角闪烁背景下基于粒子滤波器的跟踪研究

角闪烁噪声具有相关性和非高斯特性，处理相关非高斯噪声下的目标跟踪问题时，传统的的卡尔曼滤波器性能将会严重下降。文中将粒子滤波器应用到角闪烁背景下的目标跟踪问题中，与扩展卡尔曼滤波器进行了仿真比较，结果表明粒子滤波器的跟踪性能大大优于扩展卡尔曼滤波器，具有较高的工程实用价值。     

基于粒子滤波的机载单站无源跟踪算法

针对空中观测平台对远距离海面慢速运动目标定位跟踪这一非线性估计问题,介绍了专门处理非线性估计问题的粒子滤波算法,将粒子滤波算法(Particle Filter,PF)应用于机载单站无源定位跟踪问题,有效提高了对慢速运动目标的单站无源定位跟踪性能,解决了传统的扩展卡尔曼滤波算法在非线性估计时存在收敛速度慢的问题。通过与扩展卡尔曼滤波算法的仿真比较表明,粒子滤波算法可实现对慢速运动目标的高精度定位跟踪,且性能优于扩展卡尔曼滤波算法。     

一种抗遮挡自适应粒子滤波目标跟踪方法

针对传统视觉跟踪算法在目标发生遮挡时容易发生偏离或失败的缺陷,提出了一种新的抗遮挡自适应粒子滤波(PF)目标跟踪方法。在粒子传播过程中,利用目标SSD(sum of squareddifference)残差所生成的高似然区域能自适应地调整状态空间中的粒子采样区域范围和采样粒子数量,使跟踪中粒子采样覆盖目标的各种状态可能性,全面提高状态空间质量。预测状态和粒子估计状态通过噪声协方差很好地融合起来,能够较有效地解决遮挡情况下的跟踪问题,使目标定位更加精确。粒子数量的自适应不仅能很好提高跟踪精度,而且在一定程度上降低了计算代价。实验结果表明,本文算法对跟踪目标遮挡具有较好的容错性和跟踪鲁棒性,能有效实现复杂场景下的目标跟踪。     

基于有限差分扩展卡尔曼粒子滤波的多特征自适应融合的目标跟踪算法研究

针对复杂环境下目标跟踪问题,提出了一种基于 有限差分扩展卡尔曼粒子滤波的多 特征自适应融合跟踪算法。采用有限差分扩展卡尔曼滤波器对采样粒子集合进行滤波更新, 通过融入最新观测信息的方法消弱权值退化现象;在新算法的框架内,利用目标静态和动态 互补特征作为观测量,实现不同环境下目标的多特征自适应融合跟踪。实验结果表明,本文 方法具有较好的跟踪精度和抗噪声干扰能力。     

基于改进ViBe的海面远距离运动目标检测

针对ViBe算法在进行海面远距离运动目标检测时存在噪声和干扰的问题,在ViBe算法的基础上提出4点优化。首先,在背景建模中扩大样本取值范围减少判别误差;接着,根据背景的动态变化程度自适应地设定不同的阈值与背景模型更新速率,增强了算法的自适应能力;然后,定义一个闪烁等级,当闪烁等级达到一定阈值时,判定为闪烁点,减少对海面闪烁点的误判;最后,对输入的视频序列进行金字塔变换,得到不同分辨率的图像,对于不同分辨率的图像,分别使用改进的Vibe算法检测出结果,并对这些结果进行融合,再一次减少了海面闪烁点的影响。实验结果表明,所提算法能够减少海面噪声,以较好的实时性稳定地检测和提取海面远距离运动目标。     

基于自适应无迹粒子滤波的目标跟踪算法

为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。     

角闪烁背景下基于IMM算法的末制导雷达目标跟踪

为了抑制末制导雷达目标跟踪过程中的角闪烁噪声,对闪烁噪声的统计特性进行了分析,建立了符合其分布的统计模型及系统的状态空间模型,用交互多模型算法解决了角闪烁背景下的目标跟踪问题;并根据该问题的特点,对IMM算法进行了简化.仿真结果表明,用交互多模型方法抑制角闪烁噪声是非常有效的,基于转换卡尔曼滤波的IMM算法比基于扩展卡尔曼滤波的IMM算法具有更高的跟踪精度;简化的IMM算法虽然在跟踪精度上不如基本的IMM.但仍然达到了很好的滤波效果,而且大大降低了计算的复杂程度,是一种更符合工程实际的抑制角闪烁噪声的方法.     

