动态规划算法在被动声呐目标检测中的应用

基于动态规划的检测前跟踪方法可用于检测跟踪低可观测目标。它利用检测前跟踪的技术在检测目标的同时给出目标航迹的优点,实现对低信噪比下目标的检测与跟踪。本文分析了动态规划法进行弱小目标检测的基本原理,结合水下目标检测的特殊性对该算法进行了修正,得到了适应水下目标的检测前跟踪方法。通过实际的海试数据进行验证,证实了检测前跟踪技术在水声领域进行目标检测跟踪的可行性。     

融合双HOG特征和颜色特征的目标跟踪

目标跟踪是计算机视觉中一个极具挑战性的任务,应用于图像处理、模式识别、自动控制等不同领域.许多跟踪算法都获得了良好的效果,但复杂的运动场景会影响目标跟踪的性能.文中提出一种融合双HOG特征和颜色特征的方法,用于视觉目标跟踪,通过构造双HOG特征和颜色直方图特征,并进行融合,减少运动场景变化对目标跟踪的影响.首先,提取当前帧目标区域的HOG特征,并分割为HOG1和HOG2,利用判别相关滤波器对两个特征分别进行滤波处理,选择出最优的特征;然后,利用颜色直方图提取当前帧目标区域的颜色属性特征;最后,融合双HOG特征和颜色特征,获得特征响应图,在响应图中寻找最大值位置,即预测出的新目标位置.在OTB-2013、OTB-2015基准数据集上与其他6个算法对比,实验结果显示,该方法在处理背景杂乱、平面外旋转和形状变化等目标跟踪方面具有良好性能.     

一种带反馈的多声纳跟踪融合算法

为了改善声纳系统目标跟踪性能,提出并推导了一种带反馈的两声纳跟踪融合算法,利用声纳距离、方位测量,对由两同步声纳构成的声纳系统目标跟踪融合性能进行仿真研究,结果表明:该融合算法能有效改善由两声纳构成的声纳系统目标跟踪性能,对声纳系统数据融合处理技术研究具有较大参考价值.     

机动目标无源自适应跟踪算法研究

论文提出了一种对空中机动目标进行三位测向无源自适应跟踪的新算法.该算法把目标机动加速度看成是未知的输入向量附加到状态方程中去,然后利用状态向量扩维情况下的伪线性滤波算法对目标进行三维无源跟踪,跟踪过程中在对原来目标状态向量进行估计的同时估计目标加速度,仿真结果表明,该算法不需要对目标进行机动检测,它能够适应目标机动和非机动两种工作模式,实现对空中机动目标的自适应无源跟踪.     

基于角度变化率的机动目标单站无源定位

机动目标无源定位和跟踪技术在航空、制导等领域都有着非常广泛的应用,一直是人们的研究热点。文章运用了运动学原理,在传统测角定位技术基础上加以改进,增加了角度变化率信息,并采用IMM算法,实现了单站无源机动目标跟踪。计算机仿真验证了该方法的正确性与有效性。     

基于模糊粒子滤波的视频跟踪方法研究

智能视频监控系统的基础就是对监控范围的视频序列中目标进行有效实时的跟踪,针对当前跟踪方法在光照突变、部分遮挡情况下的跟踪缺陷,本文提出了一种利用模糊粒子滤波（Particle Filter,PF）进行视频目标跟踪的新算法.该算法结合模糊控制理论,引入量测的模糊性来克服特征信息的不确定性,并建立一个基于背景建模技术的自适应高斯混合模型和基于序贯蒙特卡洛的跟踪算法（sequential Monte-Carlo-based）.在新算法的指导下,针对静止摄像机在光照条件改变以及目标发生部分遮挡的情况进行了深入的研究.通过多种模糊量测技术的比较和应用,本文方法实现了多个目标精确有效跟踪.     

