目标自动跟踪与信息处理综合系统的研究与实现

根据将目标自动跟踪与信息处理综合的思想,在目标自动跟踪与信息处理综合的实现方面作了大量工作.实验结果表明,只有在自动跟踪系统中综合目标信息处理,火控系统性能才能有质的提高.同时,数字信号处理技术、自适应滤波算法的应用使得系统设计能够基本达到实际应用的阶段.     

目标自动跟踪与信息处理综合系统的研究与实现

根据将目标自动跟踪与信息处理综合的思想,在目标自动跟踪与信息处理综合的实现方面作了大量工作,并进行了实验.实验结果表明,只有在自动跟踪系统中综合目标信息处理,火控系统性能才能有质的提高.同时,数字信号处理(DSP)技术、自适应滤波算法的应用,使得系统设计能够基本达到实际应用的阶段.     

红外成像自动目标识别技术研究--计算模型与数据流程

红外自动目标识别是当前智能化图像处理及应用开发的前沿关键技术,其研究进展与计算机视觉的发展水平紧密相关。人类视觉系统是计算机视觉的原始模型,其视觉感知机理的研究将有助于揭示视觉表象的本质,进而为准确描述图像特征信息提供科学而可靠的依据。主要从视觉感知模型、感知功能模块响应特性、视觉对比灵敏度等方面对视觉感知基本原理加以综合分析,并力图利用这些功能卓越的信息处理机制阐明一种具有普适性的视觉计算模型———目标-背景表征模型。在此基础上,将背景区域感知与目标特征分析相结合,提出了自适应信号检测、目标特征识别和运动轨迹跟踪的层次化数据处理流程,从而为红外自动目标识别技术提供一条新的探索途径。     

坦克火控系统目标检测、跟踪技术发展现状与展望

实现对目标的自动检测与跟踪是坦克火控系统未来发展的重要方向。首先,对目标检测与跟踪技术在国内外典型第三代主战坦克火控系统中的实际应用进行了简要梳理,分析了具备目标自动检测与跟踪功能的坦克火控系统相比于传统坦克火控系统的技术优势;其次,分析了现有坦克火控系统目标自动跟踪技术的原理和核心算法,并指出了现有算法存在的缺陷与不足;最后,在从理论角度对现有目标检测与跟踪算法发展现状进行综述的基础上,对坦克火控系统目标检测与跟踪技术未来的发展趋势进行了展望。     

全景雷达的数字跟踪(下)

三、数字跟踪的实现1.如何实现自动跟踪所谓自动跟踪,对于全景雷达来说,就是不论目标跑到哪里,跟踪框就自动移向哪里,并始终套住目标。在第一章第二节中,我们已经谈到:跟踪框在雷达荧光屏上的位置是由 L_S 与_S 两个参数决定     

战场数据融合仿真系统设计与实现

介绍了一种战场数据融合仿真系统的设计与实现方法。该系统由场景设定、信号产生、融合跟踪处理、目标识别、态势与威胁估计与数据库支持等功能子系统组成,模拟了数据融合的整个信息处理流程,包括:主动探测雷达、雷达侦察设备、通信侦察设备和敌我识别器获取敌我目标观测信息、利用多传感器跟踪数据对目标进行融合跟踪、提取辐射源电磁信息特征对敌方目标识别,进而形成态势与威胁估计。最终在Visual C#开发平台上利用MapX和ORACLE开发了战场数据融合仿真系统,并成功应用于实际系统中,取得了较好的效果。     

基于通用DSP模块单脉冲雷达测距的实现

目前,单脉冲精密跟踪测量雷达将普遍采用全数字式距离自动跟踪系统,即全数字式测距机。讨论的基于DSP平台的单脉冲雷达测距系统应用前景比较看好,在其硬件平台不变的情况下,通过修改工作软件和定时器内部逻辑,不仅能实现单个目标距离的跟踪与测量,而且能完成多目标距离的跟踪与测量。     

水声传感器信息处理技术

水声传感器信息融合是为潜艇、水面舰艇提供完整、准确、清晰战术态势的关键技术。结合各类声纳的特点,研究数据互联,水下被动定位与跟踪算法,纯方位系统的可观测性,跟踪坐标系的选择以及机动目标跟踪,是解决水声传感器信息处理的关键。首先对前人在这些方面的工作进行了总结和评述,然后根据现代海战的战术背景分析了水声传感器信息处理存在的一些技术难点和值得进一步研究的问题。     

军事电子信息处理中的人工神经网络技术

本文首先分析了现代战场环境对军事电子系统智能信息处理的应用需求，然后对人工神经网络理论与技术在军事电子信息处理中的现实应用与潜在前景给出了一个较为详细的介绍与分析。着重介绍了神经网络在雷达、红外及声纳目标的检测、识别、多机动目标跟踪及武器系统的智能控制等方面的应用情况，力图展示神经网络用于军事电子信息处理的特色与优势。最后分析了人工神经网络技术发展与应用中存在的一些问题。     

