船舶海上远距离目标搜索定位算法研究

基于高频超视距雷达的船舶海上远距离目标探测技术是一种利用雷达系统进行海上目标探测和测距的技术。该技术利用高频电磁波的特性,通过发射电磁波并接收目标反射回来的信号,实现对远距离目标的探测和定位。该技术的关键在于如何实现雷达探测过程的海杂波、地杂波等干扰信号的过滤,提高远距离探测的高频超视距雷达系统的工作精度。本文分别从高频超视距雷达的工作原理、杂波干扰信号建模、信号过滤、远距离目标探测算法等方面进行研究,通过该目标搜索和定位技术,船舶可以在海上实现对远距离目标的实时监测和跟踪,提高海上安全性和航行效率。     

图像处理技术在船舶航行障碍物识别中的应用

为了提高船舶航行避障能力,提出基于图像分块特征匹配和视觉跟踪识别的船舶航行障碍物识别技术。采用点跟踪匹配和动态帧点检测的方法进行船舶航行障碍物识别的红外图像信息采集,对采集的船舶航行障碍物红外视觉图像进行区域组合检测和融合处理,提取图像的差异性和突变性特征点,根据特征点的分布情况采用视觉跟踪识别方法实现对船舶航行障碍物识别。测试表明,该方法对船舶航行障碍物识别的动态跟踪能力较好,识别可靠性和精度较高。     

卡尔曼滤波器在舰载雷达目标跟踪中的实现

舰载雷达目标追踪系统可以探测和跟踪海面、水下和空中的目标,为船舶导航等提供重要的目标数据,保障船舶安全和正常航行。卡尔曼滤波器(CKF)是基于容积卡尔曼滤波算法设计的一种典型非线性滤波器,近几年来获得了广泛的关注。本文利用容积卡尔曼滤波器,对传统舰载雷达系统进行鲁棒性和近似线性的优化,提高舰载雷达目标追踪的效率和精度。     

改进深度学习的无人船目标光视觉跟踪研究

传统无人船目标光视觉跟踪方法面对复杂的海域条件时,容易忽略极小障碍物的特征,导致出现大范围识别或忽视极小障碍物的情况,因此研究基于改进深度学习的无人船目标光视觉跟踪。该方法根据单目视觉测量目标物的位姿,通过提取目标光视觉动态特征,实现改进深度学习算法控制下的目标跟踪任务。与2组传统跟踪方法相比,此次研究的方法能够识别出体积差异量极大的障碍物信息,极大程度上提高了目标光视觉跟踪结果的可靠性。     

AR船舶运输中目标移动跟踪实现技术

随着AR技术的发展,在船舶运输作业时可以对危险目标进行主动识别,从某种程度上讲,该系统能够取代船员,在进一步增强船舶航行安全的同时,也能提高船舶的航行控制能力。通过该系统,船舶计算机可以快速识别周围的环境目标,并对目标的运动状态进行数据采集与分析,可以快速判断该物体对本船舶的影响。因此,本文主要对该跟踪技术的实现原理进行分析和阐述,并优化其核心算法,通过提高对目标的识别率,使得船舶在运输过程中的控制能力进一步加强。通过仿真分析,基于AR算法的移动目标跟踪技术,能够快速适应复杂的海洋环境,具有良好的实用性。     

FPGA在舰载视频光电跟踪系统的应用

近年来,舰载视频光电跟踪系统在海洋资源探测、海洋环境检测、海上救援等领域发挥着越来越重要的作用。在军事领域,舰载视频光电跟踪系统是武器装备的重要辅助设施,它能够实现对海面目标的跟踪、监控和搜索。本文对FPGA组成原理和开发设计流程进行深入研究,在此基础上,设计实现了基于FPGA的舰载跟踪系统。     

Obstacle avoidance of unmanned ship swarm based on virtual navigator and improved Hooke's law北大核心CSCD

[目的]针对无人船集群规避障碍物的问题,提出一种基于虚拟领航者和改进胡克定律的弹性集群编队控制方法。[方法]首先,根据障碍物的长和宽得到其外接椭圆,按照长宽比向外扩展出虚拟碰障区、避障反应区、自由航行区,实现水面避障物模型的简化;其次,基于虚拟领航者和改进胡克定律,对编队各成员之间、各成员虚拟领航者之间的相对距离和速度予以约束,采用坐标形式设置编队队形,构建弹性编队模型,并基于障碍物的环形斥力场来实现单无人船的避障,以及在弹性集群编队的组织下实现无人船集群的避障;然后,通过优化处理无人船的航行过程,消除编队及避障过程中的“徘徊”和“振荡”等现象,使各无人船的运动更加平滑;最后,运用Matlab软件对由4艘无人船组成的集群编队进行仿真实验。[结果]实验结果表明,编队可成功绕过设置的所有障碍物,验证了所提方法的有效性和可行性。[结论]该方法可实现无人船集群对水面障碍物的规避,具备在一定复杂环境下的通过能力,可为无人船集群避障的应用及研究提供参考。     

水下航行器水下障碍规避性能分析与仿真

水下航行器的障碍躲避是提高水下航行器生存能力的关键技术,针对信息融合跟踪算法避障容易误差偏差和局部收敛的问题,提出一种基于Kalman滤波量化融合规避的水下航行器水下避障算法。构建水下航行器的运动系统方程,采用方位信息的量化融合方法进行自适应路径规划,结合Kalman滤波进行障碍信息的干扰抑制,采用强跟踪滤波实现障碍参量信息量化融合规避,实现水下航行器水下障碍躲避。仿真结果表明,采用该方法进行水下航行器避障,能有效规避障碍目标,提高对障碍物的方位估计精度,有效规避的准确概率达到最优。     