粒子滤波器在船舶海天背景下目标跟踪技术的应用

船舶在海天背景下的目标跟踪技术在军事侦察、目标搜寻和海上监控等领域有重要的应用,近年来引起了研究人员的广泛关注。随着图像处理技术和计算机技术的迅速发展,目标追踪技术的理论与技术基础更加完善。本文以船舶在海天背景下的目标跟踪技术为研究对象,结合粒子滤波跟踪算法,研究和开发新型的船舶目标跟踪系统,显著提高了船舶的目标跟踪精度和跟踪效率。     

主动轮廓模型在运动舰船目标跟踪中的应用

应用数字图像处理技术对视频监控系统中的舰船目标进行运动检测与跟踪。针对水面环境存在的复杂变化,选用混合高斯背景模型的方法构建实时背景模型,应用背景差分法检测出监控画面中的运动舰船区域,并得到舰船目标的初始轮廓,再利用主动轮廓模型方法,提取运动舰船目标轮廓,并利用舰船轮廓实现目标跟踪。实验表明,算法可对目标轮廓进行较好地跟踪,并且复杂度较低。     

虚拟目标算法在舰队协作中的应用

在海上军事领域,对上空导弹的精确定位﹑跟踪及打击是舰船制导领域重要的研究方向。同时,由于定位跟踪的目标有多个,需要舰队间协作,进行航路规划对多弹协同的弹道进行预测,其本质是一个多目标规划非线性问题。虚拟目标算法采用二维建模,多弹的路径规划引入条件约束,是解决弹道路径定位跟踪的有效算法。本文在分析海上导弹飞行能力﹑路径约束条件的基础上,利用虚拟算法设计导弹多目标的跟踪算法,最后给出了仿真结果。     

大数据技术在单目标船舶移动位置跟踪中的应用

由于在利用原有方法进行单目标船舶移动位置跟踪时,在船舶行驶里程为10 000～30 000 km的范围内,存在目标识别速度较慢的问题,因此将大数据技术应用于单目标船舶移动位置跟踪中,提出一种基于大数据技术的单目标船舶移动位置跟踪方法。通过混合高斯背景模型降低背景的干扰程度,并通过三帧差分降低光照突变时产生的误差,利用与计算融合获取结果,对潜在区域实施检测。通过构建LS SVM分类器,并对分类器进行训练识别单目标船舶移动目标。基于大数据技术,通过融合运动特征、边缘、色调的Camshift跟踪算法与卡尔曼无损滤波器实现单目标船舶移动位置跟踪。通过对比实验证明该方法的目标识别速度高于原有方法,实现了目标识别性能的提升。     

基于加速度估计的复合导引头机动目标跟踪算法

信息融合算法是毫米波/红外复合导引头的关键技术之一,其中机动目标跟踪能力直接系统的跟踪性能。α-β作为一种常增益滤波器对CV或CA运动目标有良好的跟踪性能,但当目标机动时性能却大大下降。针对机动情况,提出一种目标加速度估计方法,并利用此加速度估计值来修正目标状态估计值,使其具有良好的机动跟踪性能。最后应用Matlab软件进行仿真分析,分析结果表明改进后的滤波器无论是对目标机动还是非机动跟踪性能良好,计算量少。     

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。     

基于均值漂移粒子滤波的目标跟踪算法研究

针对粒子滤波计算量大的问题,将视觉跟踪领域的均值漂移算法（Mean Shift）与粒子滤波（PF）算法相结合,该算法利用均值漂移算法在重采样之后将粒子收敛到靠近目标真实状态的区域内,改善了传统粒子滤波器的退化现象,减少了算法的运行时间,通过被动跟踪仿真实例,同时使用均值漂移粒子滤波与传统粒子滤波进行跟踪仿真,分析了轨迹跟踪性能,利用均方根误差比较了误差性能。仿真结果表明,Mean Shift PF具有更高的跟踪精度,并且运行时间显著减少。     

基于CamShift的监控视频中运动目标跟踪算法研究

针对监控视频中运动目标的运动状态变化较快,一般算法难以实现及时跟踪的现状,论文提出了应用Cam-Shift算法对视频监控中的运动目标进行跟踪。实验结果表明,与MeanShift算法的目标跟踪结果相比,CamShift算法能够快速并高效地对视频中目标变化较快的物体进行跟踪,定位准确,算法复杂度较小,具有很好的鲁棒性。     