数据融合与敌我识别综述

敌我识别 (IFF)是自动目标识别 (ATR)技术的重要应用之一。高科技条件下现代战场中的目标侦察与敌我识别问题 ,一直是国际雷达领域和信息处理技术的主攻方向。为适应未来数字化战场的作战需求 ,具有敌我识别能力的系统 ,已成为 2 1世纪战场数字化系统的基本功能单元之一。扼要介绍了目标识别的有效途径、可提高敌我识别系统效能的数据融合技术及IFF现状与发展趋势。     

战车火控系统目标角速度测量误差分析

目标角速度测量误差是严重影响解命中问题解算结果的重要的输入误差。通过目标角速度测量误差的理论分析,证明目标角速度测量技术方案的不合理,是形成角速度粗大测量误差的主要原因。火控系统向目标自动跟踪式方向的发展及非线性滤波器在目标信息处理中的应用,是提高目标运动状态估计精度的重要技术途径。     

对抗环境中目标自动跟踪系统仿真

目标自动跟踪系统是现代坦克重要新技术之一,研究了在OpenGVS仿真平台上实现目标自动跟踪系统仿真的方法.根据目标自动跟踪系统的基本原理建立了系统的仿真数学模型,运用MFC,OpenGVS在HLA搭建的对抗仿真环境中实现了半实物仿真.     

坦克火控系统自动跟踪功能关键技术

结合现代军事发展,分析了现代坦克火控系统发展自动跟踪技术的必要性;根据我军现装备的坦克火控系统所具有的自动跟踪功能,分析了自动跟踪的相关技术,电视跟踪技术的原理,图像匹配法的涵义;系统介绍了电视跟踪中图像匹配法识别和跟踪目标,介绍了目标自动跟踪系统对目标识别和判定的一种具体方法.     

最小二乘滤波在目标跟踪中的应用

根据目标在运动过程中具有轨迹连续性的特点,基于最小二乘法通过设计综合预测器的方法,并结合坐标变换得出目标的预测位置信息。这种方法结合了线性预测器与平方预测器的特点,对于目标跟踪过程中的预测更加贴近,且能减少跟踪算法的计算量;对于实现导弹的稳定跟踪具有一定的应用价值。     

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。     

目标图像运动特征分析

在红外成像导弹导引头的信息处理中,目标图像特征研究是导引头技术研究中的一个重要问题。对各种潜在目标成像特征的详细研究是红外成像导引头信息处理研究的基础。在此项工作完成的基础上,可以实现对导引头目标识别和跟踪算法的评价,同时也可以辅助图像处理算法的选择和优化。在分析红外成像制导空空导弹工作原理的基础上,建立了导弹、目标的仿真模型,对常见的目标图像运动特征进行了仿真分析。给出了在空战条件下目标图像运动特征的部分仿真结果。     

军用红外目标图像识别跟踪系统的现状与研究

红外目标图像识别跟踪系统在军事上具有重要而广泛的用途。针对其关键组成：红外探测器、信号处理、目标识别与跟踪,文章阐述了红外探测器（焦平面阵列）技术的发展现状,探讨了信号处理对系统作用距离的影响,综合分析了红外目标图像预处理、识别、跟踪算法,以及红外隐身目标探测与识别的技术途径,并进行了简要的硬件实现分析。     

舰载炮瞄雷达

装载于舰上,用于自动跟踪目标,测定目标坐标,并通过指挥仪控制舰炮瞄准射击的雷达称舰载炮瞄雷达,又称舰载火炮控制雷达。它的作用距离较近,但精度很高。这种雷达通常配备目标自动跟踪设备,当雷达捕获到目标后,跟踪设备就不断地对目标进行自动跟踪,精确地测定目标的舷角、距离和仰角,同时把测得的目标坐标数据自动传送给指挥仪,以使舰炮迅速而准确地瞄准目标,从而提高舰炮命中目标的概率。     

新型武器装备系统中的人工神经网络技术

本文首先分析了现代战场环境对武器系统智能信息处理的应用需求,然后对神经网络理论与技术在武器装备系统中的现实应用与潜在前景给出了一个从理论到实例的较为详细的介绍与分析。着重介绍了神经网络在雷达、红外及声纳目标的检测、识别、多机动目标跟踪及武器系统的智能控制等方面的应用情况,力图展示神经网络用于武器装备系统的特色与优势,并给出了其在武器装备系统各方面应用情况的一个概貌。在文章的最后,针对目前存在的神经网络实验研究到实际装备之间的缺环,我们分析了神经网络能力验证的研究即神经网络本身可靠性研究的必要性与迫切性。     

一种基于轮廓自扩展的GVF算法

针对Snake算法及GVF算法对初始轮廓覆盖区域敏感性的缺陷,提出一种轮廓自扩展方法,从而使初始轮廓能够有效地覆盖目标所在区域,达到对目标的完整搜索;将其应用到目标跟踪中,根据下一帧中目标与当前帧设置的轮廓的交叉,通过自扩展初始轮廓可以很快将目标划为搜索区域之内.实验表明,基于轮廓自扩展方法的GVF方法可以实现对目标轮廓的完整提取;在目标跟踪中可以自动、有效地跟踪目标.