融合无线射频与激光信息的多目标识别和定位研究

为提升多目标识别和定位技术水平,满足实际目标识别与定位需求,研究融合无线射频与激光信息的多目标识别和定位方法.利用RFID阅读器与传感器获取动态多目标的相位和激光信息,经过RFID相位差估算速度、DBSVAN算法聚类激光数据并估算径向速度后,依据匹配情况,采用粒子滤波利用随机预测或激光预测的方式实现多目标的识别与定位....     

融合射频识别和激光信息的动态目标定位

低成本、可靠的动态目标定位方法成为目前研究的热点。传统的激光定位或视觉定位方法需要解决识别奇异性和环境遮挡等问题,射频识别(RFID)通过无线射频信号对特定目标进行识别,因此被广泛用于动态目标的定位。该文提出一种融合激光信息与RFID信息对动态目标快速定位的方法。该方法利用粒子滤波器融合RFID信号强度、相位信息和激光数据。首先使用预先训练的信号强度模型将信号强度融入粒子滤波器;然后利用激光聚类后的数据估算运动目标的速度,与RFID相位差估算出的运动目标速度进行匹配;最后利用匹配成功的激光数据对粒子进一步约束。在SCITOS服务机器人上验证了算法的可行性,结果表明,与激光和信号强度的定位方法相比,该方法的定位精度得到了明显提高。     

基于激光跟踪小空间搜索的运动轨迹生成方法

以实时跟踪监控多个运动目标为出发点,提出基于激光跟踪小空间搜索的运动轨迹生成方法。激光跟踪测距仪以采集到的激光点和运动目标像素坐标为依据,构建激光自主瞄准模式瞄准运动目标,引导激光靠近运动目标并缩短二者间距离,利用激光跟踪测距仪的小空间搜索性能确定运动目标质心,实现运动目标精准定位检测;采用均值漂移粒子滤波跟踪算法,以检测所得的运动目标位置作为初始粒子跟踪运动目标,获取运动目标跟踪效果图;结合轨迹生成模块,生成运动目标轨迹。实际应用结果表明,检测及跟踪多个运动目标时,准确性高,且生成运动目标轨迹完整且与实际运动轨迹一致,生成结果准确无遗漏可达100%,检测目标车辆的时间均在2.5 s以下,分别低于文献方法2.5 s和1.9 s,降低了检测时间,并且具备性能稳定、实用性强优势。     

基于量子遗传粒子滤波的WSN目标跟踪算法

粒子滤波器是解决非线性非高斯运动跟踪的一种有效方法,很适合于无线传感器网络的目标跟踪.但是粒子滤波算法存在严重的退化现象.常规的重采样方法虽可解决退化问题,但容易导致粒子耗尽.本文针对此问题,将量子遗传算法引入粒子滤波,提出了基于量子遗传粒子滤波的无线传感器网络目标跟踪算法.通过量子遗传算法的编码方式增加粒子集的多样性...     

被动传感器阵列中基于粒子滤波的目标跟踪

针对被动传感器阵列中的机动目标跟踪问题,该文提出了一种基于多模Rao-Blackwellized粒子滤波的机动目标跟踪新方法。算法首先基于Rao-Blackwellization理论将机动目标跟踪问题划分为模型选择和目标跟踪两个子问题;采用多模Rao-Blackwellized粒子滤波对目标运动模型进行选择,扩展Kalman滤波对目标进行更新,有效降低了抽样粒子状态维数,节省了计算时间;最后,建立了被动传感器阵列的非线性观测模型。实验结果表明,提出方法可以有效地对目标模型进行选择,算法的跟踪性能及稳定性要好于交互多模型(IMM)方法。     

一种基于交互式粒子滤波器的视频中多目标跟踪算法

在目标跟踪领域,常常通过建立先验模型,如路径一致性假设模型.对日标轨迹进行预测来处理跟踪过程中的遮挡问题.然而,当这种预测与目标的实际运动轨迹相差较大的时候就会发生跟踪失败.我们提出了一种交互式粒子滤波方法,通过判断不同目标样本观测之间的遮挡关系,自适应地选择不同外观模板进行相似性度量并更新粒子权值,成功地解决了跟踪过...     

