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。     

水下航行器自跟踪弹道测量方法研究

本文所提出的自跟踪弹道测量方法与基于水声原理的水下跟踪测量方法不同。它是利用航空与航天飞行器弹道测量原理来获取水下航行器的弹道数据。这种方法不受水下环境影响,且跟踪范围与水下航行器活动范围一致。文中介绍了水下航行器弹道的六自由度测量方法,包括重现弹道数学模型及具体实施方案,提出了减小测量误差,提高测量精度的措施。试验结果表明,自跟踪弹道测量方法的精度与水下跟踪系统的精度比较接近。     

基于时频差的高阶强跟踪UKF算法

针对传统无迹卡尔曼滤波(unscented Kalman filter, UKF)在系统状态发生突变时估计精度下降的问题,将改进的强跟踪滤波算法与基于高斯概率密度高阶导的无迹卡尔曼滤波算法(high order probability density derivative, HUKF)相结合,提出了高阶强跟踪无迹卡尔曼滤波方法(high order strong tracking UKF, HSUKF)。该算法采用高斯概率密度函数高阶导数的极值作为Sigma样点进行无迹转换,通过样本点捕捉更高阶的中心矩来提高非线性变换近似精度。将改进的强跟踪滤波算法引入到HUKF中,通过渐消因子修正预测新息协方差和预测互协方差矩阵,强迫新息正交,在不增加计算复杂度的前提下提高了算法在状态发生突变时的适应能力。将本文算法应用于时差频差的无源跟踪中,通过对目标状态发生突变的跟踪问题进行数值仿真和实例论证表明HSUKF算法兼具了计算复杂度低和估计精度高的特性,且在系统状态发生突变的情况下表现出良好的滤波性能。     

自适应数字电视跟踪

本文介绍的电视跟踪器采用了对目标图象尺寸归一化的误差信号处理技术,通过图象数字化和图象识别从特性相近似的真假目标中识别出真目标,进而测定目标型心的座标。在目标图象尺寸变化较大的情况下,系统的稳定性和跟踪精度不受影响。可供研究目标探测、图象雷达、靶场测量和导弹制导等参考。     

基于视觉字典的在线多示例目标跟踪

在线多示例目标跟踪算法无法判别目标丢失以及无法适应目标尺度的变化。提出了一种基于视觉字典的在线多示例目标跟踪算法。算法将视觉字典和多示例跟踪分别作为检测器和跟踪器,利用互反馈技术提高跟踪性能。跟踪器完成目标的跟踪并为视觉字典的构建和更新提供训练样本;检测器则对跟踪器的结果（候选样本）进行判定,目标丢失时,暂停跟踪并重新检测目标,目标未丢失时,利用Ransac算法获得目标的尺度变换系数并在新尺度下更新跟踪器。为了提高目标丢失判别的准确性,提出了一种局部随机抽样的直方图相似性度量技术,采用局部划分思想和Noisy-NR模型计算候选样本与训练样本特征直方图的相似性,减少了传统直方图匹配由于受目标局部遮挡影响造成的误判。实验结果表明,该算法能够适应目标的尺度变化,检测目标的丢失,提高了跟踪稳定性。     

实时电视跟踪系统

在视频下利用模式识别对目标进行识别和跟踪是一个值得注意的课题,过去多采用简单的门限法或在有限窗口内进行相关运算。这里介绍一种新的系统,它利用高速数字硬件配以新的快速算法来对火箭、飞机进行识别与跟踪,该系统具有一定程度的“智能”能力。自适应统计群集(clustering)算法和基于投影的分类算法能使系统在目标通过复杂的背景与前景的情况下,对目标进行实时识别和跟踪。为了提高速度和灵敏度,采用快速估值和预测算法将线性和平方估算器结合起来。通过对加权值的选定提供数据和结果决策方面的置信权。跟踪策略是基于维持跟踪最大概率制定的。本文着重介绍系统的理论概念,并对实时实现的技术问题进行了讨论。     

