基于分治采样粒子滤波的三维跟踪算法

粒子滤波在处理三维机动目标跟踪问题时,粒子点难以均匀覆盖目标状态空间,较低的样本多样性和算法冗余直接影响跟踪性能。针对该问题提出一种基于分治采样粒子滤波的跟踪算法,算法通过划分独立的状态子空间,使随机样本在各子空间内单独抽样,对目标机动实现降维处理,提高跟踪性能。仿真实验表明,相对于标准粒子滤波,该算法有效提高了样本多样性,具有更好的跟踪性能,对复杂机动状况适应性更强。     

视觉目标跟踪现状与发展

视觉目标跟踪系统在军事和民用领域都有重大的应用需求,如武器制导、视觉导航、安防监控等。视觉目标跟踪系统的目的是在视频序列的每一帧中准确地定位目标位置,还原目标完整的运动路径,为高层应用提供决策依据。根据任务需求不同,目标跟踪系统可以分为单目标跟踪和多目标跟踪。在算法层面分别介绍了视觉单目标跟踪和多目标跟踪的发展现状,并对相关算法的优点和不足做了简要分析。结合当前研究现状,简要地梳理了目标跟踪算法的发展趋势。研究表明,视觉目标跟踪是一个非常开放的研究领域,相关的理论和方法层出不穷,不同算法的侧重点也不尽相同,研究经典的目标跟踪算法有助于把握视觉目标跟踪中潜在的问题,为设计目标跟踪系统提供依据。     

空间密集群目标关联与跟踪算法研究

为提高对空间密集群目标跟踪的精度,提出了基于全局最近邻的群目标关联与跟踪算法。通过对空间密集目标进行群分割,将群跟踪问题转化为多目标跟踪问题,考虑到空间目标具有运动速度快的特性,基于"全局最优"原则选取距离最近的群目标和量测进行优先关联与更新,避免关联冲突和减少关联错误,可有效解决关联准确性与跟踪实时性之间的矛盾,同时提出航迹预测与轨迹预报相结合的方法,来解决跟踪过程中的航迹断续与融合问题。仿真实验结果验证了所提算法的有效性。     

一种改进的Mean-shift目标跟踪算法

提出了一种利用多帧图像中目标区域颜色直方图特征信息的Mean-shift目标跟踪算法,该算法以Mean-shift为核心,在对目标模板建立特征模型时,不仅考虑了前一帧的目标区域的颜色直方图,而且将前数帧中目标区域的颜色直方图通过加权一起考虑,从而提高了跟踪的稳定性。     

强跟踪滤波器在机载云台目标跟踪中的应用

针对小型无人机地面目标跟踪系统,设计了自适应的强跟踪滤波器(STF),实现了对机载云台姿态的控制,使机动目标保持在机载云台的视场中心.根据无人机、目标与视场中心的位置关系,建立了跟踪系统的数学模型.为解决“当前”统计模型跟踪强机动过程效果较差的问题,提出了强跟踪滤波器(STF)的自适应滤波算法.当无人机加速度较大时,加入强跟踪滤波器后的跟踪曲线较平滑,误差更小.最后,仿真结果表明,机载云台姿态控制器对机动目标的跟踪效果良好,被跟踪目标保持在机载云台的视场中心.     

固定翼无人机航迹跟踪抗风性研究

无人机作为一种新型军事装备,具有广泛的作战应用场景.无人机的航迹跟踪性能和抗干扰能力是其安全完成飞行任务的保障,随着现代战争作战环境日益复杂,无人机飞行将面临更大的挑战.针对目前固定翼无人机在飞行过程中受风扰影响严重的问题,设计了一种具有抗风性的航迹跟踪方法.利用非线性导引原理实现对航迹的跟踪,并通过引入反馈消除了风扰...     

基于图像信息的跟踪算法分析

图像跟踪算法研究是电视跟踪系统的关键技术之一.对波门跟踪算法、相关跟踪算法、多模跟踪算法、基于提边的差分跟踪算法及微分线性拟合外推跟踪算法进行了分析,并指出了电视跟踪系统跟踪算法的发展趋势及其在武器系统中的重要作用.     

