边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。     

多传感器式诱导维修系统的设计与实现

针对战场装备抢修中维修作业时间紧、任务重、难度大和专业维修人员少的问题,提出了多传感器式诱导维修系统体系结构,开发了一套基于增强现实技术的诱导维修系统。系统主要由5个模块构成。通过PST跟踪仪和基于无迹卡尔曼滤波的多传感器跟踪算法完成跟踪注册,结合语音和手势识别进行人机交互,通过构建无线通讯网络和实现数据分布式处理拓展了系统的适应性和实用性。以某型装备电磁铁更换为例,对系统功能进行了验证。实验对比说明了与纸制维修手册和普通移动终端相比,该系统能更为高效地指导维修人员完成维修任务。     

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。     

粒子PHD滤波存活粒子采样新方法

针对多目标跟踪粒子概率假设密度滤波算法中存活粒子的重要性密度采样问题,给出一种结合最新量测信息的存活粒子重要性密度采样新方法.该方法根据最新量测集中的各个最测与目标粒子的单步预测状态的似然值,以概率选取量测值,利用无迹变换获得粒子的重要性密度函数,并对其进行采样实现粒子概率假设密度滤波中存活粒子的采样,有效地减轻了粒子的退化现象. 3目标跟踪仿真试验中,当目标模型与跟踪算法使用的目标模型不匹配时,采用所提出的存活粒子采样方法的粒子概率假设密度滤波算法最优子模式分配距离下降约70km.论文给出的存活粒子采样新方法显著地提高了多目标跟踪粒子概率假设密度滤波算法的鲁棒性.     

无线传感器网络中多传感器动态自适应调度算法

无线传感器网络中,目标跟踪往往通过节点之间的协作完成。在无迹变换卡尔曼滤波基础上,提出一种多传感器动态自适应调度算法进行目标跟踪。该方法根据预测跟踪精度来确定采样间隔,然后基于特定的检测概率,为下一时刻选择一组传感器,形成一个临时工作组,并指定某一个传感器作为中心节点进行数据融合。仿真结果证明了该算法能有效提高跟踪精度和可靠性。     

一种无人地面车的轨迹跟踪控制方法

针对无人地面车辆经典轨迹跟踪控制方法的不足,提出了一种基于无人地面车辆运动学模型的轨迹跟踪控制算法。在算法中引入了位姿的纵坐标误差,以加快跟踪的逼近速度,并利用人工驾驶的思想,采用了一种位一姿交替控制的方法,使路径跟踪既准确又快速。仿真结果表明：该方法是有效的,且可使无人地面车具有更好的跟踪性能。     

一种可移动式科氏流量计实验平台设计与实现

为提高科氏流量计的计量精度,促进相关数字信号处理方法与技术的发展和进口高精度科氏流量计的国产化,设计了一种可移动式科氏流量计实验平台。简述了科氏流量计的基本原理和相关数字信号的处理方法,指明了相关方法的研究趋势。针对研究趋势,分析了科氏流量计实验平台的功能需求,给出了总体设计方案、硬件选型、软件流程和技术指标,重点阐述了数据采集模块(以PLC和NI9234为核心部件)的详细设计,给出了实验平台的初步测试结果。测试表明,该实验平台性能稳定,功能全面,能较好地为开展科氏流量计相关数字信号处理方法研究提供平台支撑。     

基于多传感器径向速度测量的目标跟踪方法

针对基于位置信息的目标跟踪在初始跟踪和运动模型变化阶段航向估计精度低的情况,利用传感器径向速度测量精度较高的特性,提出了一种基于多传感器径向速度测量的目标跟踪方法,解决数据更新周期长、定位精度低情况下目标跟踪的精度问题。仿真实验证明采用文中所提方法对跟踪精度有较大的提高。     

一种舰炮武器系统手动跟踪及射击控制方法

针对常规舰炮武器系统对低照度、低反射面积目标无法自动跟踪和有效测距的情况,设计了一种基于光电传感器目标视频的手动跟踪及射击控制方法。操作手控制跟踪器对目标实时瞄准,并通过激光测距或距离装定,以获取目标的量测数据。该方法原理简单、成本低、易于实现,并且具有诸元快速校正功能,已成功应用于工程实践,并经过试验验证,可以有效提高系统对该类目标的作战能力。     

Maneuvering target tracking of UAV based on MN-DDPG and transfer learning

Tracking maneuvering target in real time autonomously and accurately in an uncertain environment is one of the challenging missions for unmanned aerial vehicles(UAVs).In this paper,aiming to address the control problem of maneuvering target tracking and obstacle avoidance,an online path planning approach for UAV is developed based on deep reinforcement learning.Through end-to-end learning powered by neural networks,the proposed approach can achieve the perception of the environment and continuous motion output control.This proposed approach includes:(1)A deep deterministic policy gradient(DDPG)-based control framework to provide learning and autonomous decision-making capa-bility for UAVs;(2)An improved method named MN-DDPG for introducing a type of mixed noises to assist UAV with exploring stochastic strategies for online optimal planning;and(3)An algorithm of task-decomposition and pre-training for efficient transfer learning to improve the generalization capability of UAV's control model built based on MN-DDPG.The experimental simulation results have verified that the proposed approach can achieve good self-adaptive adjustment of UAV's flight attitude in the tasks of maneuvering target tracking with a significant improvement in generalization capability and training efficiency of UAV tracking controller in uncertain environments.