密集杂波下的模糊数据关联多目标跟踪算法

针对密集杂波环境下对多目标跟踪的精度低、实时性不强的问题,提出了密集杂波下模糊聚类数据关联多目标跟踪算法。该算法利用模糊聚类,得到不同观测量相对目标的隶属度作为模糊关联概率,通过分析公共观测对目标的影响,引入远近距下的公共观测影响因子重建模糊关联概率矩阵;然后结合模糊关联概率与卡尔曼滤波,对不同观测量得到的状态估计加权融合,从而对每个目标进行单独跟踪,实现目标的状态更新。仿真结果表明,杂波密集环境下该算法在能够保证多目标跟踪实时性的同时引入远近距下公共影响因子对不同观测量的状态估计进行加权,保证了目标跟踪的精确性。     

密集杂波环境下数据融合估计算法评估

由于观测量获取的不确定性,使得密集杂波环境下的多传感器机动目标跟踪变得复杂,解决这个问题的关键在于跟踪门限和数据联合与融合算法的选取。文中在分析最邻近卡尔曼滤波(NNKF)和概率数据联合滤波(PDAF)两种融合算法的基础上,对其在密集杂波环境下的跟踪误差和算法实时性效果采用当前统计模型进行评估,仿真结果表明PDAF算法跟踪性能明显优于NNKF算法。     

密集杂波环境下的数据关联算法

针对密集杂波环境下多目标数据关联问题,提出了一种基于弱化算子自适应模糊C均值聚类的数据关联算法。该算法首先采用弱化算子对有效回波进行弱化处理,在此基础上应用自适应模糊C均值算法对目标有效回波进行聚类,并将聚类中心作为相应目标最终观测值,最后采用最近邻法将聚类中心与目标航迹配对。实验结果表明,该算法与FCM方法相比,具备更高的关联和跟踪精度;与JPDA算法相比,提高了关联时实性。     

基于模糊信息融合的快速数据关联算法

为解决密集杂波下的目标跟踪难题,将目标的距离特征、方位特征进行模糊信息融合,并与概率数据关联算法相结合,得到一种优化的概率数据关联算法。该优化概率数据关联算法与密集杂波下较为有效的联合概率数据关联算法相比,不需产生所有可能的联合事件,因此计算量较小,易于工程实现。仿真结果表明,在不同的杂波环境下,该算法都可以取得令人满意的跟踪效果。     

杂波环境下多机动目标跟踪的一种新粒子滤波器算法研究

多机动目标跟踪系统具有本质非线性和非高斯特性, 而且状态的测量通常是来源未确定的观测量, 在杂波环境下尤其如此.因此, 杂波环境下的多机动目标跟踪问题需要同时解决多个目标的机动性以及测量和目标之间的关联问题.提出了一种结合粒子滤波器和吉布斯采样器的多机动目标跟踪算法, 可以很好地解决在杂波环境下的多机动目标跟踪问题.在仿真研究中, 与另一多机动目标粒子滤波器算法BMMPDAF的比较证明了所提出的算法的优越性.     

战场侦察相控阵雷达波束调度研究

战场侦察相控阵雷达在强地杂波环境下对机动性目标跟踪和边跟踪边搜索(TAS)波束调度策略是当前研究的热点。利用地面杂波和目标路径等先验信息,建立了杂波环境下地面交互多模型联合概率数据互联(GIMMJPDA)多目标跟踪算法,在区分目标威胁度、不同威胁目标跟踪精度的基础上实现目标动态的TAS波束调度。经目标态势仿真验证,基于GIMMJPDA目标跟踪算法、高威胁优先级和目标跟踪精度基础上的战场侦察相控阵雷达TAS波束调度策略具有高的时间利用效率。     

密集杂波环境下基于两点量测和Viterbi的PDA算法研究

为了更好地解决密集杂波环境下的目标跟踪问题,弥补密集杂波环境下概率数据互联算法(PDA)误关联概率偏高的不足,在对现有的Viterbi数据互联算法进行深入分析的基础上,给出了一种计算两个量测之间互联概率的表达式,提出了一种基于两点量测的Viterbi数据互联算法(TM-VDA).仿真验证,TM-VDA能够很好地完成对目标的跟踪,特别是在密集杂波环境下误跟踪率较PDA大大降低.     