基于Hausdorff距离的目标跟踪方法研究

序列图像中的运动目标跟踪是计算机视觉的一个重要组成部分,跟踪算法的鲁棒性和计算量是算法的关键。对上述问题进行研究,提出了一种基于Hausdorff距离的目标跟踪方法。该算法结合运动检测和多分辨率技术,极大减少了计算量,并利用有效的模板更新方法,加强了跟踪的鲁棒性。实验表明,该算法能实现快速有效的目标跟踪。     

基于Super-Twisting滑模S面的无人机路径跟踪控制

针对小型固定翼无人机在执行任务时跟踪精度低以及容易受外界风影响的问题,设计基于Super-Twisting滑模S面（STSM S-Plane）的路径跟踪控制器,同时采用内外双环控制模式。外环即速度环采用Super-Twisting滑模控制,内环即姿态环采用S面控制。考虑到S面控制求导易导致积分爆炸的问题引入了二阶微分器,并对外界风组成进行建模研究。最后通过空间特殊曲线来验证所设计算法的控制性能。仿真结果表明,所设计的算法可以实现固定翼无人机对期望路径的精确跟踪,并具有良好的鲁棒性和抗干扰性能。     

一种改进的跟踪方法

当视频图像的对比度较低时,传统的跟踪算法很难满足实际跟踪的要求.针对此情况介绍了一种通过图像灰度预处理、金字塔式的线性模板权值分配、动态模板更新以及目标预测为基础的跟踪方法.仿真结果表明,该算法具有一定的抗干扰和抗遮挡能力.     

基于迭代卡尔曼粒子滤波的目标跟踪算法研究

粒子滤波在基于图像序列的目标跟踪中获得了广泛应用．针对其计算量较大的问题,提出一种迭代卡尔曼粒子滤波算法,将非线性跟踪问题分解为线性子结构的全局状态空间模型和非线性子结构的局部状态空间模型,利用粒子滤波在卡尔曼滤波估计值的局部范围内搜索目标,逼近真实目标状态．将实验结果与粒子滤波进行比较,结果表明,迭代卡尔曼粒子滤波减少了粒子数,降低了计算量,能够对高机动目标进行实时稳定的跟踪．     

基于跟踪精度控制的多传感器管理方法

针对地面机动目标跟踪过程中的多传感器管理问题展开了研究，设计了一种基于跟踪精度控制的多传感器多目标分配方法。首先，在考虑目标与目标之间、目标与传感器之间和传感器与传感器之间等的多种约束条件下运用基于协方差控制的思想建立了多传感器多目标分配问题的优化模型；接着将等价伪量测的异步融合算法与IMM算法结合，计算各目标在不同融合周期的跟踪精度估计值；最后，以目标的跟踪精度需求为出发点，结合蚁群算法的思想，设计了一种求解所建立的多传感器多目标分配问题的优化模型的算法。仿真结果表明：该管理方法能在确保跟踪精度需求的前提下，根据对各目标跟踪任务的重要程度，合理地调度传感器资源。     

利用实时小波降噪的抗电离层闪烁载波跟踪

电离层闪烁影响下的导航信号载波跟踪呈现非平稳、非线性和非高斯特性,这使得传统基于鉴别器和Kalman滤波的载波跟踪改进算法并不能有效减弱电离层闪烁的影响。提出了基于实时小波降噪的抗电离层闪烁载波跟踪算法,其能够更好地刻画闪烁信号的非平稳特性。通过对跟踪环路同相与正交支路的积分结果进行小波降噪,有效滤除了电离层闪烁引入的非高斯噪声,减弱了闪烁对环路鉴别器的不良影响,提高了跟踪环路的精度与稳健性。实验验证了相关分析和小波降噪跟踪算法的有效性。     

