有限快拍下的小尺度矢量阵DOA算法

针对小尺度矢量水听器阵条件下ESPRIT算法目标方位估计精度低、多目标分辨能力弱的缺点,提出了一种基于酉变换的DOA改进算法.该方法无需计算观测数据的协方差矩阵,利用阵列的观测数据及共轭信息构造一中心Hermitian对称矩阵,根据酉变换原理将其转化为实数矩阵并用实值ESPRIT方法估计目标方位.由于利用了观测数据的共轭信息,相当于虚拟增加了阵元个数,改进算法有更高的DOA估计精度和多目标分辨能力,在快拍数与阵元数相当时改进算法比协方差方法有更小的计算复杂度.仿真分析结果证明了算法的有效性.     

基于多模型和辅助粒子滤波的机动目标跟踪算法研究

机动目标跟踪的本质是随机动态混合系统中的状态估计问题,其难点在于每一时刻运动模式的高度不确定性.在实际问题中,系统状态往往还呈现非线性、非高斯、不完全观测的特点.文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的机动目标跟踪算法——MM APF.仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在计算量相当的情况下,具有更高的滤波精度和较好的稳定性.     

机动目标跟踪的一种新的方差自适应滤波算法

针对"当前"统计模型自适应滤波算法跟踪非机动或弱机动目标时存在跟踪精度不高以及受目标机动加速度极限值先验设置的制约等问题,提出了一种方差自适应滤波算法,该方法利用新息与加速度变化量之间的关系,实现了加速度方差的实时估计和自适应调整,能更好地适应目标非机动和强机动的各种情况,避免了"当前"统计模型在目标非机动或弱机动时加速度方差过大而带来的跟踪精度不高的问题;同时也避免了对目标加速度的极限值设定.理论分析和仿真结果表明,相对于"当前"统计模型,无论是跟踪常速运动目标还是跟踪强机动目标,本算法都具有较高的跟踪精度.仿真结果验证了算法的有效性.     

单矢量水听器多目标方位的盲估计研究

为实现单矢量水听器的多目标方位估计,研究了水声矢量信号的盲估计问题.根据单矢量水听器的阵列流型特点,结合盲源分离技术,提出了一种新的单矢量水听器多目标方位估计算法.在目标信号先验信息未知的情况下,该算法可分离出各目标信号及其阵列流型,然后利用单矢量水听器振速分量的正交性,估计出各目标信号的方位.实验验证了该算法的有效性.     

基于方位合成的异类传感器航迹数据融合算法

针对纯方位传感器与二维雷达量测空间不一致的航迹数据融合问题,提出了一种基于方位合成的异类传感器航迹数据融合算法.该算法以纯方位传感器承载平台为融合中心,计算雷达和纯方位传感器探测的目标航迹相对于同一坐标系的方位量测,并用一种近似方法计算方位精度;采用基于最优权值分配原则的加权平均法对方位进行合成,用合成的方位对雷达探测的目标航迹进行修正,并将修正后的航迹作为融合航迹.该算法在获得融合航迹的同时,给出了融合航迹的精度.仿真结果表明,与雷达航迹精度相比,融合航迹的精度平均提高25.23%.     

基于马尔可夫链蒙特卡洛方法的数据关联算法研究

数据关联是杂波环境下多目标跟踪问题的难点之一.文中提出了一种基于马尔可夫链蒙特卡洛(MCMC)方法的数据关联算法(MCMCDA),该算法通过在相应的关联事件空间中采样,可以有效地估计数据的边际关联概率,而且算法的估计精度可根据需要进行调节.仿真结果表明,在需要跟踪的目标数目较多,探测概率较低、杂波概率较高的情况下,JPDA算法因出现"组合爆炸"问题而难以在实际中应用;MCMCDA算法则能在保持较高估计精度的情况下降低计算负荷,从而能够较好地满足实时跟踪系统的要求.     

一种基于粒子滤波的分布式跟踪算法

在多平台协同作战中,由于通信时间的延迟,常常出现各传感器量测不能按照正常时序发送到数据融合中心处理的情形.为解决协同作战系统无序量测的滤波问题,同时提高其目标跟踪的性能和降低系统的算法存储量,提出了一种Unscented粒子滤波算法.该算法估计精度高、计算量和存储量较小、输出无延迟.仿真结果表明,该算法同其他滤波算法相比,提高了跟踪精度,较好地解决了时间延迟的问题.     

矢量水听器阵列MUSIC估计算法研究

矢量水听器由声压传感器和质点振速传感器复合而成,可以空间共点、同步测量声压和质点振速的各正交分量.采用矢量水听器均匀线阵研究了利用MUSIC算法对声源进行方位估计,对该算法进行了理论推导,并对数据协方差矩阵进行本征分解,获得了信号的空间谱估计.通过几个仿真对比试验,得出了该算法在多种条件下的高分辨方位估计性能.仿真结果表明,在SNR=10 dB条件下,相对于常规波束形成器输出,MUSIC空间谱的主波束宽度锐化了12.6°,旁瓣降低了22 dB左右,利用该算法可提高对信号源的定向精度及对多目标的分辨能力.     