基于混合蚁群算法的无人船航行路径自主规划

路径规划是无人船自主导航的核心问题。由于无人船当前位置以及目标位置的确定受到障碍物影响,最佳航行路径的获取难度较大。为此,提出基于混合蚁群算法的无人船航行路径自主规划方法。采用栅格法构建无人船工作环境模型,由上至下、由左至右的对栅格完成编号处理,划分安全区域与障碍物区域。构建无人船航行路径自主规划数学模型,设定地形与威胁、航程上限以及路径平滑度等约束条件。针对蚁群算法初始搜索效率差等问题,将其与粒子群算法相结合,提出混合蚁群算法。利用该算法求解无人船航行路径自主规划数学模型。实验结果显示,研究方法具有较高的路径规划准确性,路径长度、平均能耗及路径规划时间指标均较优。     

机动目标跟踪系统仿真软件设计与实现

针对机动目标跟踪算法的研究,采用C／S（Client／serve,客户机／月艮务器）体系结构和面向对象的模块化设计思想,设计了机动目标跟踪系统仿真软件,利用剧情生成模块模拟雷达探测到的目标运动数据,通过跟踪算法对目标实施跟踪处理,估计目标运动状态,实时地在演示界面上显示目标运动信息和跟踪性能评估结果,为机动目标跟踪算法研究搭建了一个具有较高可信度的、直观的仿真系统。     

基于大地坐标的多舰协同超视距目标指示研究

针对超视距目标指示问题,建立了基于大地坐标的目标运动方程和观测方程,并将UKF滤波方法运用于目标的跟踪.由多艘舰艇组成一个协同的目标指示系统,并将一种新的分布式融合算法运用于该系统,提高了目标的跟踪精度.仿真结果验证了该算法的有效性.     

多目标跟踪中的目标位置及速度数据融合

基于多传感器数据融合理论，提出了一种在杂波环境下解决多目标跟踪的方法，即利用位置，速度的融合，得到比较满意的多目标跟踪运动轨迹，给出了有效的融合算法，并进行了仿真，通过仿真可以看出这是一种实用，有效的多传感器融合。     

多目标干扰环境中威胁目标自动跟踪方法

针对多目标干扰环境中威胁目标发现与跟踪困难的问题,研究一种基于随机有限集(RFS)的高斯混合概率密度假设(GM-PHD)滤波的算法,建立目标的随机有限集形式的运动和观测模型,利用卡尔曼滤波的预测和更新过程,对被动声呐输出的多目标方位和窄带线谱同时进行跟踪,利用所提取窄带线谱能量作为不同方位目标的输出检测量,可实现对包含线谱的窄带威胁目标的自动跟踪。试验数据的处理结果表明,所提方法可以实现在多目标的复杂情况下对感兴趣的威胁目标的自动跟踪。     

基于粒子滤波的无人机侦察图像跟踪算法研究

针对无人机侦察图像跟踪的实时性以及战场环境复杂的特点,研究了在复杂背景下实现对单一目标跟踪,提出了一种基于粒子滤波的快速目标跟踪算法,通过计算机仿真将此方法与传统的目标跟踪方法进行了对比,实验结果表明,该算法能够稳健地跟踪目标,具有很好的准确性、实时性和鲁棒性。     

舰载光电跟踪系统软件优化研究

为了解决与战场环境相适应的红外目标警戒与跟踪问题,在介绍传统的目标检测与跟踪算法基础上,分析了先检测后跟踪算法（DBT）与先跟踪后检测算法（TBD）的优缺点,并结合海空背景下运动目标红外成像特点,提出了一个研究方向—边检测边跟踪算法模型。该模型通过对序列图像中相邻帧间进行匹配,完成一个基本的检测与跟踪过程,与输入单帧图像同步输出目标运动轨迹,适用于舰载光电跟踪仪的软件优化升级,具有较高可靠性、实时性和军事应用价值。     

全要素雷达目标模型构建方法

雷达目标模型的构建是雷达目标数据仿真领域的热点之一,本文首先就影响目标生成的内外部因素进行分析,包括RCS起伏等目标自身因素、雷达工作参数及性能指标的影响和电磁环境因素的影响,对目标因素、雷达自身因素及电磁环境因素进行详细的数学模型阐述,并仿真了目标原始视频。该模型可以通过参数配置、基础数据替代等方式实现快速扩展。     

基于重要性重采样粒子滤波器的机动目标跟踪方法

采用重要性重采样技术改进了标准粒子滤波算法,通过设定有效采样尺度来减少权值较小的粒子数目,在一定程度上克服了退化现象。仿真结果表明,采用PF跟踪机动目标,其跟踪精度要高于IMM,说明PF具有较强的处理非线性系统的能力;对标准PF采用重要性重采样策略后,PF的跟踪精度和平稳性都得到了进一步改善。     

雷达机动目标的自适应跟踪算法

机动目标跟踪一直是雷达目标跟踪的重点难点,论文建立了一种当前统计模型的目标运动模型,给出了概率密度以及非零均值目标加速度随机过程数学表达式,结合基本Kalman滤波,建立了基于该模型的机动目标跟踪自适应算法.最后针对实际目标机动情况,对其进行仿真计算,仿真结果证明,该算法具有良好的跟踪性能.     

神经网络在多目标分布式融合中的应用研究

提出了适合分布式多传感器多目标(MSMT)数据融合估计算法，对这种推广的分层融合估计算法进行了数学推导和描述，研究了利用神经网络进行MSMT跟踪融合的网络结构和算法，进行了计算机模拟仿真。仿真结果表明神经网络融合估计可提高跟踪精度，并且这种融合方法是有效的。