进行综合处理,较大程度上提高了系统的跟踪精度与稳定性。仿真结果显示了该方法的有效性与稳健性。     

基于量测转换序贯滤波的GMPHD机动目标跟踪

针对多普勒雷达杂波环境下的多机动目标跟踪, 提出了一种基于去相关无偏量测转换序贯滤波的多模型高斯概率假设密度算法。针对量测的非线性, 将位置量测进行无偏量测转换, 将多普勒量测进行去偏量测转换, 并通过序贯滤波方式提高跟踪精度。针对多目标的机动性, 在高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GMPHD)中引入多模型思想对模型相关的高斯分量进行预测、更新处理。仿真结果显示, 所提算法可以在杂波环境中实现有效的机动多目标跟踪, 与无迹卡尔曼多模型GMPHD相比不仅跟踪精度提升了38.15%, 而且大大改善了算法效率; 与无迹卡尔曼最适高斯近似GMPHD相比, 在效率上有小幅度的增加, 且跟踪精度提升了36.47%。     

基于改进SMOG模型的目标跟踪算法

空间颜色混合高斯模型(SMOG)是一种优于经典颜色直方图的目标颜色表示模型.然而,SMOG模型初始化时不可避免的会引入背景象素,且极有可能被误选为一个有效的目标分布,严重影响后续的相似性度量,且各目标分布鉴别性能的发挥会受到自身权重的严重制约,当背景中出现与目标颜色相似的干扰物体时,算法的跟踪准确性仍会有所降低.针对这些不足,提出了-种改进的SMOG模型,通过衡量背景与目标分布在空间颜色域上的联合距离来剔除误引入的背景分布,同时将联合距离作为目标分布鉴别能力高低的一种度量,引人到相似性度量函数中,并在跟踪过程中根据局部背景的变化动态的进行更新,充分根据每个高斯分布的鉴别性能调整其匹配权重.实验证明,改进后的SMOG模型能有效提高目标跟踪的鲁棒性.     

视频监视中的运动目标跟踪算法

提出了一种新的运动目标跟踪算法。通过预测运动目标下一时刻的位置以及缩小目标搜索范围来提高跟踪速度。该算法使用运动目标加速度运动位移方程预测下一时刻目标可能出现的位置,使用预测位置误差方程估计运动目标搜索范围,并使用IIR滤波器对目标运动速度、加速度等参数自适应地修正。实验证明,该算法即使当运动目标做加速运动时,也可准确地预测运动目标的位置,缩小目标搜索范围,进而提高目标跟踪速度。     

直方图概率多假设跟踪方法技术综述

直方图概率多假设跟踪(histogram probabilistic multi-hypothesis tracking, H-PMHT)算法是高效的多目标检测前跟踪(track before detect, TBD)方法, 其由概率多假设跟踪(probabilistic multi-hypothesis tracking, PMHT)算法发展起来。首先深入剖析了H-PMHT算法, 并重点分析比较了该算法和PMHT算法间的深刻联系, 分析了该算法的特点和适用条件; 其次, 介绍了近年来H-PMHT算法的改进和推广情况, 梳理了算法应用中的相关研究工作; 最后, 总结了算法的优缺点及需要改进的问题, 展望了其发展前景。     

引入目标灰度信息的多假设跟踪方法

在传统的多假设跟踪(MHT)算法中,航迹置信度函数仅利用了目标的位置信息。对于红外搜索与跟踪(IRST)系统中的目标跟踪,还有目标灰度信息可以利用,因此在IRST系统的MHT算法中加入目标的灰度信息来重新构造航迹置信度函数和航迹启动条件,增强了算法抑制虚警的能力。通过跟踪5个高机动目标的仿真过程,对算法性能进行了检验,仿真结果表明,新的算法可以减少航迹数目、减少系统计算时间,并使算法具有更强的抑制噪声的能力。     

