舰载指控系统航迹相关算法研究

基于随机神经网络的多目标数据关联成果的基础上，提出一种新的适合实际应用的多目标跟踪的综合方法。该方法放弃了联合概率关联方法的加权平均更新航迹的特点，利用计算出来的互联概率在航迹更新时作一对一的互联决策，解决了跟踪多目标时相邻目标时相邻目标的航迹趋于合并的问题，同时给出了航迹起始的通用方法，并通过仿真研究说明改进算法的有效性和可行性。     

一种利用径向速度信息的改进JPDA算法

为解决边扫描边跟踪多频连续波雷达数据互联问题,提出了一种基于目标径向速度信息的联合概率数据互联（JPDA）算法。该算法通过引入目标径向速度信息,进一步限制进入跟踪门相交区域中的虚假量测数量,并对公共测量值权重系数进行调整,进而改善跟踪精度,缩短计算时间,提高跟踪成功概率。仿真结果表明,径向速度信息的运用使得改进的JPDA算法的跟踪性能得到了显著提高。     

改进的多传感器多目标量测数据关联算法

提出融合多传感器测量对目标位置进行估计的广义概率数据关联(MSPE-GPDA)算法. 首先对所有可能的多元量测组合进行预关联检验,通过检验的有效多元量测组合所对应的目标位置进行最优估计;根据广义概率数据关联算法计算通过预关联检验的各有效量测组合与目标航迹间的关联概率,并用来计算目标的更新状态. 与顺序处理的多传感器广义概率数据关联算法和利用多传感器量测进行目标位置估计的联合概率数据关联算法相比,MSPE-GPDA算法集中了最优估计和有效信息复用两方面的优点. 理论分析与仿真实验结果均验证了所提算法的有效性.     

当前统计概率数据关联算法

目标跟踪领域的一个研究重点是如何解决在密集杂波环境下机动目标的跟踪问题。机动目标跟踪的关键是解决目标模型的不确定性,而密集杂波环境则使这个问题变得更加复杂。针对这一问题,提出一种当前模型概率数据互联算法。该算法将当前模型算法与概率数据互联相结合,在使用概率数据互联算法的同时,利用当前模型算法对目标出现的机动进行自适应滤波。最后,给出了算法的仿真分析,仿真结果说明该方法能够有效地跟踪杂波环境中的机动目标。     

基于类云模型聚类的多目标数据关联算法

针对多目标跟踪中的数据关联问题,提出一种基于类云模型c-均值聚类的数据关联算法.该算法采用类云模型c-均值聚类算法对目标有效回波进行聚类,将聚类中心作为目标最终观测值,运用最近邻法对聚类中心与航迹进行关联,用Kalman滤波器进行状态估计.实验结果表明,本算法与联合概率数据互联算法相比,跟踪精度高,计算量小,更适应于工程应用.     

基于航迹关联的一、二次雷达联合跟踪

该文针对一、二次雷达在杂波环境下多目标多传感器协同跟踪问题,提出了一种带二次雷达修正的基于航迹关联的一、二次雷达联合跟踪算法。该算法先通过一次雷达对敌友方目标和二次雷达对友方目标运用联合概率数据关联算法滤波跟踪得到航迹数据之后运用双门限航迹关联判定友方目标并撤消对友方目标的跟踪和利用二次雷达探测数据进行对敌方目标的高度信息进行自适应修正,通过蒙特卡洛仿真表明该算法在提高目标跟踪精度和减小处理器的运算量都是有效的。     

基于最大熵模糊聚类的快速数据关联算法

提出了一种新颖的快速数据关联算法,减少了滤波中关联概率的计算量．该算法利用多个并行改进的最大熵模糊聚类对各个目标的有效观测进行聚类,采用聚类得到的模糊隶属度来重建滤波中的联合关联概率,并在联合关联概率中引入了比例因子避免航迹的合并;此外,分析了算法中差异因子的特性,考虑了杂波密度对它的影响,使得能够有效剔除无效观测,进一步减少计算量．仿真实验结果表明,提出的方法是一种有效的快速数据关联算法,跟踪性能要优于现有的数据关联算法．     

