基于Unscented卡尔曼滤波的超视距目标跟踪

针对大地坐标系下,超视距目标状态方程和量测方程复杂的非线性,提出了一种基于Unscented卡尔曼滤波的超视距目标跟踪。Unscented卡尔曼滤波通过设计少量的σ点,并计算这些σ点经由非线性函数的传播,从而获得滤波值基于非线性系统方程的更新。由于Unscented卡尔曼滤波无需像Extended卡尔曼滤波那样求状态方程和量测方程的雅可比矩阵,给计算带来了极大的方便。数值仿真结果表明,所给出的方法是可行而有效的。     

基于交叉定位和Hough变换检测前跟踪的水下目标检测方法

针对现代潜艇的低可探测性问题和隐蔽性探测需求,提出了一种基于航空被动声纳浮标阵交叉定位和Hough变换检测前跟踪的水下微弱目标检测方法。首先,构建基于线形浮标拦截阵的水下目标被动检测模型,采用自适应关联的交叉定位方法,获取目标位置信息,实现了检测前数据预处理。然后,采用点数积累和能量积累的双门限Hough检测方法,得到了初始检测航迹。最后,利用目标运动约束条件和航迹合并方法,剔除虚假航迹及合并重复航迹,提高了水下目标检测概率。仿真结果表明,与时频检测方法相比较,该方法在低信噪比条件下仍能保持较高的检测概率。     

非全测状态下的机动目标跟踪

针对空空导弹制导过程中可能出现测量信息不全的情况,以机动目标的“当前”统计模型为基础,在螺旋机动目标模型下对机动目标进行了跟踪滤波。在深入研究了扩展卡尔曼滤波算法、衰减记忆扩展卡尔曼滤波算法的基础上,利用改进的强跟踪滤波算法进行了非全测状态下的机动目标运动信息估计。仿真实验表明:改进的强跟踪滤波算法不仅能很好地完成速度和距离跟踪;如果加上多普勒速度测量,改进的强跟踪滤波算法还可跟踪上加速度。仿真结果表明了改进的强跟踪滤波算法的有效性。     

基于卡尔曼滤波的组网雷达系统目标跟踪分析

提出了一种快速卡尔曼滤波跟踪算法,用于组网雷达系统对机动目标的跟踪分析.该算法只需要组网雷达系统给数据处理中心提供每个接收机所测得的准确径向距离,然后根据推广卡尔曼滤波技术迭代估算出目标的位置.对机动目标的仿真结果表明,该算法不但大大减小了传统跟踪算法的运算复杂度而且具有优良的跟踪性能,尤其适用于近距离高速运动目标的准确跟踪.     

基于转换测量卡尔曼滤波算法的目标跟踪研究

在去偏转换测量中,先以目标的真实位置为条件求出真实的偏差和协方差阵,然后以传感器的测量为条件对真实偏差和协方差求取期望,这种方法求得的转换测量的偏差和协方差阵会引入附加的误差,因而不够精确。针对这种情况,直接以传感器的测量为条件求取转换测量的偏差和协方差阵,这种方法不仅精确而且简单。仿真结果表明算法的有效性。     

相关序列小目标图像运动跟踪与仿真研究

针对气动光学效应降晰过程的复杂性,提出了一种基于图像相关性的序列小目标图像运动跟踪及去噪算法.该算法结合序列图像的相关性,避免了因采集时间的延长而使得序列图像中的小目标偏移太大.在相关序列图像的基础上,通过滤波技术,结合"小波变换的背景融合"算法,得到对运动目标背景的估计.以此估计背景为基础进行运动小目标的估计、灰度质心计算,得到运动目标的跟踪.仿真研究结果表明该算法实现了气动光学效应相关序列小目标图像的运动跟踪,背景融合技术和目标图像的估计降低了噪声带来的影响,对气动光学效应序列图像研究具有重要价值.     

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。     

基于神经网络数据融合的目标跟踪简化算法

分析了基于神经网络数据融合的目标跟踪的算法 ,指出了传统的融合算法计算量大 ,神经网络目标向量不易选取等缺点。提出了一种简化的算法。应用理论分析和蒙特卡洛仿真方法 ,对标准卡尔曼滤波算法和简化的滤波算法进行比较 ,并给出了均方根误差的统计值。该简化算法原理简单 ,数据处理量小 ,速度快 ,误差小 ,特别适用于多传感器的处理 ,将融合结果反馈给单传感器 ,可提高各单传感器的跟踪精度。     

基于unscented粒子滤波的红外弱小目标跟踪

为有效解决非线性环境中的红外弱小目标跟踪问题,提出基于unscented粒子滤波的目标跟踪算法。状态转移先验概率中未考虑当前测量对状态估计的作用,为克服传统粒子滤波算法采用状态转移先验概率作为粒子滤波建议分布的缺点,采用UKF生成粒子滤波的建议分布(UPF),并从中抽样粒子。由于考虑到当前观测值在状态后验估计中产生的影响,改善了目标状态估计的性能,且实验所需粒子数目大大少于传统粒子滤波算法所需粒子数目。用实际红外图像对所提算法做了仿真实验,结果表明,用该方法得到的状态估计结果优于用传统粒子滤波算法和用扩展卡尔曼滤波作为建议分布的粒子滤波算法获得的结果。     

