水下机动目标轨迹跟踪的自适应估计方法

研究了用GPS测定基阵坐标,分析了水听器基阵所接收到的声脉冲信号的处理。通过模拟和实测数据的试算,证明了本文提出的模型及方法不但能处理多系统含有粗差的观测值,而且具有良好的跟踪处理机动目标的性能。     

基于交互多模型的水下目标跟踪方法

根据水下目标机动的特点,给出了基于模糊逻辑推理的交互多模型方法。在仿真试验中,利用常速度模型、Singer模型和常速度转弯模型集合来覆盖水下目标的机动模式。仿真处理的结果表明,基于模糊逻辑的交互多模型算法能够提高水下机动目标跟踪的可靠性和实时性。     

基于交互多模型的水下目标跟踪方法

According to the requirements of real-time performance and reliability in underwater maneuvering target tracking as well as clarifying motion features of the underwater target, an interacting multiple model algorithm based on fuzzy logic inference （FIMM） is proposed. Maneuvering patterns of the target are represented by model sets, including the constant velocity model （CA）, the Singer mode~, and the nearly constant speed horizontal-turn model （HT） in FIMM technology. The simulation results show that compared to conventional IMM, the reliability and real-time performance of underwater target tracking can be improved by FIMM algorithm.     

基于无人机视频的运动目标快速跟踪

无人机视频序列影像是尢人机在高速运动的条件下获取地面目标的动态信息,相机的运动给目标检测、跟踪带来了一定的困难。针对无人机视频序列影像背景位移的特点,将运动目标检测与跟踪技术分为运动估计、目标检测、目标跟踪3个部分。由于无人机视频序列影像中目标较小、分辨率较低,因此采用基于区域的目标跟踪算法。该方法计算量小,计算速度快...     

一种自适应的PSO粒子滤波人脸视频跟踪方法

提出了一种自适应的PSO粒子滤波人脸视频跟踪算法。本算法充分利用粒子群算法的寻优能力,使粒子向真实值的后验概率分布移动,同时引入小生境(niche)技术加以改进,构造出多种群特性,使目标分布呈现非线性非高斯特性的多模分布,由此提高对动态系统中最优解动态变化的自适应能力。实验表明,在简单背景匀速运动、复杂背景匀速和变速运动的人脸视频跟踪中,和传统粒子滤波、普通PSO粒子滤波相比,具有良好的跟踪精度和稳定性。     

基于移动开窗法协方差估计和方差分量估计的自适应滤波

基于移动窗口协方差估计和方差分量估计,提出了一种新的自适应Kalman滤波技术。计算结果证实,该方法能有效地控制观测异常和载体状态扰动异常对动态系统参数估值的影响。     

一种多特征自适应融合的粒子滤波红外目标跟踪方法

提出了一种自适应融合颜色特征和边缘特征的粒子滤波跟踪算法。首先,利用粒子滤波的天然框架,选择在红外条件下最能代表目标信息的颜色特征和边缘特征构造目标的多特征模型;然后,根据不同特征对目标与背景的可分性,对多特征模型中各特征分量的权值进行自适应调节;最后,借助动态空间模型,对粒子滤波跟踪算法进行改进,预测粒子的运动状态,从而克服环境突变对跟踪稳定性的影响。实验结果表明,本文算法能克服各种背景杂波及噪声的干扰,并能很好地解决目标在复杂背景下的尺度变化和突变运动带来的困难,保证了跟踪的鲁棒性和稳定性。     

仿射不变特征转换的运动目标跟踪方法

运动目标跟踪技术在交通管制、智能监控、GPS导航等多个领域有广阔的应用前景.本文提出一种基于经纬度和尺度的ASIFT(Affine-SIFT)跟踪算法,模拟序列图像成像时的倾斜角度,进行实时更新来去除由形变带来的过时特征信息,保证了特征的稳定,提高了配准精度.实验证明,此方法不受传感平台倾斜造成的图像仿射变形影响,能够有效处理目标由于旋转、形变而导致跟踪性能下降甚至跟踪目标丢失的问题,同时对跟踪过程中多目标的关联,也具有较好的鲁棒性,取得了良好效果.     

自适应图像增强的差值哈希算法对运动目标的跟踪定位研究

对于运动目标的跟踪定位研究成为当前的研究热点,利用北斗卫星定位系统对微小运动目标进行跟踪定位尚存在一定难度.文中借助无人机的摄像机设备,采用跟踪算法进行对运动目标的跟踪,通过对无人机的定位获取到相应的坐标信息,实现目标定位的精准化。为了更好地实现对于目标跟踪的效果,文中采用自适应图像增强的方式提高图像质量,通过拉普拉斯变换的差值哈希算法能够提高对运动目标跟踪的效果,在跟踪速度上有了明显的提升.      