杂波环境中一种新的机动目标跟踪算法

针对传统交互式多模型概率数据互联(IMM PDA)算法中因模型选取的不确定性,跟踪精度低等缺点,引入了联合交互式多模型概率数据互联的思想,在此基础上提出了一种适用于杂波环境机动目标跟踪的新算法——交互式自适应概率数据互联(IMMAPDA)算法,将自适应滤波算法应用到PDA滤波器中和数据关联进行有机结合,提高了杂波环境中机动目标的跟踪精度。理论分析与仿真结果验证了该算法的优越性,提高了目标跟踪精度,解决了全局最优化问题。     

一种结合特征参数的数据关联融合算法

将特征参数测量值引入概率数据关联（ＰＤＡ）及滤波算法中,提出一种计算互联概率的象素级融合算法。本算法采用的是双滤波器结构,二者使用共同的互联概率。并通过仿真验证了本算法对某些模型性能良好。     

基于小波变换的模糊航迹关联算法

航迹关联是实现分布式多传感器信息融合的关键技术.针对传统的模糊关联算法正确关联率低的问题,基于小波变换对传统的模糊关联算法进行了改进,提出一种新的航迹关联算法.首先,通过小波分析对目标航迹数据序列进行处理,获取新的航迹特征;然后,采用模糊均值聚类法确立隶属度函数、综合相似度和阈值判决准则,完成对已获取的新航迹特征的分类关联.仿真实验表明：与模糊算法相比,该算法的正确关联率提高约0.30.     

图像智能化的目标检测技术(Ⅱ)--数据流程与背景感知

着重探讨了线性预测估计和非线性均值滤波两种常用背景估计技术和自适应空间滤波的形态学背景感知方法.形态学背景感知方法从精细刻画图像的结构特征并基于形状细节进行图像分析入手,将使操作过程得以从近似的线、面传统模式中解脱出来,面向更为真实和丰富的自然结构,改善了处理效果.实验测评表明,形态滤波算法对背景的自适应感知能力最强,输出结果能真实贴切地反映图像背景的起伏变化规律,因而具有抑制杂波噪声和增强目标信号的双重功效.     

小波包变换在电力负荷特征信号提取中的应用

为了给电力系统不良数据辨识提供良好的数据基础,提出了一种新的基于小波包除噪的方法来提取电力负荷特征信号.该方法将不良数据看成是被淹没在大量的噪声信号中特征信号,通过比较小波包除噪法与小波除噪法对信号消噪的效果,得出结论:小波包除噪法有较好的消噪能力,为电力负荷特征信号的提取提供了有效的分析方法.     

基于改进核相关滤波算法的目标跟踪

针对核相关滤波算法仅使用一种特征表达进行目标追踪,使其在一些场景中跟踪效果不佳的问题,提出了一种多特征融合的核相关滤波跟踪方法。采用31维的方向梯度直方图特征、58维的局部二值模式特征和1维的灰度特征进行融合。该算法选择在特征层进行特征融合,先将方向梯度特征和局部二值模式特征并联融合,再将融合后的特征串联融合灰度特征,形成新的特征表达。在OTB(Object Tracking Benchmark)数据集上进行了测试,结果表明,该算法具有更好的跟踪效果。     

一种推广的自适应相干累积算法—基本原理与应用

本文提出一种推广的自适应相干累积（GACI）算法，它是通过在自适应相干累积（ACI）算法权系数迭代公式中引入更多的动量因子，即利用权系数更多的历史信息，使被检测的单频或调频脉冲信号，在脉冲持续期间，实现自适应相干累积，从而完成弱输入信噪比（如-8dB）条件下的信号检测，而无需或很少需要知道信号的先验信息，文中叙述了算法的基本原理及部分典型的实时实验结果，指出GACI算法具有比ACI算法更好的提取弱信号的能力，预计将有广泛的实际应用前景。     

平衡线圈式高精度金属检测算法

金属检测广泛应用于食品安全和工业生产中,为克服单一幅度信息无法解决产品效应的问题,提出基于幅度和相位的双通道数字检测算法,建立基于平衡线圈式检测的数学模型,深入分析金属信号的特点。通过坐标定位准确提取出金属信号的幅度和相位信息,产品学习和聚类算法有效地分离金属信号和产品效应信号。试验结果表明:相位信息可有效区分不同材质的金属,配合幅度信息的双通道检测可准确提取金属信号,实现在强产品效应下金属的检测。     