考虑目标运动状态的激光在线跟踪标刻方法

为了解决传统方法容易受到噪声、光照等因素影响,导致目标检测精度与标刻效果降低的问题,在考虑目标运动状态基础上提出一种激光在线跟踪标刻方法。首先根据激光点构建对应运动模型,并通过迭代计算求解获取出目标运动激光点和实际像素坐标,实现激光对实际目标的自主瞄准,并得出目标运动粗略范围;使用改进粒子滤波法进一步精细定位,由此计算出目标权重取值;最后针对生产线匀速和变速运动的不同特点,实现对运动目标跟踪标刻的目的。仿真实验结果表明,所提方法具有目标检测精准度高、标刻效果好、不易变形等优点。     

基于精英占优裂变算法的空中目标跟踪

针对粒子群对空中目标跟踪的早衰现象,采用精英占优裂变算法。首先对大权值粒子进行裂变处理逐次增加数目,为了避免粒子陷入过度裂变,增设裂变控制因子;接着选取其中非劣解粒子作为"精英占优集",通过小生境技术分配粒子适应度值,裂变粒子群中的每个粒子分配一个标识码组,每个解根据相应的识别数组判断跟踪结果优劣;然后给出了算法评价标准和目标跟踪流程;最后给出了空中目标运动模型。实验仿真得出,跟踪结果在位置分量和速度分量上的滤波均方误差小,空间状态转向跟踪中精英占优裂变接近目标真实状态。     

基于粒子滤波的RFID室内节点定位跟踪研究

为了解决复杂室内环境下的RFID动态节点定位跟踪问题,文中建立了动态节点的运动模型和信号测量模型。仿真采用基于信号RSSI定位方法,结合运用等边三角形定位算法。由于室内射频信号具有较高的噪声污染,因此首先对采集的信号运用粒子滤波技术进行滤波处理,然后运用高斯粒子滤波算法对室内移动的RFID进行了定位跟踪预测。仿真结果表明该算法可以有效地对室内动态节点进行定位跟踪,精度较高,稳定性好,结果进一步说明高斯粒子滤波能有效地抑制室内射频噪声。     

运动红外单站跟踪空中目标的方向估计方法

红外探测器只能测量运动目标的方位角和俯仰角,难以获取目标的距离信息.运动红外探测器所测量的运动目标不完全信息,无法在直角坐标系下有效对三维运动目标进行滤波与跟踪.针对这一问题,提出了运动红外单站跟踪运动目标的参数航迹滤波方法:该方法利用传感器测量到的目标方位角和俯仰角信患,根据假设的目标运动模型,直接对目标航迹方向进行...     

Moving‐Target Tracking Based on Particle Filter with TDOA/FDOA Measurements

In this letter, we propose a moving‐target tracking algorithm based on a particle filter that uses the time difference of arrival (TDOA)/frequency difference of arrival (FDOA) measurements acquired by distributed sensors. It is shown that the performance of the proposed algorithm, based on the particle filter, outperforms the one based on the extended Kalman filter. The use of both the TDOA and FDOA measurements is shown to be effective in the moving‐target tracking. It is proven that the particle filter deals with the nonlinear nature of the moving‐target tracking problem successfully.     

适用于光电跟踪仪的高速目标跟踪控制算法

为了提高光电跟踪仪对于高速运动目标的跟踪精度和稳定性,提出一种适用于光电跟踪仪的高速目标跟踪控制算法。利用光电跟踪仪、火炮、载体惯导系统、视频跟踪器和激光测距机输出的相关参数,通过一系列坐标转换、递推迭代和坐标反变换,完成瞄准线坐标系下方位速度环和俯仰速度环跟踪前馈补偿参数的计算,并将该参数分别叠加到方位、俯仰跟踪控制回路,参与跟踪控制;采用模拟航路进行验证,该跟踪控制算法对速度2.5 Ma的高速运动目标,跟踪系统误差和随机误差均小于0.15 mrad。实验结果表明,该方法能有效提高光电跟踪仪对高速运动目标的跟踪精度,响应速度快、动态滞后小。     

基于阵列单通道的机动目标DOA跟踪方法

针对现有利用阵列单通道系统对机动目标跟踪精度不高,实时性差等不足,提出了一种新的基于改进粒子滤波算法的阵列单通道机动目标波达方向(direction of arrival, DOA)跟踪方法。该方法首先在利用接收机轮流采样建立数学模型的基础上,建立跟踪模型。然后,利用粒子群优化算法对马尔科夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)粒子滤波算法的重采样环节进行优化处理,给出了一种交互MCMC粒子滤波算法,该算法克服了传统粒子滤波算法粒子退化及样本贫化的固有缺陷。最后利用该算法求解跟踪方程,实现了实时DOA估计。理论分析与仿真结果表明,本文方法可实现基于阵列单通道的DOA跟踪与波束形成一体化,且能够处理相干信号,与标准粒子滤波和子空间类算法相比,收敛速度快,跟踪精度高。      

An adaptive target tracking method for 3D underwater wireless sensor networks

Today, underwater target tracking using underwater wireless sensor networks (UWSNs) is an essential part in many military and non-military applications. Most of moving target tracking studies in UWSNs are considered in two-dimensional space. However, most practical applications require to be implemented in three-dimensional space. In this paper an adaptive method based on Kalman filter for moving target tracking in three dimensional space using UWSNs is proposed. Since, energy protection is a vital task in UWSNs; the proposed method reduces the energy consumption of the entire network by a sleep/wake plan. In this plan only 60% of the closer nodes along the path of the moving target will be waked up using a sink activation message and participate in the tracking, while the other nodes remain in sleep state. At each stage of tracking, the location of the target is estimated using a 3D underwater target tracking algorithm with the trilateration method. Subsequently, the estimations and target tracking results are inserted into the Kalman filter as measuring model to produce the final result. Performance evaluation and simulations results indicated that the proposed method improves the average location error by 45%, average estimated velocity by 86%, and average energy consumption by 33% in comparison to the trilateration method. However, computation time is increased as a result of improving tracking accuracy; and tracking accuracy is lost about 20% due to saving energy. It was shown that the proposed method has been able to adaptively achieve a trade-off between tracking accuracy and energy consumption based on real-time user requirements. Such adaption can be controlled trough the sink node based on real-time requirements.     