物联网结构在舰船多目标检测系统中的研究

舰船多目标检测系统是海上军事领域的重要研究方向之一。随着物联网技术的发展,无线传感网络在舰船多目标识别系统中的应用越来越广,其无线传感网络的节能问题﹑通信带宽及信道衰落都影响着目标检测系统的时效性及准确性。本文研究现有的多传感器网络的目标检测系统原理,重点分析基于舰船纯方位角度的多目标检测跟踪算法,并利用UFK方法对算法中的非线性扰动问题进行分析,解决多目标检测中的滑动窗口稳定性问题,最后进行仿真。     

基于一阶差分滤波器的水下目标纯方位角跟踪

在水下目标纯方位角跟踪研究中,针对传统扩展Kalman滤波(EKF)方法需要通过Taylor 展开实现非线性项的线性化而导致计算过程繁琐且存在奇点的问题,本文提出一种基于一阶差分滤波器(DDF1)的纯方位角跟踪算法,建立了目标的运动学模型及无源声纳的测量模型;利用 Stirling插值法实现非线性项的线性化,进而通过DDF1滤波方法实现对目标位置及速度的跟踪。仿真结果与一致性分析表明,与基于EKF的目标纯方位角跟踪方法相比,论文所提出的算法具有较高的跟踪精度和较好的跟踪性能。     

基于动态规划的多目标的TBD算法

在弱目标检测领域中,动态规划法是一种有效的能量积累方法。文章针对低信噪比下的多目标检测问题,提出了一种基于动态规划的多目标检测前跟踪算法。该算法能够较有效地估计搜索空间中的目标个数,也能分离出每个目标的航迹。     

基于粒子滤波的声呐图像目标跟踪算法研究

声呐图像目标跟踪技术在水下UUV作战系统中具有重要意义,由于水声环境复杂,噪声干扰严重,导致声呐目标跟踪效果欠佳。本文针对UUV声呐成像特点,首先给出一种改进的Curvelet变换图像增强方法,可以有效降低声呐图像噪声并在一定程度上增强目标图像的边缘。并此基础上,提出一种基于粒子滤波的声呐目标跟踪算法以获得更为准确的目标跟踪效果。仿真结果表明,相较于传统声呐目标跟踪,该方法具有更好的目标跟踪精度以及鲁棒性。     

港口VTS雷达数据处理方法的研究

如何对港口水域快速机动目标船实行较好地稳定跟踪，并提高两船录取和跟踪的分辨率，一直是港口ＶＴＳ雷达数据处理系统所要解决的重要问题。本文设计了一种包括自适应原理等特殊技术的Ｋａｌｍａｎ滤波递推算法，并进行计算机模拟，结果表明该算法是有效的。     

利用多传感器跟踪机动目标:数据越多总意味着估计越好吗?

在文献中考虑利用多传感器跟踪机动目标一类的问题时,支持特定目标跟踪的传感器数量及类型通常相对于目标假定位置是固定的。然而,在许多多传感器系统中,支持某一特定目标跟踪的传感器数量及类型,可由于各个传感器的机动性、类型及资源的制约而随时变化。这种在传感器系统配置上的变化性,在跟踪机动目标时造成严重的问题,这是由于目标运动模型存有不确定性。卡尔曼滤波器通常用于滤波位置测量,以估计目标的位置,速度和加速度。在设计卡尔曼滤波器时,过程噪声(加速度)方差Q_k的如此选定以致于65％到95％的概率区间能包含目标的最大加速度水平。然而,当目标机动时,加速度以一种确定性方式变化。于是,与过程噪声相关的白噪声假设发生偏离,滤波器在目标机动期间产生状态估计偏差。如果选定一个较大的Q_k,则在机动时的状态估计偏差较小,但当目标不作机动时,此时的Q_k只能粗劣地表征目标运动,而且滤波性能远远偏离最优了。这里,举出了目标在单一坐标系运动的例子,说明了利用多传感器跟踪机动目标存在的问题,从中表明两传感器(在确定条件下,其中包括各传感器的正确配置)具有较之单一传感器更糟糕的跟踪性能。将交互式多模型算法(IMM)应用于该范例中,证明了它是一种解决跟踪滤波器性能问题的潜在方法。