双向时空连续性轨迹片段关联的目标跟踪方法

提出一种使用双向时空连续性关联轨迹片段的目标跟踪方法.首先对检测结果进行简单的帧间匹配关联,生成可靠的轨迹片段;然后对每个轨迹片段通过卡尔曼滤波以及有权重的均值法分别计算修正轨迹片段的速度、位置与颜色特征;最后通过计算轨迹片段之间的双向时空连续性迭代关联,找到最符合时空连续性的轨迹片段关联.实验证明本文方法可以有效解决...     

红外传感器目标跟踪算法

对红外传感器目标跟踪进行了系统的阐述 ,包括航迹起始、已知目标强度分布模型时的红外目标跟踪 ,对目标质心伪测量的红外目标跟踪 ,基于质心及质心偏移测量的红外目标跟踪 ,红外传感器的目标机动检测、利用图像分割和目标特征的红外目标跟踪 ,图像相关算法和 Kalman滤波的红外目标跟踪 ,简化充分统计量的红外目标跟踪 ,修正球坐标系 (MSC)的红外目标跟踪、利用主客观知识的红外跟踪 ,红外传感器的微弱信号检测与跟踪以及红外传感器检测 -跟踪的联合优化等研究具有一定的参考意义     

现代防空火控系统的现状及发展方向

参照国外现代陆用防空火控系统现状 ,结合国内陆用防空火控系统研制情况 ,以功能模块概念阐述现代陆用防空火控系统的组成及各组成分系统的功能。结合近代反空袭作战特点 ,探讨未来陆用防空火控系统的发展方向     

自适应交互多模型算法在机动目标跟踪中的应用

针对多模型算法在机动目标跟踪中存在的问题,运用交互多模型算法(IMM)和自适应滤波理论,设计了一种自适应交互多模型算法(AIMM),结合目标运动模型对目标当前加速度和其方差进行估计,并在此基础上给出了AIMM中模型集和模型转移概率的设计方法,进行了计算机仿真.蒙特卡罗仿真结果表明,与标准IMM算法相比,该算法比IMM算法的跟踪性能有很大提高,跟踪复杂机动目标比IMM有更快的收敛速度,跟踪滞后问题得到较好的解决,跟踪目标的稳定性和精确性均优于IMM算法,有利于机动目标的实时跟踪.     

基于高斯伪谱法的弹道跟踪制导律

针对拦截临近空间高超声速飞行器的弹道跟踪过程,设计了一种基于高斯伪谱法的跟踪制导律。为了对标称弹道进行精确跟踪,基于线性二次型跟踪问题,应用最优控制理论推导最优解的充要条件,得到带时变增益的线性状态反馈控制量的表达式;基于高斯伪谱法,在离散的勒让德-高斯(LG)点上利用标称弹道数据计算差分矩阵和系数矩阵,求得状态扰动反馈控制律。仿真结果表明,该方法能够快速、有效的消除跟踪误差,满足在线实施要求。     

风场中平流层飞艇轨迹跟踪的滑模控制方法

为实现平流层飞艇驻空阶段可控飞行,研究环境风场中横侧向轨迹跟踪的滑模控制方法。建立平流层飞艇驻空阶段动力学模型,将动力学方程解耦为纵向运动方程和横侧向运动方程,采用小扰动方法对动力学方程进行线性化;利用滑模控制对外部干扰强鲁棒的特性,设计横侧向轨迹跟踪的滑模控制器;以直线与圆组成的复合轨迹跟踪控制为例,对提出的轨迹控制方法进行仿真验证。仿真结果表明,所提基于滑模的轨迹跟踪控制方法鲁棒性好,在一定范围的风场扰动条件下,可以实现对指令轨迹的有效跟踪控制,响应特性好。     

基于降低运算复杂度的子空间跟踪算法稳健性分析

FDPM和FOOJA是目前两种最为有效的适用于主、次子空间跟踪的方法,属于低复杂度算法。进一步降低算法运算复杂度,对保证算法的实时性具有非常重要的意义。以降低算法运算复杂度为背景,通过对FDPM、FOOJA算法的分析,指出存在两种简化运算量的FDPM1stcol、FOOJA1stcol方法。在有限精度运算条件下,对四种方法的稳定性、数值鲁棒性进行了深入分析和讨论。通过实验仿真,对分析的结论进行了验证。     

潜艇对机动目标跟踪和攻击若干问题的探讨

在现代作战条件下,潜艇所要跟踪和攻击的目标多数情况下应认为是机动目标。限于潜艇所载目标探测传感器和武器特点,以及潜艇自身隐蔽性、机动性方面的约束,潜艇跟踪和攻击机动目标存在许多困难和值得研究的问题。对这些问题进行了较为系统地梳理,并对其中的若干问题进行了探讨,包括目标机动的原因、机动目标可判断性问题、机动判断手段、机动判断后目标参数的处理、机动目标攻击的基本原则和方法等,还对潜艇指控系统强化机动目标跟踪和攻击功能提出了一些建议。     

基于HSV模型的运动目标提取与跟踪

为了实现对运动目标跟踪的目的,根据六角椎体模型原理(HSV),运用自适应阈值分割的方法,将运动目标从背景中提取出来,并对目标的运动轨迹进行计算与预测.利用Matlab 6.5,实现了单目标的提取与跟踪.经分析,这种方法速度较快,占用资源较少,非常适合工程应用.     

Linux下某型制导弹目标跟踪并行算法

针对某型电视制导弹的图像特点,在Linux平台上设计了一种并行算法用于完成目标跟踪.算法思想:将制导弹的目标跟踪任务划分为图像采集、纠旋、显示和目标跟踪,程序中创建两个线程用于完成该任务;其中线程1完成图像采集、纠旋和显示;线程2完成目标跟踪.实验表明该算法实现了Linux环境下图像的实时采集、纠旋、显示和目标跟踪,与Windows下的目标跟踪算法相比,该算法有效的节省了资源.