机动目标跟踪MS模型

针对Singer模型中人为设定参数的不合理性,对机动时间常数的倒数α和驱动白噪声方差σ2w进行估计,提出新的Modified Singer(MS)模型,并给出相应的参数自适应滤波算法。该模型在估计目标状态的同时,能够实时估计参数α及σ2w的值。仿真结果表明MS模型比Singer模型状态估计更精确,结果也更稳定。     

基于特征不变量的红外图像识别研究

给出了一种提取特征点的新方法和合理的特征不变量。该方法根据三角不等式原理利用第三边与另外两边之和的比值大小来确定角点,以特征点和它相邻的两个特征点所形成的两条直线的夹角正切值以及三角形第三边与另两边和的比值作为特征不变量。这种特征提取的方法简单,并且由于扩大了模板取值范围,使识别效果受特征点漏检的影响较小。实验表明,该方法不仅简便,而且效果良好。     

非线性"当前"统计模型及自适应跟踪算法

针对"当前"统计模型中人为设定时间常数的倒数α值的不合理性,对机动参数α进行建模,并基于粒子滤波的思想,结合UKF滤波算法给出适用于强机动目标跟踪的CS-UKF算法。整个算法能够实时估计参数α,并从这里出发估计目标状态。仿真结果表明在目标强机动时CS-UKF算法比经典CS-KALMAN算法收敛速度更快,状态估计更精确。