基于边界交叉法的高超声速滑翔飞行器多目标轨迹优化研究

针对高超声速滑翔飞行器复杂约束条件下多目标轨迹设计问题,基于边界交叉法和伪谱法提出了其多目标轨迹优化方法。首先,分析了高超声速滑翔飞行器复杂约束轨迹优化问题的特点,提出了多目标轨迹优化问题。然后,采用边界交叉法和伪谱法将多目标轨迹优化问题转化为一组单目标优化子问题,利用非线性规划算法分别求解。在优化过程中,将已求解子问题的解作为下一个子问题的初始值。利用上述方法求解了最大横程和最小峰值热流轨迹优化问题,仿真结果表明：本文方法能够有效搜索到优化轨迹的Pareto前沿,可以为高超声速滑翔飞行器轨迹设计提供参考。     

多机动目标跟踪的BFG-GMPHD算法

针对高斯混合概率假设密度(GMPHD)滤波算法中的机动目标跟踪问题,提出BFG-GMPHD算法,扩展了GMPHD滤波算法的适用范围。算法利用最佳拟合高斯(BFG)分布来近似目标动态模型中的状态转移矩阵和过程噪声的协方差矩阵,实现了滤波器与不同动态模型的匹配;在对BFG分布进行递推时,引入了模型概率更新过程,解决了BFG仅依赖于先验信息的问题;并利用UKF算法对GMPHD的高斯分量进行递推,使得算法能处理量测方程为非线性的情况。仿真实验表明,BFG-GMPHD算法能快速匹配目标模型的变化,实现对多机动目标的有效跟踪,准确估计出目标的数目和状态。     

基于改进遗传粒子滤波与SME的多目标跟踪算法

针对基于对称量测方程的多目标跟踪,传统的滤波手段无法解决因对称变换带来的非高斯问题,提出一种新的遗传粒子滤波方法。新的滤波算法利用粒子的噪声含量与权值的负相关,改进了更新过程中权值计算所依赖的概率密度函数,避免了新量测噪声的求解。同时利用遗传算法的优势,保障了粒子的多样性,提高了粒子的使用效率,防止了滤波发散及局部最优。仿真结果表明,基于对称量测方程的多目标跟踪中,改进的遗传粒子滤波算法较扩展卡尔曼滤波算法、不敏卡尔曼滤波算法和联合概率数据关联滤波算法跟踪效果更好。     

偏色条件下的皮肤检测

为了解决偏色情况下的肤色分割问题，提出了一种色彩平衡的解决方法。先用Gray World假说对偏色RGB图像进行色彩平衡，在YCbCr颜色空间采用简化高斯肤色模型，然后利用形态学对二值图像进行处理。实验结果证明了该方法的可行性。