采用Kalman_BP神经网络的视频序列多目标检测与跟踪

针对在复杂环境下多目标检测与跟踪实时性差和准确率低的问题,提出了一种基于神经网络修正均方误差估计的卡尔曼滤波跟踪方法,实现视频序列的多目标跟踪。在该方法中,首先通过帧间差分法准确提取出背景,并结合背景消减法实现多目标的检测,应用形态学滤波对检测结果进行优化;然后利用Kalman_BP神经网络预测滤波器对运动目标的位置进行预测。BP神经网络的引入,主要是降低由于模型变化以及噪声等引起的Kalman滤波器的估计误差,使Kalman滤波器的预测结果更加精准;最后,通过对不同的目标贴上标签,实现目标快速匹配,根据相邻帧间同一目标形心位置以及外接矩形的一致性,建立目标链,实现多目标跟踪。实验结果表明,该算法不仅能够快速稳定地对不同场景中的目标进行跟踪,而且能够统计目标数目和显示目标的运动轨迹,与粒子滤波等方法相比跟踪更加平稳,提高了跟踪的可靠性。     

基于角度划分的2D传感器三维跟踪定位算法

根据2D传感器的扫描特点和观测信息,建立了单站2D传感器对三维运动目标的观测模型,基于该模型提出了三维匀速运动目标的仰角参数化扩展卡尔曼滤波算法。此算法将传感器的仰角观测范围划分为若干个子区间,对各仰角子区间执行并行独立的EKF跟踪算法,并根据滤波结果动态更新各滤波器的权值,最后融合各EKF估计值得到最终的目标状态估计。计算机仿真结果证明了该算法在2D传感器对三维空间内目标跟踪定位时的有效性和优越性。     

基于模糊相似度的地面目标跟踪算法研究

研究了基于Dempster-Shafer证据理论和模糊相似度的地面运动目标识别与跟踪问题。应用Dempster-Shafer证据理论对地面运动目标进行身份识别,用目标的类型、速度和数量等属性构造目标的模糊相似度,利用模糊相似度作为目标跟踪的主要依据。详细地分析了地理信息,提出了基于证据推理的地面运动目标识别与跟踪算法,并且用α-β滤波器更新目标位置和速度。经过实际外场试验运行表明,该算法是有效的。     

面向目标跟踪的机载组网雷达辐射参数与航迹规划联合优化算法

该文针对机载组网雷达,在单目标跟踪场景下,研究了雷达辐射参数与航迹规划联合优化问题。首先,推导了包含各雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽等射频辐射参数以及各载机速度、朝向角等平台运动参数的贝叶斯克拉默-拉奥下界(BCRLB)表达式,以此作为表征目标跟踪精度的衡量指标;推导了含有各雷达辐射功率、驻留时间等射频辐射参数以及各载机速度、朝向角等平台运动参数的机载组网雷达被截获概率,以此作为表征机载组网雷达射频隐身性能的衡量指标。在此基础上,建立了面向目标跟踪的机载组网雷达辐射参数与航迹规划联合优化模型,以最小化机载组网雷达的目标估计误差BCRLB为优化目标,以满足给定的系统射频资源、载机机动能力和预先设定的被截获概率阈值为约束条件,对各载机飞行速度、朝向角以及各机载雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽进行联合优化设计,以提升机载组网雷达的目标跟踪精度。最后,针对上述优化问题,结合粒子群算法,采用5步分解迭代算法进行求解。仿真结果表明,与现有算法相比,所提算法能够在满足一定射频隐身性能要求的条件下,有效提升机载组网雷达的目标跟踪精度。      

一种基于空域和频域信息的固定单站无源定位跟踪改进算法

针对无源定位必须实现快速和稳定定位跟踪的要求,本文基于辐射源信号的空域和频域信息,提出了一种对运动辐射源的固定单站无源定位跟踪改进算法。文中首先利用辐射源信号的空域和频域变化量信息,通过伪线性卡尔曼滤波算法估计出目标的速度矢量;然后利用速度矢量的估计值直接获得目标位置矢量的估计,并将其作为标准卡尔曼滤波算法的观测值进行滤波;最后通过计算机仿真验证了该方法具有较高的定位精度和较快的收敛速度。