基于箱粒子滤波的鲁棒标签多伯努利跟踪算法

针对在未知杂波和检测概率的跟踪环境中标准的标签多伯努利（LMB）算法跟踪精度较低、粒子覆盖集过大致使复杂度较高的问题,引入区间分析技术,提出基于箱粒子滤波的鲁棒LMB跟踪算法。建立目标增广空间模型,基于箱粒子滤波方法,推导出有杂波状态标签和LMB元素标签的预测、更新方程,并用多目标箱粒子LMB滤波递推估计目标状态。仿真结果表明,当杂波和检测概率先验未知,与现有非标签、非鲁棒算法相比,所提算法可实现在低检测概率和高杂波强度环境下对目标的稳定跟踪,同时大幅度提高算法的运行效率。     

基于模糊聚类的群分离与合并跟踪算法

针对密集杂波背景下群目标分离或合并时估计误差增大的问题,提出了基于模糊聚类的群跟踪算法。该算法首先基于多特征信息融合的思想,融合群目标的运动状态信息和电磁辐射信息,通过计算候选回波与真实目标的关联度对量测进行筛选;其次,对群内目标进行聚类,形成若干个聚类小群,通过估计各小群的运动状态实现对大群的整体跟踪,并利用最近邻(NN)算法进行航迹维持。仿真结果表明,该算法提高了杂波背景下群目标跟踪的精度,并且能够较为准确地检测出群的分离与合并,相比传统算法,性能有所提高,具备工程实用性。     

一种地面目标跟踪算法的设计与实现

对地面机动目标的跟踪问题是目标跟踪领域的难点,多传感器数据融合技术以及变结构交互多模型算法是解决地面目标跟踪问题的有效途径。针对目标运动特点,将地面目标运动特性和运动状态作为先验信息,设计了一种地面目标跟踪算法,给出了算法的详细步骤,算法主要采用了加权观测融合卡尔曼滤波器及采用模型组切换方法的变结构多模型算法实现。仿真及误差分析结果表明,该算法优于传统交互多模型算法。为地面目标跟踪算法的设计提供了参考。     

基于序贯蒙特卡洛与概率假设密度滤波的主动分布式声纳多目标跟踪

针对杂波数量多、目标数量和状态不确实性及观测不确实性等问题,提出了一种基于序贯蒙特卡洛与概率假设密度(SMC-PHD)滤波的分布式声纳多目标自动跟踪方法。通过随机有限集模型对多目标状态和观察进行表征,结合序贯蒙特卡洛方法中的重要性采样和重采样策略递归地实现多目标后验近似下概率假设密度的传递和滤波。利用分布式声纳观测模拟数据,对不同节点数目下基于SMC-PHD滤波的多目标跟踪进行了仿真实验。仿真实验结果表明：该方法适用于主动分布式声纳系统,能在多杂波环境下对数目未知且时变的多目标进行实时自动跟踪;在4个平台节点的主动分布式声纳系统中,实现了平均相对误差小于5%的水下多目标高精度跟踪,且目标数目估计值与真实值一致。     

基于无迹变换的协同探测与速度方向控制制导律一体化设计

飞行器协同探测相比于单飞行器探测具有精度更高、抗干扰能力更强的优势。传统制导控制设计过程中通常将目标定位跟踪和制导算法进行解耦设计,但实际上制导算法需要实时估计的目标位置等参数作为输入,而制导算法也会影响目标跟踪状态和测量方程的构建以及观测条件,两者存在较高的耦合度。解耦分别设计会造成一定的信息缺失,降低估计和制导精度。针对这一问题,本文构建了一种基于无迹变换的协同探测与制导一体化设计方法,一方面将协同探测目标定位算法引入制导律中,利用融合的目标位置估计均值和方差作为制导算法的输入,将制导过程作为一个随机矢量的非线性传播过程,利用无迹变换获取飞行控制角的均值和方差。仿真实验验证了该方法与传统的速度方向控制滤波算法定位相比,既能提升探测精度,同时满足较低的过载,较好地对飞行器的速度方向和姿态进行控制。     