基于TACKF的海面目标航向航速估计算法

航向航速是海面目标的重要特征,能准确估计出目标的航向航速对于海面目标的跟踪、识别和打击具有非常重要的意义。由于海面目标跟踪中易出现量测高精度、系统复杂强非线性等情况,导致传统非线性滤波器对海面目标航向航速的估计精度不高。此外,海面运动目标自身速度较慢,滤波器的稳态波动对海面目标的航速估计影响较大。针对上述问题,提出了一种基于截断的自适应容积卡尔曼滤波器(TACKF)的海面目标航向航速估计算法。仿真结果表明,所提出的TACKF算法较传统的非线性滤波算法有显著的性能提升,可以有效提高复杂环境下海面目标航向航速的估计精度。     

闪烁噪声统计特性未知情况下的鲁棒广义标签多伯努利滤波器

为了解决闪烁噪声统计特性未知情况下的多目标跟踪问题,提出一种鲁棒广义标签多伯努利(Generalized Labeled Multi?Bernoulli,GLMB)滤波器.该滤波器采用均值未知且时变的多维Student's t分布对统计特性未知的闪烁噪声进行建模.它放宽了闪烁噪声均值为零的限制性假设,可以自适应地处理闪烁噪声均值未知且时变条件下的多目标跟踪问题.本文在GLMB滤波框架下,利用变分贝叶斯方法对增广状态中的参数进行变分迭代,并通过最小化Kullback?Leibler散度得到边缘似然函数的近似解.仿真结果表明,在闪烁噪声统计特性未知的情况下,所提滤波器能有效地对多目标进行跟踪.     

一种改进型的粒子滤波器

针对复杂背景条件下图像序列中跟踪运动目标的问题,提出一种改进的粒子滤波图像跟踪算法,该算法利用遗传算法的研究成果,采用选择、交叉、变异等步骤实现对粒子的重采样,解决了粒子滤波器所面临的粒子退化和匮乏问题.由于该算法利用了遗传算法的全局寻优特性,因此该算法具有较强的稳健性.同时,粒子滤波可实现非线性非高斯状态空间模型的最优估计,将该粒子滤波用于目标跟踪,具有较好的过遮挡能力.实验结果表明,该算法状态估计性能好,能够很好地实现复杂图像序列中的目标跟踪.     

复合K噪声下机动目标跟踪自适应UPF算法

针对复合K噪声下机动目标跟踪系统具有强非线性非高斯的特点,提出了一种自适应无迹粒子滤波(Adaptive Unscented Particle Filter,AUPF)算法.该算法建立在常加速模型及其改进滤波算法基础上,并将无迹卡尔曼滤波(Unscented Kalman Filter,UKF)与强跟踪滤波(Strong Tracking Filter,STF)算法相结合作为提议分布,提高了系统跟踪一般机动和阶跃机动的能力.在给出复合K噪声模型的基础上,利用AUPF算法对几种典型机动目标进行了计算机仿真,并同无迹粒子滤波(Unscented Particle Filter,UPF)算法进行了比较.仿真结果表明,复合K噪声下AUPF算法能更有效地对各种机动目标进行跟踪,具有较高的跟踪精度.     

