基于双阶段特征匹配的非同源SAR船只跟踪方法

开展星载合成孔径雷达(Synthetic Aperture Radar,SAR)船只匹配跟踪研究是海上船只监测的重要内容,对提升海上目标监测管控能力有重要意义.当前利用SAR卫星进行船只目标匹配跟踪时,由于船只目标尺寸小且船只目标的运动会在SAR图像中产生几何畸变,导致船只目标在SAR图像中难以准确实现匹配跟踪.基于此...     

多目标舰船自动跟踪方法研究

目前针对背景复杂的海上舰船作为跟踪对象的跟踪算法研究较少。另外,多目标跟踪算法在变化频繁的背景条件下的精确性和实时性不足。为了提高多目标舰船跟踪的视觉跟踪算法的实时性和鲁棒性,本文提出了一种改进的基于TLD(Tracking-Learning-Detection)多目标舰船自动跟踪算法。该算法实现了海上多个目标舰船准确实时跟踪。首先,算法应用海天线检测与提取方法,利用最大类间方差阈值分割和Hough变换提取海天线;其次,算法利用Kalman滤波原理对海天线上的目标舰船进行定位与检测,分离出目标舰船;最后通过提取出来的目标用其最小外接矩形生成目标初始跟踪框,跟踪器利用初始跟踪框的位置坐标信息对目标进行实时自动跟踪。算法运行过程中都在海天线附近进行扫描检测,缩小了图像遍历范围,提高了算法的实时性。实验表明,通过对比典型的Mean-shift算法以及原始TLD目标跟踪算法,本文算法跟踪结果的精度较高,实时性较好。     

水面运动目标跟踪监控系统的设计与实现

本文围绕海上无人值守平台周界安防技术需求,以800 m范围内的快艇、渔船、客轮和商船为航行目标构建运动目标跟踪监控系统,并集成开发了基于水下被动声学检测和水上云台控制的光学视频系统为一体的声光一体化监控系统,设计了一套基于深度学习的目标检测算法,实现了对水面航行目标的跟踪检测与分类识别。本文在目前基于单一方法进行水面目标跟踪的基础上进行了突破,系统综合了水听器远距离目标监控跟踪和近距离的水面视频监控目标识别,当两者同时确认目标,由声警器发出警报驱离可疑目标,系统将水下声学监控和水面视频监控有效结合,极大地降低了平台的误报概率,同时实验测试结果表明该系统可有效实现对4类水面航行目标的跟踪检测和特征提取,且改进后的算法可有效提升目标检测效果与识别精度,具有较好的鲁棒性和有效性。     

一种基于平稳小波变换的海底管线边缘检测方法

海底影像存在着对比度低、噪声污染严重、图像质量差等问题，采用传统算子的海底管线边缘图像中含有大量的无用和断裂边缘信息。文中将多尺度边缘检测和匹配跟踪相结合，提出利用平稳小波变换的海底管线边缘检测方法；在提取边缘的同时利用匹配跟踪手段对噪声干扰进行抑制，提高图像目标边缘检测质量。通过对海底管线和测试图像边缘检测实验表明，文中所提出的方法在抑制图像噪声的干扰、提高水下目标边缘完整性方面明显优于传统的边缘提取算子，证明该算法的有效性。     

一种基于PDAF的目标跟踪算法

对目标进行跟踪的目的是通过相关和滤波处理建立目标的运动轨迹。在某型声纳多次试验中,发现采用最近邻域标准滤波器(NNSF)滤波方法时,目标跟踪不稳,跟偏、丢失等现象频现,因此对现有目标跟踪模型和算法进行研究与改进。采用基于概率数据互联滤波器(PDAF)的跟踪算法来实现对目标的跟踪。首先,使用滑窗法对目标进行跟踪起始,然后再采用概率数据互联滤波器(PDAF)进行目标关联,以保持对目标的连续跟踪。经过仿真与在某型声纳的多次试验对比可得:该关联方法对目标的跟踪结果较采用NNSF滤波方法对目标的跟踪结果有明显改进。其跟踪精度有了明显的提高,而且其跟偏、丢失的次数明显减少。     

纯方位目标跟踪-直角坐标卡尔曼滤波算法

对于纯方位目标跟踪问题 ,在利用卡尔曼滤波算法进行处理时 ,首先要进行观测方程及状态方程的线性化处理 ,自然导致线性化误差 ,为减少它对目标跟踪的影响 ,该文利用衰减记忆的卡尔曼滤波算法 ,通过蒙特卡罗模拟仿真实验表明其跟踪效果在收敛速度和收敛率以及稳定性等方面有了较大的提高。     