空间目标三维姿态估计方法

提出了一种利用天文观测图像对卫星及其子部件三维姿态进行估计的方法。该方法利用等积剖分格网建立多视角姿态模型数据库,利用基于混合噪声的最大似然算法对观测图像进行图像复原与滤波等预处理,然后进行分割和几何特征提取,提出了一种尺度不变的特征检索方法对卫星几何特征进行编码,并在姿态数据库中进行最小距离匹配,最终估计出空间目标的三维姿态。实验结果验证了本文姿态估计方法的有效性和准确性。     

基于波形分类的近海卫星测高数据自适应重跟踪方法

对卫星测高波形数据分类的聚类分析方法进行了改进,给出了一个用于确定最佳聚类数的有效性指标。以台湾海峡的Topex/Poseidon测高数据为例,对近海测高波形进行了分类研究,并分析了各类波形的最优重跟踪方法,在此基础上提出了近海测高波形重跟踪的自适应方法。对多个周期测高数据进行重跟踪实验,结果表明,自适应方法优于其他重跟踪方法,显著提高了近海测高数据的质量。     

噪声协方差矩阵加权估计的Sage自适应滤波

介绍了经典 Kalm an滤波和目前广泛使用的 Sage自适应滤波 ,分析了基于新息向量、残差向量和状态改正数向量的自适应协方差估计存在的问题 ,提出了一种改进 Sage自适应滤波的新方法。计算结果表明 ,该方法能有效地控制观测异常和动态扰动异常对噪声协方差估计的影响 ,在高动态 GPS数据处理中具有较强的数值稳定性和自适应性。     

基于多传感器观测信息抗差估计的自适应融合导航

首先利用抗差估计原理构造了基于观测信息的融合导航解,再利用动力学模型信息进行自适应融合,最后利用模拟算例进行多种方案的计算与比较。     

改进的Sage自适应滤波方法

本文首先介绍了 Sage自适应滤波方法 ,分析了基于新息向量、残差向量和状态参数预报值改正向量的协方差自适应估计所存在的问题 ,提出了改进 Sage自适应滤波的新方法。结果表明 ,该方法能有效地控制状态方程异常对动态系统参数估值的影响     

基于OLDM与贝叶斯估计的鲁棒视觉跟踪

提出了一种在线学习判别式模型OLDM(online learning discriminative model),并结合贝叶斯估计实现了对视觉运动目标的鲁棒跟踪。首先,通过对初始化的跟踪区域进行样本标记与聚类分析得到目标的判别式模型;然后,利用该模型在预测的跟踪区域内计算目标的似然分布;最后,在贝叶斯框架下完成目标状态的确定并对模型进行学习与更新。算法通过在线学习适时更新目标模型,增强了算法对目标表观变化的适应性。实验结果表明,本文算法能够有效地适应目标表观特征的复杂变化,对目标的尺度、光照、遮挡以及非刚性形变等具有较强的鲁棒性,算法的跟踪精度与稳定性比当前主流算法均有一定提高。     

基于k-目标跟踪的节点部署优化算法

针对无线传感网络(WSNs)目标跟踪的节点部署问题,提出了基于 k- 目标跟踪的节点部署优化算法．该算法考虑不同的 k 值、目标半径、跟踪角度、节点通信半径和兴趣区域的形状对 k 个目标跟踪性能的影响．先将兴趣区域划分为等边三角形、矩形和六边形模型,再估计这些模型中的最优边长和节点的跟踪方向．再依据最优边长去估计部署节点位置．最后,依据这些模型,实现 k 个目标跟踪所需的最少节点数．实验数据表明,提出的算法能够有效地跟踪目标．      

对地观测卫星地面站的目标跟踪技术

利用人造地球卫星进行对地观测是近些年来迅速发展起来的航天领域高新技术。本文针对目前对地观测卫星技术的发展，结合单脉冲测角原理给出了一种对地观测卫星地面站天线系统的整体分析与设计的方法。     

基于DOA和TDOA的单站外辐射源目标跟踪IPKF方法

随着电子战、信息战在现代军事领域的地位日趋重要,基于外辐射源的定位跟踪方法成为现代雷达领域的研究热点。针对通过单站接收多外辐射源信号获取角度（direction of arrival,DOA）和时差（time difference of arrival,TDOA）信息对运动目标跟踪的问题,首先推导角度和时差的伪线性观测方程,在通过最小二乘（least squares,LS）算法获取初值的条件下,利用传统的卡尔曼滤波算法实现目标的跟踪,该方法称为伪线性卡尔曼滤波（pseudo-liner Kalman filter,PKF）算法。进一步分析观测方程,提出了利用迭代的IPKF（iterative PKF）目标跟踪算法,并推导其克拉美罗下界（Cramer-Rao lower bound,CRLB）。仿真实验分析说明,该IPKF算法的跟踪精度、收敛速度和稳定性均优于传统的扩展卡尔曼滤波（extended Kalman filter,EKF）算法,且迭代次数越多,性能越好,观测误差越小,跟踪误差越接近CRLB。     

遥感影像变化检测自适应阈值分割的Kriging方法

提出了一种基于空间统计理论的自适应阈值分割方法,用于多时相高分辨率遥感影像变化检测研究。针对未确定类别的目标像素点,分别以局部区域内的变化类和非变化类为样本点,将目标点的实际值和估计值进行比较,以确定目标点的类别。为验证本方法的优越性和自适应性,分别与系列传统阈值分割方法进行了对比分析。实验结果表明,本方法能够有效去除伪变化信息,减少目标的错判、误判率,提高检测精度。