改进型PASTd双基地MIMO雷达相干目标角度跟踪算法

针对双基地MIMO雷达相干目标运动时角度跟踪问题,提出了一种基于数据平滑的快速跟踪算法。首先借鉴空间平滑的思想,采用数据平滑重构得到满秩的数据,去除相干信号造成的影响。对PASTd算法进行改进,提出适合平滑后数据的PASTd算法,通过改进的PASTd算法,能够更快地得到目标特征向量,并对其进行正交化得到信号子空间,最后结合ESPRIT算法得到收发角度,并实现自动配对,完成运动目标的角度跟踪。仿真结果验证算法的有效性。     

BDS导航信号抗电离层闪烁载波跟踪的自适应卡尔曼滤波算法

电离层闪烁会引起导航信号幅度和相位的快速衰落,严重影响跟踪环路的精度和稳健性,而相比频率跟踪和伪码跟踪,载波跟踪环路更易受电离层闪烁的影响而失锁。因此,提出一种基于相位锁定指示自适应扩展卡尔曼滤波的北斗导航信号抗电离层闪烁载波跟踪算法,其以同相与正交支路的积分结果估计相位锁定指示值,并采用该指示作为控制参数对不同闪烁场景下扩展卡尔曼滤波的观测向量进行自适应调整,这不仅能够提高跟踪环路的精度和稳健性,而且能够降低扩展卡尔曼滤波发散的概率。实验结果验证了相关分析和所提跟踪算法的有效性。     

利用二坐标R站实现运动辐射源的三维跟踪

本文提出了一种基于目标斜距两次测量值之差和方位角信息的定位跟踪算法,详细分析了该技术的定位原理和可行性。在辐射源匀速直线运动的条件下,如果能够不测俯仰角而只用方位角和距离差实现对目标的定位与跟踪,将不仅可以简化接收站的设备,而且还能够增强其独立性能,因此本文讨论的算法对于单站被动定位跟踪系统的实用性具有重要意义。本文通过典型目标航迹的计算机仿真,对算法的性能做了评估．     

机动目标跟踪的非线性算法

卡尔曼滤波器对线性高斯滤波问题能提供最优解, 而对目标运动模型、观测方程等要求的非线性就不再适合,提出了一种机动目标自适应非线性粒子滤波算法-" 粒子滤波器"(Particle Filters PF)法, 这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型, 分析比较了粒子滤波(PF)与扩展卡尔曼滤波算法(EKF) 的滤波精度、运算量等方面指标.给出了基于典型非线性模型的算法仿真, 仿真结果表明粒子滤波新方法优于EKF对机动目标跟踪.     

基于双目视觉定位技术的无人船航迹跟踪控制室内模型实验

水面无人系统的航向控制与航迹跟踪技术在研究开发阶段一般在室内环境进行调试与运行,该过程需要定位系统进行辅助.实船常用的定位技术难以在室内发挥作用,现有的几种室内定位技术存在成本高、信号传播不稳定等问题.设计了一种基于双目视觉定位技术的船模航迹跟踪控制系统.结合实验场地和实验对象,通过在船模上布置特征物、图像预处理、图像...     

基于IMM-RUASFF的网络化目标跟踪算法

针对目前网络化目标跟踪算法存在实时性差、精度低等问题进行了研究。首先,基于网络信息共享需求,建立了网络探测节点的目标跟踪模型;其次,网络探测节点目标跟踪需求和实战要求发现目标经常是有多种运动状态并存,而单一模型的滤波器不能满足对机动目标跟踪性能的要求,采用了基于交互式多模型(Interacting Multiple Model,IMM)的有反馈实时更新的异步状态融合算法。最后,针对多个探测节点目标跟踪的状态融合估计问题,提出了一种有反馈实时更新的异步状态融合算法,通过仿真验证了算法的有效性。     

H∞鲁棒滤波在机动目标跟踪中的应用

在交互多模型中通常使用的卡尔曼滤波器中，引入广义H∞鲁棒滤波器，以一定的精度为代价，换取满意的鲁棒性能。H∞鲁棒滤波算法可以分解为卡尔曼滤波和鲁棒化两个环节，从而形成一种基于增益失调因子的结构化分解算法。、为验证算法的有效性，进行了Monte Carlo仿真。仿真结果表明，本文算法跟踪复杂机动目标时跟踪性能有较大提高，有很好的可实现性.