基于交互式多模型的双站高频地波雷达机动目标跟踪算法

在实际应用中,由于高频地波雷达的测向精度较低,利用单站式雷达系统进行目标跟踪容易造成偏差。然而,在双站式雷达系统中,可以只利用位置和速度信息进行跟踪来避免了方位不精确带来的影响。同时,在双站式雷达体制下,仍然存在提高机动目标跟踪精度的需求。因此,本文提出一种基于交互式多模型(IMM)的跟踪算法,该算法通过建立不同的运动模型来反映目标不同的运动状况,并以此来估计目标的真实运动状态。仿真结果表明,对于双站高频地波雷达机动目标跟踪,IMM算法表现出比传统的单模算法更好的跟踪性能。     

基于TIN模型的水下地形匹配定位算法

针对当前尚无直接利用海图水深构建不规则三角网(triangulated irregular network,TIN)进行水下地形匹配定位的现状,提出了一种基于TIN模型的水下地形匹配定位算法。首先,在经典TERCOM(terrain contour matching)算法的基础上,设计基于TIN模型的匹配搜索区的确定方法;然后,给出待匹配航迹点的水深值计算公式;最后,构建目标匹配定位的地形相关组合算子,实现匹配定位。实验结果表明:(1)本文所提算法可以用海图的原始水深直接构TIN模型作为匹配基准图进行匹配定位,且其定位精度可明显高于基于规则格网模型的经典TERCOM算法;(2)新方法可以有效的降低误匹配的发生;(3)提出的MMD+MSD组合匹配算子能够一定程度上克服水深系统误差对定位精度的影响。     

基于恒虚警检测的图像声呐目标跟踪

无人化、智能化的目标探测与跟踪是未来水下探测的必然趋势。针对水下移动小目标,通过固定位置的声呐接收的角度与距离二维信息,提出了一套自动跟踪方法。首先,对图像声呐进行恒虚警处理, 同时引入时域参量,通过在门限计算中增加之前时间的权重,抑制位置恒定的静态强背景干扰。之后,基于空间上目标的连续运动,提出了小目标的自动跟踪算法。湖试数据实验处理表明：该方法能有效抑制干扰, 实现水下小目标的自动探测跟踪。     

基于BP神经网络的摇臂式波浪发电平台取能效率预测

取能效率是衡量波浪发电装置设计合理与否的重要参考标准。文章首先介绍了摇臂式波浪发电平台，接着对BP神经网络的原理和算法进行了描述，最后以水池试验过程中收集的数据为样本数据，在Matlab平台上运用BP神经网络对实海况下摇臂式波浪发电平台的取能效率作了仿真预测。仿真结果表明：实海况下摇臂式波浪发电平台的取能效率达到了预期目标，进一步说明BP神经网络成功训练出可靠的网络，在此基础上预测的数据具有一定的参考价值。     

高频地波雷达海上目标航迹跟踪新思路

高频地波雷达是对海上运动目标进行监视监测的一种重要手段,为了提高地波雷达对海上特定目标独立跟踪探测时的性能,本文对高频地波雷达海上目标跟踪技术的研究现状进行了综述,分析总结了目前航迹跟踪方法存在的主要问题。结合海上目标跟踪的实际应用需求,借助目前流行的深度学习方法充分挖掘其他同步探测手段获取的目标信息,提出了基于知识辅助的特定目标跟踪方法,改善后续地波雷达对特定目标独立跟踪时的航迹质量,初步的航迹跟踪结果验证了提出方法的有效性。提出的地波雷达特定目标跟踪方法对目标跟踪方法的理论研究及地波雷达目标跟踪系统的业务化应用均具有重要意义及参考价值。     

误差量测与杂波环境对水下目标跟踪的影响分析

在水下特殊的环境中,大误差量测与强杂波环境会对目标跟踪有显著的影响。量测误差越大,则预测门限区域越大,杂波密度越高,那么轨迹更易于与杂波关联,进而降低正确量测的权重,滤波精度因此下降。文中依据量测误差模型与杂波模型,建立了误差量测与杂波对水下目标跟踪的影响模型。依据该模型可定量分析量测误差与杂波对目标跟踪的影响,可为目标跟踪滤波器提高抗杂波能力或者提高滤波精度提供理论依据。     

Robust regression-based EKF for tracking underwater targets

In underwater target tracking applications, measurement uncertainty and inaccuracies are usually modeled as additive Gaussian noise. The Gaussian model of noise may not be appropriate in many practical systems. The non-Gaussian noise and the model non-linearity arising in a tracking system will seriously affect the tracking performance. This paper discusses one way to create a robust version of the extended Kalman filter for enhanced underwater target tracking. State estimation in the filter is done through the robust regression approach and Welsch's proposal is used in the regression process. Monte Carlo simulation results with heavy-tailed contaminated observation noise demonstrate the robustness of the proposed estimation procedure     

