多维可变跟踪门SPRT无源跟踪起始算法

本文提出了一种基于多维可变跟踪门检测的序列概率比检验(SPRT)无源跟踪起始算法。该算法基于目标的多特征信息,构造多维动态可变的跟踪门,进行自适应跟踪起始检测;然后根据序列概率比检验准则进行轨迹确认,从而实现自适应跟踪起始。计算机仿真结果验证了该算法的正确性、有效性。     

基于信息融合的多目标单站无源跟踪新技术研究

跟踪起始与数据关联是多目标无源单站跟踪的关键技术.本文提出了一种基于目标多特征信息融合的自适应跟踪起始算法,通过构造多维动态可变的跟踪门,进行自适应跟踪起始检测,然后根据序列概率比检验准则进行轨迹确认.同时提出了一种基于多目标多特征信息融合的数据关联算法,首先通过定义多个特征数据关联度,将单个有效观测的多特征信息进行融合,再对多目标进行综合数据关联.计算机仿真表明,该跟踪起始算法能够快速有效地启动航迹,数据关联算法的性能要优于传统的NN方法和扩展的NN方法.     

一种具有自适应关联门的杂波中机动目标跟踪算法

针对杂波环境下的机动目标跟踪,该文提出一种基于自适应关联门的跟踪算法。该算法以传统交互多模型概率数据关联算法为基础,在关联门内无有效量测点迹时,假设目标在前一滤波时刻或是更早时刻以最大机动水平改变原运动模式,利用该假设条件下所获得的目标预测量测及当前真实预测量测,对用于确定关联门的新息协方差进行修正,使得关联门逐步适当扩大,以尽可能地包含目标真实量测点迹。仿真结果表明,自适应关联门跟踪算法能在不影响跟踪精度和算法运算量的情况下,有效降低机动目标的跟踪丢失概率。     

一种基于跟踪信息的多基雷达系统航迹起始算法

多基雷达系统(MSRS)可以大大提高目标定位性能,然而由于各个雷达站信噪比的差异,通常存在一些雷达站尚未建立目标航迹,从而不能最大程度地提高目标定位精度。因此,如何利用其它雷达站提供的目标跟踪信息,提高尚未建立目标航迹的雷达站的探测性能是一个值得研究的问题。为此,该文提出一种基于跟踪信息的航迹起始算法。首先将已经跟踪到目标的雷达站提供的目标跟踪信息,送至尚未建立目标航迹的雷达站;然后利用目标跟踪信息和目标运动模型,建立目标预测波门;最终在虚假航迹起始概率恒定的条件下,调整预测波门内的检测门限,完成目标检测和航迹起始过程。仿真实验表明,该算法可以大大提高目标检测概率和目标航迹起始概率。     

基于联合检测方法的雷达信号分选跟踪机设计

雷达信号分选是雷达对抗中一个重要的组成部分,只有从随即交迭的信号流中分选出各个雷达脉冲序列之后才能进行信号参数的测量、分析、识别。目前基于PRI参数提出很多分选方法,针对各种方法的优缺点,研究了一种基于SDIF算法和序列相关法联合检测的被动雷达信息处理系统信号分选跟踪机,经仿真证明,基于SDIF与序列相关法的联合检测增加了检测概率,具有较好的鲁棒性,可以较好地对空间多部不同雷达信号进行准确分选,正确给出跟踪波门。该信号分选跟踪机已在工程中应用。     

基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法

本文结合最小绝对差度量(MAD)和(Hausdroff)距离度量两者的基本思想的优点,提出了一种新的对应像素距离相似性度量方法和自适应模板图像匹配跟踪算法,设计了帧间和帧内匹配跟踪置信度,提出了基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法.并对基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法的匹配跟踪性能进行分析,实验结果表明:该算法具有较强的抗噪、抗畸变能力和匹配跟踪稳定性,具有较高的匹配精度和匹配概率.     