一种新的异类多传感器系统误差融合估计算法

为解决由测向测时差无源被动传感器与主动传感器组网探测时异类多传感器系统误差估计问题,提出了一种新的异类多传感器系统误差融合估计算法.首先,通过对主被动传感器进行组合并构建异类传感器系统误差量测模型,实现了各组合传感器系统误差的实时估计;其次,通过建立多传感器融合估计结构,对多传感器系统误差的组合估计信息进行融合并反馈,获得了各传感器系统误差的全局融合估计.蒙特卡罗仿真结果表明:该算法能够对组网探测系统中各主、被动传感器的测向测时差及测距系统误差进行有效的融合估计,具有较高的工程应用价值.     

纯方位目标运动分析的无偏最小二乘估计算法研究

纯方位目标运动分析中的最小二乘估计算法往往存在有偏问题,而卡尔曼滤波算法或辅助变量法又存在滤波初值问题,选取不当容易发散.为此提出了一种新的无偏最小二乘估计算法,它通过将状态变量扩维,利用求解矩阵对最小特征值所对应的特征向量的方法,求取目标的运动参数.仿真表明,ULSE算法能够渐进地逼近方差下限CRLB,并且其滤波精度有所增加.     

不均匀地质条件下地震动目标定位方法

针对不均匀地质条件下地震动信号传播速度差异造成定位精度较低的问题,通过将位置域的传播速度转换为时延域的等效传播速度,提出了一种基于时延-等效传播速度检索表的到达时间差(TDOA)目标定位方法.对等腰直角三角形传感器阵列的定位盲区进行了仿真分析,为消除定位盲区,提出了五元十字阵传感器布置方法;进行了场地试验,对运动车辆进行目标定位,对基于时延-等效传播速度检索表的TDOA定位方法与固定传播速度TDOA定位方法的定位结果进行了比较,结果表明,前者的定位效果远优于后者.      

一种用于多摄像机无重叠视域环境下的车辆跟踪系统

针对当前交通监控系统中自动化程度较低、过多依赖人力进行监控的现状,文章设计了一种用于多摄像机无重叠视域环境下的车辆跟踪系统.该系统为中心-分布式结构,中心服务器与分布在前端的智能摄像机节点通过GPRS相连,与传统的功能单一的摄像头相比,基于DM642的智能节点可以在前端完成目标检测、跟踪以及分类等工作,并将抽象化后的目标特征信息通过GPRS传输给中心服务器,大大减轻了网络传输的压力.中心服务器根据节点传送来的目标信息,对不同摄像机视域下的目标进行匹配,实现了目标的连续跟踪,获得了更为全面的目标信息.试验表明,文章设计的车辆跟踪系统可以在较大监控范围内有效地跟踪目标车辆.     

Long-term tracking based on spatio-temporal context

Aiming at the problem that the fast tracking algorithm using spatio-temporal context (STC) will inevitably lead to drift and even lose the target in long-term tracking, a new algorithm based on spatio-temporal context that integrates long-term tracking with detecting is proposed in this paper. We track the target by the fast tracking algorithm, and the cascaded search strategy is introduced to the detecting part to relocate the target if the fast tracking fails. To a large extent, the proposed algorithm effectively improves the accuracy and stability of long-term tracking. Extensive experimental results on benchmark datasets show that the proposed algorithm can accurately track and relocate the target though the target is partially or completely occluded or reappears after being out of the scene.     

吊舱推进电机的无模型自适应滑模矢量控制

为解决半潜船吊舱推进电机控制系统中负载扰动造成的转速跟踪性能差的问题, 提出一种基于数据驱动的吊舱推进电机转速矢量控制方法; 对包含未知负载扰动的推进电机转速方程进行离散化处理, 给出关于输出转速与输入电流离散后的非线性转速系统; 由于非线性转速系统方程中变量较多且负载扰动模型未知, 设计了基于数据驱动的无模型自适应控制器, 并给出了伪偏导数估计算法; 采用滑模观测器观测螺旋桨负载扰动, 同时给出了滑模控制器; 结合无模型自适应控制和滑模控制给出了负载扰动下的无模型自适应滑模(MFASM)控制方案; 构建了吊舱推进电机无模型自适应滑模矢量控制调速系统, 并在MATLAB/Simulink环境下给出了仿真结果。研究结果表明: 在船舶正常作业恒定转速下, 在0.3~0.5 s时间区域内, 采用MFASM矢量控制方案和PI矢量控制方案的吊舱推进电机的转速误差分别为2、6 r·min-1; 在0.8~1.0 s时间区域内, 采用无模型自适应滑模矢量控制方案和PI矢量控制方案的吊舱推进电机的转速误差分别1、3 r·min-1; 对于船舶操车作业的可变转速情形, 采用MFASM矢量控制方案的推进电机转速和转矩达到稳态的时间比PI矢量控制方案少0.01~0.03 s。可以看出, 采用MFASM矢量控制方案可改善吊舱推进电机转速跟踪性能, 是一种有效的抑制负载扰动的数据驱动控制方法。      