地波雷达目标检测跟踪联合处理粒子滤波方法

针对固定粒子数PF-TBD算法计算量大、复杂环境下地波雷达海上船只目标检测与跟踪性能不佳的问题,本文将粒子滤波方法应用于地波雷达船只目标检测与跟踪中,提出了基于自适应粒子滤波的地波雷达目标检测与跟踪联合处理方法。该方法结合地波雷达回波谱中目标展宽特性,充分利用了地波雷达回波谱中面目标的粒子权重信息来设置粒子自适应采样策略,提高了目标检测和跟踪联合处理的效果。通过地波雷达实测数据的目标跟踪结果及与同步AIS信息的比对分析,结果表明:提出的检测跟踪联合处理方法在对低信噪比、快速机动等复杂环境下的多目标跟踪时,可提高目标整体跟踪性能。     

基于弧段检测的高频地波雷达特定目标航迹跟踪方法研究

本文对现有的高频地波雷达目标跟踪方法进行了概述,提出了一种地波雷达目标长时连续跟踪的方法,基本思想是:充分挖掘航迹弧段特征,基于特征对船只运动建模,并结合杂波背景进行融合决策。进一步,为了达到长时间连续跟踪的需求,借鉴深度学习的思想,利用新获取的弧段数据对算法估计结果不断递归校正,使得随着获取数据的增加跟踪越准确。该方法适用于杂波环境且在航道附近存在众多干扰船只的情况下对机动目标航迹的实时稳定跟踪,为高频地波雷达在复杂干扰环境下特定目标持续跟踪提供理论基础和方法指导,为充分发挥地波雷达在海上监视监测中的作用提供技术支撑。     

Tracking a moving vessel from bearing measurements

This paper presents a method for tracking a distant moving target using only bearing measurements obtained from a tracking platform. The method is an improvement of the Hinich-Bloom passive tracking approach presented in [1]. The target is assumed to be moving at constant speed on a fixed heading, whereas the platform maneuvers during the measurement period. The direction cosines of the bearings are computed with respect to a rotation of the coordinate system that places 0° at the mean estimated target bearing. This is done to minimize the approximation bias due to the linearization of sine bearing as a function of inverse range and time. The coordinate system is rotated back to estimate the target coordinates. When the noise is Gaussian, the estimates of target range and heading are approximately maximum likelihood when the target's relative range is slowly varying during the observation period. In this case the mean square errors of the target parameter estimates are the smallest achievable within the order of the approximation.     

传感器测量衰减下的水下目标纯方位跟踪算法

为解决多传感器水下目标纯方位跟踪中的传感器测量衰减问题,建立水下目标静态多传感器纯方位跟踪模型,将传感器测量衰减建模为统计特性已知的随机变量,基于融合中心接收到的各水声传感器的原始测量值,设计了一种集中式状态估计器结构,利用最小方差方法推导出最优的集中式目标状态估计增益。通过算例仿真可以得出,所提出的算法能够在水声传感器不做机动的前提下跟踪目标,弥补了单个水声传感器观测性不足的缺点,对比传统的集中式Kalman估计器,具有更高的精度,能够有效解决传感器测量衰减问题。     

Robust estimation techniques for target-motion analysis using passively sensed transient signals

Sensor measurements derived from passively observed transient signals radiated by a target are non-Gaussian and may also be nonstationary due to their dependence on tracking geometry. Moreover, transients are usually observed in clutter, so there is also a possibility of false detections. A technique that incorporates a deterministic annealing procedure into a robust M-estimator, referred to as the annealing M-estimator, is applied to determine the target motion parameters based on such measurements. This technique is compared to standard robust M-estimators using several scenarios with different tracking geometry and is found to give more accurate parameter estimates.     

基于CT非线性模型的水下目标跟踪算法比较

针对水下目标跟踪非线性跟踪精度问题,假设目标机动模型为恒转速运动模型,贝叶斯框架下,因扩展卡尔曼滤波跟踪方法进行模型在估计点的泰勒展开,忽略一阶以上高阶项,存在模型误差,比较了扩展卡尔曼滤波、无迹卡尔曼滤波、容积卡尔曼滤波在高斯噪声干扰下滤波误差均方根,以及3种方法运行时间。仿真证明,非线性系统下状态维度为5,容积卡尔曼滤波跟踪的精度高于无迹卡尔曼滤波,无迹卡尔曼滤波高于扩展卡尔曼滤波。该研究为海上目标非线性测量系统提供仿真实例,为进一步滤波算法改进提供基础。     

Robust leader-follower formation tracking control of multiple underactuated surface vessels

This paper is concerned with the formation control problem of multiple underactuated surface vessels moving in a leader-follower formation.The formation is achieved by the follower to track a virtual target defined relative to the leader.A robust adaptive target tracking law is proposed by using neural network and backstepping techniques.The advantage of the proposed control scheme is that the uncertain nonlinear dynamics caused by Coriolis/centripetal forces,nonlinear damping,unmodeled hydrodynamics and disturbances from the environment can be compensated by on line learning.Based on Lyapunov analysis,the proposed controller guarantees the tracking errors converge to a small neighborhood of the origin.Simulation results demonstrate the effectiveness of the control strategy.