基于Snake模型的波门自适应跟踪算法

介绍了波门跟踪的原理以及波门自适应性的需求, 结合主动轮廓模型中的GVF Snake模型和自适应分析质心跟踪算法, 提出了基于Snake模型的波门自适应跟踪算法, 根据Snake模型的收敛轮廓来确定波门位置和大小, 由波门内背景像素点所占的比例来决定是否更新波门。通过实验仿真, 该算法能够自适应地改变波门的大小, 很好地跟踪目标。     

目标跟踪序列检测方法

所研究的序列假设测试适用于数字图像序列中有关低可视机动点源目标的多帧检测和跟踪。所提出了多重多阶段设测试跟踪算法采用多阶假设跟踪策略，从序列检测目标轨迹那部分延伸所形成的轨迹。ＭＭＨＴＴ算法不需概率目标机动模型。利用截断序列概率测试求出计算的的有效系数，以便删除密密集候等外刀迹树和评价检测的那部分轨迹。文中利用光学卫星跟踪试验结果，介绍和证实了分析的性能评定。     

一种基于Kalman-mean shift的自适应跟踪算法

提出了一种基于Kalmanmean shift的自适应跟踪算法。利用卡尔曼滤波器预测目标在当前时刻的起始位置,并利用互信息量与目标尺寸之间的关系,在mean shift算法中加入了一个尺度更新项,通过尺度更新对运动目标,特别是目标尺寸变化的目标进行自适应跟踪。实验表明该算法提高了mean shift跟踪算法的适应性,有效地解决了长时间跟踪过程中尺度变化目标定位困难的问题。     

基于序贯蒙特卡罗概率假设密度滤波的多目标检测前跟踪改进算法

实现目标数目未知且可变条件下的多目标检测与跟踪是个极具挑战性的问题,在信噪比较低的情况下更是如此。针对这一问题,该文提出一种基于点扩散模型的多目标检测前跟踪改进算法。该算法在序贯蒙特卡罗概率假设密度(SMC-PHD)滤波框架下实现,通过自适应粒子产生机制完成新生目标在像平面中的初始定位,并根据目标在图像中可能出现的位置对全体粒子集进行有效子集分割和快速权值估算,最后利用动态聚类方法完成多目标状态的准确提取。仿真结果表明,该方法有效改善了多目标检测前跟踪的估计性能,并大大提高了算法执行效率。     

对变形目标的跟踪研究

在目标跟踪过程中,目标在图像中的形状和大小常发生不同程度的变化,为了准确、有效地实现目标跟踪,采用多次迭代的连续自适应平均值移动算法。该算法是一种基于颜色跟踪的算法,根据多次迭代的计算结果,自适应调整图像序列中搜索窗口的大小和位置,从而得到当前图像中的目标中心,实现对运动目标的跟踪。最后分别在不同变形情况下和多个运动目标下进行实验。实验结果表明,当目标发生旋转、大小变化及存在多个目标的情况下,该算法仍能有效地对运动目标进行准确跟踪。     

基于动态规划的雷达检测前跟踪新算法

 为解决低信杂比下雷达检测前跟踪技术存在末级检测门限设置困难和动态规划算法对运动目标跟踪能力弱的问题,本文首先分析了两级检测门限的雷达检测前跟踪算法自身特点.在瑞利杂波条件下,对经过动态优化后的信号进行杂波置信检验和航迹检测和校正.该算法末级检测门限设置简单并且提高了跟踪概率.仿真验证了新方法的有效性.     

一种实现机动目标跟踪的STF动态模型PDA算法

本文提出了一种基于强跟踪滤波器(STF)的模型结构动态调整的概率数据关联算法(STF-PDA).该算法提高了概率数据关联(PDA)算法的性能.在跟踪目标,尤其是在跟踪机动目标的性能上,理论分析表明该算法比基于KF或EKF的PDA方法优越.且与基于KF和EKF的PDA算法进行了实验结果比较,结果表明,本文提出的算法更为有效.     

锥扫型光学传感器像平面多目标轨迹跟踪

积分概率多假设跟踪(IPMHT)是一种基于期望极大化(EM)的准最优贝叶斯多目标迭代跟踪算法,研究了该算法在锥扫型光学传感器像平面多目标轨迹跟踪中的问题。为提高算法的跟踪性能和计算效率,利用逻辑概率数据关联滤波(PDAF)方法进行目标初始状态估计,并利用目标幅度信息和波门技术对IPMHT进行优化。针对锥扫型传感器非线性观测下的多目标跟踪,将扩展无味卡尔曼滤波(AUKF)与优化的IPMHT算法相结合,实现像平面多目标轨迹的起始、维持和终结。蒙特卡洛仿真实验表明,该算法成功地解决了锥扫型传感器的像平面多目标轨迹跟踪问题,在提高目标跟踪性能的同时改善了计算效率。     