复杂背景中目标图像的提取与跟踪

本文介绍一种复杂背景中目标图像的提取与高精度目标形心跟踪算法。通过对贝叶斯（Ｂａｙｅｓ）风险函数最优化，将图像分成多灰度层次的目标与背景，进而得到多灰度阀值，并考虑目标像素之间的连通性，将图像进行二值化，有效抑制了孤立噪声点对分割的影响。根据分离后二值图像，得到了跟踪窗中目标形心估值误差表达式，进而得到一种将目标跟踪窗口不断向目标形心移动的高精度形心跟踪算法。     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

基于多线索的车辆跟踪方法研究

针对车载摄像机的汽车辅助驾驶系统,提出了一种基于多线索的车辆跟踪算法。利用运动估计预测目标在下一帧的感兴趣区域,即跟踪窗。在跟踪窗内联合使用车辆的先验知识、评估环节、分块模板等线索定位车辆目标。在跟踪过程中,提出去除误识别的措施。这种基于多线索的车辆跟踪方法实现了对后方多车辆的稳定跟踪,也适合前视车辆。实验结果表明该算法是鲁棒和准确的。     

基于各向异性参数模型的六自由度电磁跟踪系统

为了解决六自由度电磁跟踪系统三轴增益不一致带来的参数计算精度降低问题,提出了各向异性参数的模型.由三轴线圈匝数、面积、激励电流幅值和频率、电路增益决定各向异性参数的数值.在磁偶极子近场模型基础上推导出了包含各向异性参数的电磁跟踪系统模型.结合基于最大单位指向矢的跟踪算法和特征向量法求解位置参数,提高了算法的稳定性,克服了原跟踪算法位置参数求解局部误差放大的问题.,由接收信号矩阵直接推导姿态变换矩阵的表达式,避免了误差积累.该模型符合系统的实际运行环境,降低了硬件设计难度.实验结果验证了模型的正确性,提高了系统定位的精度.     

基于强跟踪滤波器的纯方位机动目标跟踪算法

针对无源纯方位跟踪中目标机动的问题,提出了一种基于强跟踪滤波器的机动目标跟踪算法.该算法在目标机动跟踪中通过实时调节增益阵,提高了滤波器对状态变化的跟踪能力,避免了修正增益协方差(MGEKF)算法中所寻找的观测量修正函数不准确而引起较大的误差.同时对量测模型非线性问题采用伪量测变换估计器(PLE)予以解决,它具有形式简单,计算量小的优点.最后将该算法与MGEKF算法相比较,Monte Carlo仿真结果验证了提出算法的优越性.     

基于扩展量测的球坐标系中水下目标跟踪算法的研究

基于自适应高斯模型，提出了球坐标系中扩展量测的水下目标跟踪，导出了目标模型和目标运动状态的坐标转换公式，推导了基于扩展量测的球坐标系目标跟踪算法，给出了Monte carlo仿真结果。结果表明：本文提出的跟踪算法不但能够提高目标距离的稳态跟踪精度，而且能够提高目标方位角和俯仰角的稳态跟踪精度，改善系统的动态收敛特性。     

图像目标的可视识别与智能跟踪

本文研究图像目标的可视识别与跟踪,给出了图像目标识别印章模型和系统总体设计方案。在此基础上,采用智能跟踪算法,实现了正常跟踪、判断、预测和记忆跟踪的功能,而且跟踪方式随着环境条件的变化而变化。正常跟踪算法的图像代数描述是简明的,与算法是内在一致的。通过给出两个实时可视跟踪的实例说明在实时ＤＳＰ可视跟踪系统上算法的性能及其可行性。     

基于核Fisher判别的群结构更新模型及群目标跟踪算法

传统的群结构模型(如群演化网络模型)通过比较两个目标间的马氏距离与根据先验知识所设阈值的大小来对群的分裂合并进行判断, 跟踪效果依赖于设定的阈值, 难以应对群目标跟踪中的各种复杂情况。本文将分群的问题看作一个二分类问题, 提出了一种基于核Fisher判别分析的群结构更新模型, 通过离线训练得到符合群分裂和群合并特性的群结构更新模型, 将其直接用于群结构更新。结合箱粒子概率假设密度滤波算法的群目标跟踪仿真实验表明, 对比群演化网络模型, 本文提出的群结构更新模型对群结构的估计更加准确, 其在数目估计方面更稳定, 对群目标的跟踪效果更好。