基于特征融合和粒子群优化算法的运动想象脑电信号识别方法

由于运动想象脑电信号的信噪比较低,特征提取和特征选择比较困难,无法获得较高的分类准确率。针对上述问题,该文提取了时域、频域和空间域3个观察面的特征,并采用粒子群优化算法结合随机森林分类器来进行特征筛选。具体过程为,首先根据R2图来对信号进行带通滤波;其次,使用小波软阈值和得分共空间模式算法进行去噪和通道筛选;然后,通过3种算法提取时频域和空间域特征,待特征融合之后使用基于随机森林分类器的评价指标作为PSO的适应度函数,进行特征选择;最后,运用3种分类器以及集成分类器来验证效果。实验结果显示,通过特征融合以及特征选择可以去除冗余信息,保留有效信息,最终的分类正确率达到98.3%,为该技术在医疗康复等领域应用提供了新的方法。     

基于可变动布尔运算的特征模型尺寸驱动方法

提出可变动布尔运算,并用它实现了特征模型的构造与尺寸变动。可变动布尔运算是对传统布尔运算的改进,由它构造的特征模型的尺寸变动算法基于B-Rep／CSG混合表示,通过直接操纵模型的B-Rep来实现,同时支持约束特征的连锁驱动。所提方法可以方便地实现三维参数化特征设计,实时响应速度快,有重大的实用价值。     

管道泄漏信号的无损压缩技术

为满足在空间和硬件性能约束下的实时海量数据存储要求，系统通过预测器和Rice编码实现了在相应硬件条件下获得最佳数据压缩比的算法，并根据所采集到的管道泄露信号特征及系统自身特点，给出一种实时无损压缩算法.该算法适合于管道泄漏信号、管道泄漏检测定位系统硬件条件下的均值预测器及基于上下文建模的Rice编码，并且在该管道泄漏检测定位系统数据的采集过程中使编码得以实现.实验结果表明，均值预测器能够较好地减少管道泄漏信号数据间的相关性，大大降低管道泄漏信号的信息熵，验证了该算法的有效性与实用性.预测器与基于上下文建模的Rice编码相结合的方法，可以满足管道泄露数据压缩存储的特殊要求.     

结合双注意力与特征融合的孪生网络目标跟踪

基于孪生网络视觉跟踪的进化和深层网络目标跟踪算法在目标被遮挡和外观形变时的跟踪成功率不高,鲁棒性不强,对此,提出了一种结合双注意力与特征融合的孪生网络目标跟踪算法。首先,采用通道和空间注意力模块增强目标信息,抑制图像中的干扰信息,提高模型的准确度;然后,对注意力层输出的浅层和深层特征信息进行多层特征融合,得到表现力更好的目标特征,提高跟踪成功率;最后,引入在线模板更新机制,减少了跟踪漂移,提高了跟踪鲁棒性。使用OTB100测试集进行实验,实验结果表明,改进后算法的跟踪成功率比改进前算法的跟踪成功率提高了1.3%;在具有遮挡和形变属性的4个测试序列下,改进后算法的平均重叠率提高了3%,中心位置的平均误差降低了0.37个像素点,针对遮挡和外观形变时的鲁棒性更好。     

双谱二次特征在雷达信号识别中的应用

针对利用常规参数进行复杂体制雷达辐射源信号识别存在的问题,提出将信号双谱作为雷达辐射源特征参数,并将Bhattacharyya分离度准则作为双谱的二次特征提取的算法.利用双谱分析可以完全抑制高斯有色噪声对信号的影响,同时保留信号的幅度和相位信息的特点,提高雷达辐射源特征参数的有效性;针对信号双谱中包含许多对识别辐射源不起显著作用的双谱和与辐射源识别无关的冗余双谱,将Bhattacharyya距离作为双谱二次特征提取的依据,将具有最强类可分离度的双谱提取出来作为信号的特征参数.仿真结果表明,提取的双谱二次特征具备一定的抗噪能力,在较宽信噪比范围内能够较好地体现辐射源之间的个体差异,平均识别正确率可达到95%.