基于神经网络数据融合的目标跟踪简化算法

分析了基于神经网络数据融合的目标跟踪算法 ,指出了传统的融合算法计算量大 ,神经网络目标向量不易选取等缺点 ,并提出了一种简化的算法。应用理论分析和蒙特卡洛仿真方法 ,对标准卡尔曼滤波算法和简化的滤波算法进行了比较 ,并给出了均方根误差的统计值。该简化算法原理简单 ,数据处理量小 ,速度快 ,误差小 ,特别适用于多传感器的处理 ,将融合结果反馈给单传感器 ,可提高各单传感器的跟踪精度     

基于移不变二维混合变换的机场雷达噪声抑制

机场跑道异物(foreign object debris, FOD)检测对飞行器的安全起降有着非常重要的意义,而机场跑道异物检测的一个关键环节是很好地抑制机场雷达图像的噪声,因此提出一种基于距离时间维的移不变混合变换以抑制机场雷达图像的噪声。首先,在雷达成像时进行离散傅里叶变换(discrete Fourier transform, DFT)和维纳滤波滤除距离维上的噪声。然后,在雷达成像时进行超分析离散小波变换(hyperanalytic wavelet transform, HWT)自适应滤波去除时间维上的噪声。与传统的成像后去噪算法相比,本文的算法可以有效地去除机场雷达图像噪声,显著地改善图像的视觉效果。最重要的是该算法具有很强的实时性,可以很好地应用到工程实践中。     

基于两点外推法的跟踪滤波器启始方法研究

对于多目标跟踪系统，滤波器的起始波门的设计是一个关键问题，首先给出了利用量测标准差与采样周期比值的相对大小来确定滤波器启始的方法，然后利用目标速度极限的先验信息构造环状波门，并考虑量测量噪声对环状波门的影响，利用矩阵范数特性，导出一种更精细的基于两点外推的滤波器启始法，仿真结果表明利用本文方法的构造出的波门的置信区间比其他两种方法所构作出的更为合理。     

利用子区域特征进行自适应目标跟踪

提出了一种基于目标区域分割的自适应运动目标跟踪算法。该算法通过K-均值聚类,将目标分割为多个子区域,根据子区域颜色特征及其分布提出了一种新的目标模型,并给出模型相似性测度准则,从而将目标模型更新问题简化为区域特征的更新,提高了模型的稳定性。同时在跟踪过程中,利用相似性测度检测目标遮挡程度,根据遮挡程度自适应地调整卡尔曼滤波器的参数和模型更新过程,提高了在遮挡情况下算法的鲁棒性。分析和实验表明,新算法能够在真实场景中准确、实时地跟踪目标,是一种有效的视频目标跟踪算法。     

改进的均值漂移算法在运动目标跟踪中的研究

以智能交通系统中运动目标跟踪为背景,研究采用均值漂移算法,实现对快速移动的单目标事物准确实时跟踪。首先,分析了均值漂移算法的基本原理。其次,分析了均值漂移算法在目标跟踪中存在的问题及解决方法:针对目标遮挡情况下目标跟踪的准确性问题,采用将均值漂移算法与卡尔曼滤波算法相结合的自适应均值漂移目标跟踪算法;针对大小不变的带宽窗口可能导致跟踪丢失的问题,采用了自动调节带宽窗口的方法。最后进行了仿真实验。     

一种基于特征光流检测的运动目标跟踪方法

图像序列的运动目标分割检测与跟踪是一个具有广泛应用的困难问题,特别当目标被遮挡丢失和/或大幅度机动时,算法要有很强的鲁棒性才能实现高精度的连续跟踪。通过特征角点提取、由粗到细层级匹配特征光流及其聚类分析算法实现运动目标分割,利用卡尔曼滤波估计对目标的多特征点构成的最小凸多边形描述子进行跟踪,具有抗遮挡丢失和抗机动功能,因此在跟踪过程中能够较好地保持或重新检测目标的最小凸多边形,使检测与跟踪算法鲁棒性强。对运动目标真实图像序列的实验结果充分证明了算法的优良性能。     

视频图像中运动目标的实时检测

提出了一种运动目标检测与跟踪算法。以每点色彩信息的混合高斯模型来实现对视频图像的背景估计,从而实现对运动目标的检测。利用模板匹配的方法实现对运动目标的跟踪,并对混合高斯模型的算法进行了改进,使其能更快、更有效地适应环境的变化。实验结果表明此方法具有较强的鲁棒性,能较好地适应各种气候和光照环境的变化。     

视频监视中运动目标的检测与跟踪算法

提出一种视频监视中运动目标的精确检测、提取以及跟踪算法。该算法采用基于自适应背景图像估计与当前多帧图像的混合差实现快速精确地检测和提取目标 ,使用扩展的Kalman滤波器预测运动目标下一时刻可能处于的区域 ,缩小了目标跟踪时的搜索范围。充分利用运动目标检测的结果 ,提高了目标的匹配效率及跟踪速度。     

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。