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。     

高斯背景下距离扩展目标的恒虚警率检测

对宽带高分辨率雷达(HRR)中的距离扩展目标进行检测,若还采用分辨雷达的检测方案,目标回波的全部能量得不到充分利用,会影响雷达的检测性能。提出了一类基于二进制积累的距离扩展目标检测算法,推导出了它们的平均虚警概率和平均检测概率的数学解析式,并进行了性能分析和比较。这些方法较常规低分辨雷达方法可获得目标信噪比8个多分贝的性能改善,且这些次优积累的高分辨雷达距离扩展目标检测方法具有易于工程实现的优点。     

机动目标跟踪的灰色截断变维法

在灰色预测滤波和截断滤波的基础上建立了灰色截断变维法。在截断变维法中嵌入灰色预测滤波 ,用性能优越的机动检测技术为开关 ,在机动区用灰色预测滤波替代并导引截断变维滤波。该方法具有很强的自适应性和更高的滤波跟踪精度 ,其性能优于单模型有参数自适应滤波算法及多模无参数自适应滤波算法 ,同时无需任何先验的统计参数。计算机仿真表明了它的各种优越性。     

空中运动目标时变时延估计方法的仿真研究

时变时延估计是运动目标测向的关键技术，参数模型法是一类重要的时 延估计算法，其自适应形式可用于对时变时延的估计。本文分析选择了三种自适应的时延估计参数模型法，将其应用于实测的直升机噪声数据，进行了大量仿真试验，为有限阵列尺寸条件下空中运动目标的被动测向提供了有价值的参考数据和结论。     

一种新的对地定位方法及其精度分析与仿真

提出一种新的无人空中载体对地定位方法。该方法根据GPS／INS组合导航系统测量的载体坐标与姿态角、光轴稳定平台相对于载体的姿态角以及激光测距数据，计算地面目标点的三维维坐标，克服了共线条件方程对地形鲁棒性差和DEM迭代定位算法容易发散的缺点。为分析此方法的定位性能，给出了定位误差分析模型，并通过仿真算例验证了该定位方法的有效性，仿真结果表明目标定位精度满足舰炮作战要求。     

基于连续谱特征提取的被动声纳目标识别技术

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术 .针对被动声纳目标识别 ,提出了一种新的连续谱特征提取方法 .此外 ,为了训练神经网络目标分类器 ,将遗传算法和 BP算法相结合 ,提出了一种新的自适应遗传 BP算法 .最后 ,对海上实录的三类目标噪声进行了分类识别 .实验结果表明 ,设计的被动声纳目标识别系统具有很好的分类效果     

融合深度特征和FHOG特征的尺度自适应相关滤波跟踪算法

为了解决核相关滤波跟踪算法在复杂场景下跟踪效果差的问题,提出了一种融合深度特征和尺度自适应的相关滤波目标跟踪算法。首先,通过深度残差网络（ResNet）提取图像中被跟踪区域的深度特征,再提取目标区域方向梯度直方图（FHOG）特征,通过核相关滤波器学习,分别得到多个响应图,并对响应图进行加权融合,得到跟踪目标位置。其次,通过方向梯度直方图（FHOG）特征,训练一个PCA降维的尺度滤波器,实现对目标尺度的估计,使算法对目标尺度发生变化有很好的自适应能力。最后,根据响应图的峰值波动情况改进模型更新策略,引入重新检测机制,降低模型发生漂移概率,提高算法抗遮挡能力,在标准数据集OTB100中与其他7种目标跟踪算法进行比较。结果表明,相比原始KCF算法,改进后的KCF算法精准度提升了29.4%,成功率提升了25.9%。所提算法实现了对跟踪目标位置的精准估计,提高了尺度自适应能力和算法速度,增强了算法抗遮挡能力。[JP]     

合成孔径雷达图像中机场跑道的自动识别

为解决雷达图像中的机场跑道识别问题 ,提出了一种合成孔径雷达图像中机场跑道的自动识别方法 .首先 ,对原始图像滤波并提取图像轮廓 ,其次对轮廓图作Radon变换 ,保留最大的几个Radon变换系数 ,将其余系数置 0 ,并对Radon逆变换得到的图像进行二值处理 ,从而过滤掉大部分干扰线条 ,仅保留图像中的主要直线条 ,最后利用直线模板滤除残余干扰线条 ,并根据阈值检测出机场跑道 .实验结果表明 ,所提方法能够准确地识别出复杂背景下的水平、垂直和倾斜的机场跑道     

基于Web的实验中心物资管理系统的开发

设计开发了BS结构Web系统的实验中心物资管理系统,介绍了该系统的模块构成及设计实现方法,讨论了系统在开发中需解决的关键技术.该系统通过网络管理实验物资确保了物资数据的实时性、准确性,提高了物资管理效率.系统采用了基于Java的J2EE相关技术,如EJB(Enterprise Java Bean)、JSF (JavaServer Faces).利用UML(Unified Modeling Language)技术进行面向对象的分析和设计,因此系统有良好的可维护性和可扩展性.     

属性测度及其在目标识别中的应用

为了获得一种训练快、精度高、计算量少的雷达目标识别方法 ,研究了属性测度和属性模式识别 ,及属性模式识别在目标识别中的应用 ,并将模糊聚类分析用于属性测度。经过研究发现 ,在不用指标的峰度时 ,可以达到很高的识别效果。与传统的神经网络法相比 ,属性模式识别法在训练速度上得到了大大的提高 ,并在识别效果上优于径向基神经网络法。以雷达目标识别为例证明了该算法的有效性。这为我们研究低分辨雷达提供了一种全新的方法。