基于分块EnKF的非线性目标跟踪算法

针对滤波航迹的相关性以及初始状态的选择会对跟踪性能产生影响的问题,将集合卡尔曼滤波算法引入到非线性目标跟踪领域,验证了其可行性和有效性,提出了基于分块集合卡尔曼滤波的非线性目标跟踪算法.采用分块思想生成初始集合,使用协方差矩阵加权方法解决分块间的航迹相关问题.仿真结果表明基于分块集合卡尔曼滤波的目标跟踪算法计算复杂度和以往的集合卡尔曼滤波算法同阶的情况下可以提供更高的运动参数估计精度,解决了粒子滤波算法计算量大难以进行实时跟踪的问题.      

基于车路信息交互的车辆卫星定位协同定权方法

为确保基于卫星导航系统的车辆定位性能满足特定交通应用需求，本文针对导航卫星观 测量权重分配对复杂动态运行环境的跟踪适配问题，建立基于车路信息交互的车辆卫星定位协 同定位增强总体框架；基于加权最小二乘定位解算模式，设计基于轻量级梯度提升机建模与多车 信息综合决策的协同定权方法，提出面向学习建模通道的导航卫星伪距残差轻量级梯度提升机 建模方案，面向定权计算通道设计了基于多车信息综合决策的导航卫星观测量权重决策策略。 实验结果表明：运用轻量级梯度提升机构建伪距残差模型，相较于支持向量机、随机森林以及仅 基于基础卫星观测特征的轻量级梯度提升机，均方根误差分别降低了62.1%，29.9%，60.4%；运用所建立的预测模型协同定权所得水平误差标准差，相对于等权和卫星仰角/信噪比组合定权策略分别降低了48.5%和47.6%。研究结果对于充分发挥车路协同系统模式下，信息交互机制的核心优势和优化车辆卫星定位性能具有重要意义。     

基于深度数据的车辆目标检测与跟踪方法

现有基于几何特征的目标检测与跟踪方法误检率较高,目标跟踪过程中的漏检易导致错误的目标关联.针对这些问题,本文提出了一种基于激光雷达(LiDAR)深度数据的车辆目标检测与跟踪方法.根据激光雷达深度数据特性,采用一种基于栅格的参数自动化聚类(PAG) 算法对原始数据进行处理,并在每个聚类中提取目标线段,获取目标特征.在此基础上对车辆目标进行识别,并计算得到目标的位置信息.采用卡尔曼滤波算法,制定滤波器管理策略,完成目标关联及状态估计.最后利用装备有一个前向激光雷达的实验车辆对提出的方法进行验证. 实验结果表明,本文提出的方法可准确识别并跟踪多个车辆目标,避免错误的目标关联.     

基于 UKF 非线性人眼跟踪的驾驶员疲劳检测

为解决驾驶员疲劳检测算法中头部快速移动、人眼非线性跟踪以及实际疲劳表情的识别问题,提出了一种新的基于UKF眼跟踪算法的驾驶员疲劳检测方法.根据近似非线性函数的概率分布比近似其函数更容易的原则,利用UT无迹变换,选择一组确定的Sigma点集逼近驾驶员人眼运动状态的后验概率密度函数,进行人眼非线性跟踪.在驾驶员人眼非线性跟踪基础上,通过计算PERCLOS值,进行现实驾驶条件下驾驶员疲劳的跟踪检测.实验结果表明,该方法不仅可以增强对驾驶员头部旋转、快速移动以及光照变换的鲁棒性,而且可以比传统的Kalm an滤波算法提供更精确的计算估计.     

多声呐基阵时差定位无解问题研究

声呐无源工作时可以通过测量时差进行定位．对平面3声呐基阵无源时差定位系统的定位过程中可能出现的无解现象进行了探讨，找出了无解分布与布站以及观测噪声方差大小之间的规律，并在各种布站及噪声条件下，对布站与无解分布的关系进行了仿真，直观反映了不同布站形式对时差定位的影响．针对不可避免的定位无解情况，提供了具体的无解问题的解决方法，并根据无解分布规律，提出了最优布站的3个原则．     

���ڸĽ�����ɫ������ֱ��ͼ���µ�Mean-Shift�㷨

为了提高复杂环境下智能视频监控对运动目标跟踪的可靠性,提出一种基于改进的颜色特征和直方图更新的Mean-Shift跟踪算法.该算法利用像素点局部颜色变化作为跟踪目标像素点特征,弥补单一颜色值特征对目标表征的不足;并根据Mean-Shift跟踪结果和目标匹配程度对目标直方图进行更新,保证在目标姿态和大小发生变化时目标特征直方图的有效性.实验结果表明：与传统Mean-Shift算法相比,改进的颜色特征减小了相似背景像素对运动目标的干扰,目标直方图的更新提高了Mean-Shift算法对目标姿态和大小改变的鲁棒性.算法提高了基于颜色特征的Mean-Shift算法对复杂环境中运动目标进行实时跟踪的可靠性.