基于高程补偿的BLUE算法在塔康中的应用研究

基于塔康系统的斜距、方位和高程可对目标定位,但较大的量测误差影响定位精度。为提高估计精度,研究塔康中最佳线性无偏估计(best linear unbiased estimation, BLUE)滤波器的实现。建立地面站对目标的量测模型,并分析量测转换误差特性,推导出对应的BLUE滤波模型;针对目标从地面站上空过顶时出现无效量测的问题,通过对高程量测补偿的方法予以克服,解决传统算法在强非线性量测下误差较大的弊病。与经典方法的性能对比表明,改进算法有效地抑制了强非线性量测下的滤波发散,有很强的鲁棒性和实时性。     

一种基于模糊逻辑控制的雷达自动距离跟踪器

自动距离跟踪器性能的改善是现代跟踪雷达系统研究的重要内容。针对传统的基于α-β滤波的自动距离跟踪器存在的跟踪精度低、反应速度慢等不足,提出了一种基于模糊逻辑控制的雷达自动距离跟踪器,并详细论述了该距离跟踪器的设计和实现过程。仿真实验表明,与传统的基于α-β滤波的自动距离跟踪器相比,该跟踪器的跟踪精度高、反应速度速度快,是一种切实可行的雷达自动距离跟踪方法。     

基于Sage-Husa算法的自适应平方根CKF目标跟踪方法

在目标跟踪中,噪声的统计特性未知可能会引起滤波精度下降甚至发散,针对该问题,提出了一种新的自适应平方根容积卡尔曼滤波算法。所提方法在常规Sage-Husa算法的基础上采用容积规则,推导出了一种适用于非线性系统的自适应噪声统计估计器。仿真结果显示,相对于标准的平方根容积卡尔曼,所提方法在噪声统计特性未知或时变的情况下滤波精度有显著提高。     

基于内模控制的稳定系统设计与仿真

三轴稳定跟踪系统由三轴稳定平台、稳定跟踪控制箱和视频跟踪器等部件组成,具有瞄准线独立稳定功能和对运动目标进行高精度视频跟踪的功能.由于其原理和结构的复杂性,系统建模和控制器设计较两轴系统复杂的多.针对稳定跟踪系统的稳定回路,介绍了先进的内模控制(IMC)算法,并给出在MATLAB/Simulink中仿真和在dSPACE系统中进行半实物仿真的结果.仿真试验证明采用内模控制的稳定回路满足所有的指标要求.     

具有不确定性的多态系统可靠性

在对多态系统进行可靠性分析时,由于很难精确地估算元素各个状态的概率,人们常常利用模糊隶属函数及概率区间来表示这些概率。介绍了用模糊及区间模型估算多态系统可靠性的方法,并介绍了元素不确定性重要度的算法。在LevV.Utkin提出的元素不确定性重要度算法基础之上,提出了不确定性重要度的改进算法。改进算法不仅全面考虑了区间概率的不同含义,而且提高了可靠性分析的精度和可信度。     

高精度制导用电荷耦合器件跟踪器

大面积电荷耦合器件(CCD)成象探测器和高速微处理机的新发展,推动美国喷气推进实验室(JPL)着手研制一项新型的光电跟踪仪器。这些仪器是为NASA的各种标准应用而设计的。其特点是有特别高的定向精度和稳定性,以及主要由软件确定的工作能力,从而易于适应各种飞行任务的要求。本文探讨了把CCD探测器引入星跟踪器的各种方法和用现有CCD器件可望达到的工作性能。介绍了用一个传感器可完成不同制导任务的多功能传感器概念。提出了从点源图象和扩展源图象有效提取制导信息的软件算法。介绍了目前JPL正在研制的星跟踪器方案,讨论了实验室测试得到的性能数据。     

基于强跟踪器的机动航天器相对动态定位算法

针对机动航天器之间精确动态相对定位问题,提出一种基于强跟踪器(strong tracking filter, STF)的动态相对定位算法。该算法针对相对机动过程中3个方向的机动特性,设置三向渐消因子进行三向滤波,克服了单向渐消因子与实际机动不匹配而造成的跟踪精度下降问题, 针对三向滤波在直角坐标系下的跟踪问题,设置去偏转换测量算法,克服了球坐标系与直角坐标系的转换偏差问题。仿真实验表明,该算法在初值敏感性和相对机动恢复性上均强于其他算法,适用于脉冲推力、有限推力等多种情况下机动航天器间精确动态相对定位。     