自适应交互多模型跟踪算法的模型集设计

自适应交互多模型算法（AIMM）是标准交互多模型算法（IMM）的一种改进。但AIMM遇到了新的问题，包括如何选择自适应模型集的结构，如何从基于旧模型集的滤波器中继承各种数据。本文分析了这些问题，并给出了AIMM中模型集和模型转移概率的设计方法。仿真结果表明，改进的AIMM算法比普通的AIMM算法的跟踪性能有明显的提高。     

隐马尔科夫模型修正的交互多模跟踪算法

针对交互式多模型目标跟踪算法中模型转移概率固定对跟踪精度造成的影响,提出了一种隐马尔科夫模型修正的模型转移概率自适应交互多模跟踪算法。该算法通过对跟踪过程建立隐马尔科夫模型,采用Viterbi 算法求解修正系数,在检测到目标运动发生机动性变化时,将修正系数用于交互式多模型算法以达到实时调整模型转移概率的目的。仿真结果表明,该算法的跟踪结果优于传统的交互式多模型算法,具有很好的稳健性、实时性,有效降低了主观因素对跟踪精度造成的影响。     

基于概率相关性的AIMM跟踪算法

为解决传统自适应交互式多模型(AIMM)算法计算量普遍过大而不适应于实际工程应用的问题,提出了基于概率相关性的自适应的交互多模型算法(PR-AIMM),该方法在由CA、CV和基于圆周运动的转弯(TR)模型3个基本模型组成的模型集上,利用模型后验概率最近时间相关性自适应地调整马尔可夫转移矩阵的参数,能对空中大部分机动目标进行有效的跟踪,有效地解决在实际工程应用中机动目标跟踪问题.最后运用仿真试验对上述算法进行了合理性和有效性验证,并在实际工程应用中达到了满意的效果.     

一种航迹恒虚警的目标检测跟踪一体化算法

对于传统雷达系统,目标检测和目标跟踪通常被看作是两个独立的过程。然而,在跟踪阶段,可以获得目标位置信息(跟踪信息),将该信息反馈至目标检测器将有助于提升检测性能。为此,该文提出一种航迹恒虚警的目标检测跟踪一体化算法。首先根据目标跟踪信息和目标运动模型,建立预测波门;然后按照给定的航迹虚警概率,计算帧虚警概率,即预测波门内至少出现一个虚警的概率;最终根据帧虚警概率调整预测波门内的检测门限,完成目标检测过程。仿真实验表明,该算法可以大大提高目标检测概率,推远目标跟踪距离,同时也可以保证目标突然消失时航迹能够以较高的概率结束。     

基于改进CS模型的自适应概率数据关联算法

针对密集杂波环境下传统概率数据关联算法对突发机动目标跟踪性能下降问题,提出了一种基于采用渐消因子的改进"当前"统计模型的自适应概率数据关联算法。该算法改进了传统的"当前"统计模型中加速度方差的计算方式,并在滤波算法中采用了渐消因子,克服了传统卡尔曼滤波的3大缺陷,通过改变预测协方差来修正滤波增益,在保持跟踪精度的前提下,能自适应调整滤波器带宽,增强了系统对突发机动的跟踪能力。理论分析和仿真结果表明,该算法比采用强跟踪滤波器的概率数据关联算法更有效。     

基于二值粒子群优化的多目标协同检测与跟踪方法

针对如何根据目标被探测状态(被检测或者被跟踪)对有限的雷达资源进行分配的问题,本文将其转化为组合优化问题,提出了一种新颖的基于后验克拉美罗下界(PCRLB)-二值粒子群优化(BPSO)的雷达-目标自动分配算法。该算法采用PCRLB作为已跟踪目标的跟踪精度衡量标准,并将其与新生目标的检测概率构成BPSO的适应度函数,在最大化新生目标检测概率的条件下,最小化已跟踪的多个目标的PCRLB,自适应地为目标分配雷达完成恰当的探测(检测与跟踪)行为。仿真结果表明,该算法不仅能够及时检测新生目标,而且能够持续且优化跟踪已有目标,使网络的整体精度得到明显提高。