闪烁噪声环境下的机载雷达对海跟踪研究

建立了闪烁噪声环境下,机载雷达对海跟踪模型,比较了代价函数修正法和粒子滤波算法在机载雷达对海跟踪中的滤波性能.仿真结果表明:粒子滤波算法具有更高的跟踪精度和更强的适应性,在得不到闪烁噪声准确先验信息的条件下,依然能保持较好的跟踪性能.     

Tracking application about singer model based on marginalized particle filter

This article deals with the problem of maneuvering target tracking which results in a mixed linear/non-linear model estimation problem.For maneuvering tracking system,extended Kalman filter (EKF) or particle filter (PF) is traditionally used to estimate the states.In this article,marginalized particle filter (MPF) is presented for application in a mixed linear/non-linear model estimation problem.MPF is a combination of Kalman filter (KF) and PF.So it holds both advantage of them and can be used for mixed linear/non-linear substructure,where the conditionally linear states are estimated using KF and the nonlinear states are estimated using PF.Simulation results show that MPF guarantees the estimation accuracy and alleviates the potential computational burden problem compared with PF and EKF in maneuvering target tracking application.     

雷达/红外复合导引头信息融合算法

毫米波雷达/ 红外成像复合制导已成为当前多模复合制导技术的研究热点。从毫米波雷达/ 红外成像复合导引头系统的特点及其工程应用出发,建立了一种基于联邦滤波(FF)的分布式雷达/ 红外复合导引头信息融合算法。首先,针对扩展卡尔曼滤波存在线性化误差以及雷达测量噪声非高斯的特点,采用粒子滤波算法(PF)设计雷达子滤波器;针对红外传感器不能测量目标距离的特点,采用伪线性卡尔曼滤波算法(PLKF)设计红外子滤波器。然后通过主滤波器进行信息融合,并对两个子滤波器进行信息分配和重置。仿真结果表明,该信息融合算法能够有效地提高雷达/红外复合导引头系统的目标跟踪精度及系统的稳定性。     

EKF、PF在目标跟踪中的研究

介绍两种目标跟踪算法—扩展卡尔曼滤波器（Extended Kalman Filter,EKF）、粒子滤波器（Particle filter,PF）。EKF利用泰勒级数方法,将非线性问题转化到线性空间,再利用卡尔曼滤波器进行滤波,并达到一阶估计精度。PF是一种采用蒙特卡罗采样的贝叶斯滤波方法,它将复杂的目标状态分布表示为一组加权值,通过寻找在粒子滤波分布中最大权值的粒子来确定目标最可能所处的状态分布,已成为复杂环境下进行目标跟踪的最好的方法。文中通过仿真实验,对二者的性能进行了仿真比较,结果证明在复杂的非高斯非线性环境中,PF的性能明显优于EKF,但计算复杂,耗时长。     

基于改进SFLA-PF算法的OFDM系统的目标跟踪

在OFDM通信系统中,为了解决非线性的目标跟踪问题,提出了基于改进混合蛙跳算法(SFLA)和粒子滤波算法(PF)相结合的方法来研究动态目标跟踪技术.首先利用高斯变异的局部搜索能力强和柯西变异的全局搜索能力强等优点对混合蛙跳算法进行改进,然后用改进后的混合蛙跳算法来优化粒子滤波算法进行动态跟踪,其优点不需要重采样步骤,有效地保持了粒子的多样性和有效性.仿真结果表明,该算法能够有效实现动态目标跟踪,并且跟踪效果优于同等条件下的混合蛙跳算法和粒子滤波算法.     

Robust observation model for visual tracking in particle filter

A robust observation model for visual tracking is proposed in this paper. The model consists of three appearance models: fixed appearance model, adaptive appearance model, and two-frame appearance model. The three appearance models are used, respectively, for catching unchanged components, slow changes, and rapid changes in object appearance. During tracking, the robust observation model is incorporated in a particle filter, and the particle filter can automatically select proper appearance models to track object according to the current tracking situation. Occlusion analysis is implemented using the M-estimation technique. Experimental results demonstrate that the proposed algorithm can track objects well under many challenging tracking situations.