面向快速多目标跟踪的协同PHD滤波器

考虑到存活目标与新生目标在动态演化特性上的差异性,提出了面向快速多目标跟踪的协同概率假设密度(collaborative probability hypothesis density, CoPHD)滤波框架。该框架利用存活目标的状态信息,将量测动态划分为存活目标量测集与新生目标量测集,在两个量测集分别运用PHD组处理更新基础上建立了处理模块的交互与协同机制,力图在保证跟踪精度的同时提高计算效率。该框架由于采用PHD组处理方式而具有状态自动提取功能。进一步给出了该框架的序贯蒙特卡罗算法实现。仿真结果表明,该算法在计算效率以及状态提取精度上具有明显优势。     

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。     

CCD光学系统研究

本文从试验工程观点出发,利用CCD器件设计摄取远距离目标图像进行制导的成像系统,并讨论了关键技术及特点。该光学系统配上TM560、TK-66CE等CCD器件组成图像跟踪器,在良好天气条件下作用距离可达40km(CD-5民航机)、25km(歼5飞机)等,明显优于雷达跟踪精度。该系统较充分地发挥了CCD的优点。     

基于新息正交性抗野值的自适应的α-β-γ滤波跟踪器

针对传统α-β-γ滤波器抗野值能力差和受跟踪精度与收敛速度之间的矛盾以及系数固定的影响而难以跟踪强机动性目标的局限性,设计了一种基于新息正交性抗野值的自适应的α-β-γ滤波跟踪器。该滤波器通过判断α-β-γ滤波新息序列估计值的正交性质是否丧失而判别出观测值中是否存在野值,采用活化函数对新息序列进行加权修正,利用活化函数的性质,恢复新息序列原有的统计特性和正交性,从而达到抗野值的目的。同时,根据目标机动性的变化,利用跟踪误差调整模糊集系统的输出,在保证精度的前提下,得到自适应的系数值,使跟踪结果快速收敛,很好地解决了跟踪精度与收敛速度之间的矛盾。计算机仿真结果表明,在满足所要求精度的前提下,该算法可以克服传统算法的局限性,解决野值剔除问题,并有效跟踪强机动性目标。     

基于模糊推理的机动目标跟踪

针对"当前"统计模型算法对目标强机动时跟踪精度下降的问题,提出一种改进算法。该算法在"当前"统计模型的基础上,采用双滤波器并行结构,提取目标的状态信息,使用模糊推理的方法求解调节因子,通过调节因子实时调整滤波器的预测协方差,在保证对目标弱机动跟踪精度的同时,提高了目标发生强机动时的跟踪精度。仿真结果表明目标强机动时,该算法的跟踪精度明显高于"当前"统计模型算法。     

基于预测信息的量测转换序贯滤波目标跟踪

针对多普勒雷达目标跟踪问题,提出了基于预测值量测转换的序贯滤波目标跟踪算法。该算法采用基于预测信息的量测转换方式解决量测与目标运动状态的非线性,其中位置量测转换采用乘性去偏、伪量测转换采用加性去偏,量测转换误差的统计特性基于预测值进行推导,并采用序贯滤波方式处理伪量测以实现目标跟踪。同时将该算法扩展到机动目标跟踪情况,综合利用了位置量测与伪量测滤波部分输出的概率组合作为该模型的更新概率,利用模型更新概率对各滤波器的状态估计结果进行加权求和获得最终估计。仿真结果表明该算法与传统的序贯滤波跟踪算法相比,具有更高的跟踪精度,其扩展方法可实现有效的机动目标跟踪。     

任意指定图像目标的实时检测与跟踪

根据实际设计了一种军用数字电视跟踪器 ,对其中的关键技术———任意指定图像目标的检测和跟踪作了介绍 ,讨论了其数学模型 ,针对不同的实际场景提出了不同的算法 ,即基于灰度域图像分割的跟踪算法和基于特征图像匹配的跟踪算法 ,并结合实际设计讨论了硬件实现的关键技术 ,最后给出了实际的跟踪效果。实际实验结果表明 ,该模型和跟踪算法可以有效地跟踪实际战场环境下的各种目标。