基于多目标不确定性改进的GM-PHD滤波器

基于随机有限集的高斯混合概率假设密度（GM-PHD）滤波是处理多目标跟踪问题的一种有效方法。GM-PHD滤波器在密集杂波环境中会因估计误差过大而导致跟踪性能的下降,主要是因为没有充分考虑来自多目标量测的不确定性。为此,提出在考虑高斯分量权重的情况下,通过分量值改变协方差更新式,并通过引入标签,采用自适应阈值对高斯分量进行合并。理论分析和仿真结果表明：该方法在杂波环境下,目标最优次模式分配距离小,跟踪精度更高;目标数量的估计结果受杂波的影响更小,其估计值更接近真实的目标数量;通过具有不同杂波以及检测概率条件的跟踪场景,证明了该方法的目标数量估计精度和滤波性能明显好于传统算法。     

融合时空特性的孪生网络视觉跟踪

针对现有跟踪算法处理快速运动和相似目标干扰挑战时精度欠佳的问题,提出一种基于时空注意力机制的孪生网络跟踪算法。设计时间注意力模块,利用视频初始帧作为参考,依照多幅历史参考帧的贡献程度,自适应地为其赋予权重并进行融合,构建时效性较强的多帧融合模板;结合空间注意力模块,通过非局部操作增强算法对跟踪图像的整体感知能力,进而提升算法的判别能力;在网络训练阶段,利用Focal Loss函数训练网络,以平衡正负样本的比例,提高算法判别困难样本的能力。仿真实验采用标准数据集OTB2015和VOT2016测试算法性能,并与近年来的12种优秀算法即ECO算法、DSST算法、HDT算法、CFNet算法、KCF算法、SRDCF算法、SiamFC算法、DCFNet算法、MEEM算法、SiamVGG算法、BACF算法、ANT算法进行对比。结果表明,融合时空特性的孪生网络跟踪算法可以很好地应对快速运动和相似目标干扰挑战,并有效提升基准算法的性能。     

基于理想视线的弹道成型最优导引律

寻的导弹在追踪目标的过程中,常遇到由于背景过于复杂而锁定目标失败的情况,例如在导弹下视攻击低空目标时,强地面背景和地杂波干扰常常导致导弹无法正常截获或跟踪目标。提出一种以理想视线为控制目标的建模方法,并在约束终端弹目相对运动方向和弹道过载的基础上,设计了一种弹道成型最优导引律。该导引律并不直接控制终端相对速度矢量,只在所设定的理想视线的垂直方向上进行控制,从而导引律形式更简单,扩展性更强。通过数字仿真表明,所设计的导引律能够较好地实现末端弹道成型要求,并且过载分配更为合理,可有效减小地面背景和地杂波干扰对导引头截获跟踪的影响。     

无线电引信距离波门压缩的实现与仿真

为避免防空导弹在拦截超低空飞行目标时无线电引信受海面杂波的干扰,对距离波门压缩的电路实现方式进行研究.分析了距离波门压缩的原理,给出了高度跟踪和波门压缩的实现方式,并在Matlab/Simulink仿真平台下进行仿真验证.结果表明:该方式能准确地实现高度跟踪和距离波门压缩,有效抑制海杂波对无线电引信的干扰.     

分类信息辅助的神经网络联合数据关联算法

为解决多目标跟踪中数据关联问题引入神经网络UKF算法和分类信息辅助方法.通过计算分类混淆矩阵确定分类信息似然函数,再用该函数调整只利用运动信息的似然函数,使分类信息有效辅助神经网络联合概率数据关联.在杂波环境中对多个近邻且不同种类目标跟踪,针对联合概率数据关联(JPDA)存在的计算组合爆炸问题,利用Hopfield网络解决TSP问题的思路得到神经网络联合概率数据关联(NJPDA)方法.基于以上关联方法得到的关联概率,仿真表明该算法提高了数据关联的有效性和快速性.