基于抛物线随机Hough变换的机载脉冲多普勒雷达机动弱目标检测前跟踪方法

为解决机载脉冲多普勒（PD）雷达对机动弱目标进行检测与跟踪的问题,构造了一种基于抛物线随机Hough变换（RPHT）的检测前跟踪（TBD）算法。该算法通过模糊区间对目标的模糊量测进行距离多假设扩展,从而提取量测中的时空相关信息。利用RPHT方法将目标扩展量测转换到参数空间,并在参数空间对目标的机动航迹进行积累。在算法实现过程中,通过方位变换的方式对传统的RPHT方法进行了改进,以降低算法计算复杂度。该方法将机动弱目标解距离模糊问题转换为TBD框架下基于RPHT的航迹检测问题,避免了微弱目标的低信噪比造成的航迹漏检。仿真结果验证了该算法的有效性。     

主被动异构弹载雷达组网抑制假目标干扰方法

针对单部弹载雷达在欺骗式假目标干扰的情况下存在视角单一、信息量少、难以有效抗干扰的问题,提出主被动异构弹载雷达组网抑制假目标干扰方法。该方法考虑了弹载雷达位置误差,在航迹起始阶段利用角度信息对主动和被动雷达导引头的量测量进行两两关联鉴别,从而剔除部分假目标,并使用关联成功的主动弹载雷达量测信息辅助被动雷达进行航迹起始;在航迹关联阶段,主动与被动弹载雷达分别对目标进行跟踪滤波,通过序贯航迹关联算法再次鉴别剩余假目标。仿真结果表明,该方法能够在保证较高的真实目标鉴别概率条件下对距离欺骗式假目标干扰进行有效抑制。     

雷达组网多目标跟踪系统的设计与实现

雷达组网多目标跟踪系统采用加权最小二乘估计估计目标的初始状态，其数据关联采用最近邻算法，假设观测误差为高斯噪声且各个传感器之间相互独立，先计算量测点与系统航迹的标准化距离，再判断某个量测是否与某个航迹相关联，选择标准距离最小的系统航迹与量测点配对，用此量测点对系统航迹进行更新。系统跟踪滤波则采用加权最小二乘滤波算法，仿真试验表明，该系统可有效地对组网雷达条件下的多目标进行跟踪。     

多假目标干扰下组网雷达机动目标跟踪方法

针对距离多假目标干扰下,单站雷达视角单一,获取信息量少,对机动目标跟踪效果不佳的问题,提出了多假目标干扰下基于组网雷达的机动目标跟踪方法。该方法通过信号似然比预处理与卡方检验相结合进行量测分组,根据多假目标的空间分布特点求解"中心量测",并基于该量测进行球坐标系下的径向最近距离关联,最终在交互式多模型算法(Interacting Multiple Model,IMM)的框架下实现对机动目标的高精度跟踪。仿真结果表明,通过对目标量测的准确选择与融合,相比类似方法,平均位置均方根误差减小了57%,平均速度均方根误差减小了14%,且对机动目标也有较好的适应能力。     

径向长度特征辅助的多目标数据关联算法

多目标跟踪技术的核心问题是数据关联,传统的数据关联算法采用空间距离最邻近的方法,在回波密度较大时容易发生误跟;特征辅助数据关联算法是多目标跟踪技术的发展趋势,通过融合目标运动学信息和特征信息,可以增加目标的信息维数,提高关联正确率。提出利用目标径向长度信息辅助最近邻算法,并在建立的场景中与传统的最近邻算相比较,结果表明该算法可以有效的增加近距离平行目标和交叉目标的正确关联次数,从而提高了多目标数据关联算法的性能。     

一种基于JPDAF的机动目标轨迹融合算法

多传感器目标跟踪是利用不同的平台获得有关目标的准确、连续的动态描述。PDAF(probabilistic data association filter)算法用于处理单目标跟踪问题，它假定所有的量测都是在特定的目标扩展门限中，即来自一个目标或杂波。如果另一个目标也在该门限中，就可能产生错误。为了解决混杂、密集环境下的多目标跟踪问题，本文利用JPDAF(joint probabilities data association filter)算法，通过考虑可利用的关联事件来简化处理过程．根据关联概率值来对假设进行估计。最后的仿真结果表明该算法对向量状态估计有明显改善。     

交叉定位中去除虚假目标的一种新算法

针对测向交叉定位系统数据关联中存在虚假定位的问题,提出一种改进的分层快速关联算法.该算法先通过挖掘各传感器的相互位置关系与其对同一目标所形成方位量测之间的几何规律,利用候选关联的方位量测构造检验统计量,进行方位粗关联,排除了大部分虚假候选关联,减小了运算量;再对剩余候选关联进行分层组合,提取出正确的关联集合.仿真结果表明,文中算法可快速、准确的排除虚假定位点.     

基于多特征信息的支持向量机数据关联算法

数据关联是多目标跟踪中的关键问题.利用信息融合技术和支持向量机分类模型,提出了一种新的多目标跟踪数据关联算法--基于多特征信息的支持向量机的数据关联算法.该算法充分利用了传感器的测量信息,从而减小了量测与航迹关联的不确定性;并且由于支持向量机算法是一个二次型优化问题,从而克服了人工神经网络训练过程中的局部极小值的问题.计算机仿真表明,该算法具有较高的关联性能.     

基于网络雷达的一种数据关联算法

数据关联是多目标跟踪的核心内容．根据网络雷达的特点，提出了一种基于目标状态和属性联合最近邻的数据关联算法，该算法合理地利用了目标的电子属性信息（如载频、重频、脉宽和脉内特征等）．通过对近距离目标的跟踪仿真试验，该算法得到了很好的关联跟踪效果．     

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。     

基于概率假设密度滤波与无迹Kalman滤波的多目标跟踪与识别

为提高导引头末制导阶段抗干扰能力,针对典型的欺骗式距离-速度联合拖引干扰模型,研究了基于概率假设密度（PHD）滤波的多目标跟踪与基于无迹Kalman滤波（UKF）的多目标识别技术。为说明导引头目标识别原理,给出了距离-速度联合拖引干扰模型;根据导引头测量原理,通过导引头框架角、导弹-目标相对距离、径向速度建立系统跟踪模型,给出了基于PHD滤波的多目标跟踪与基于UKF的多目标识别的基本原理;基于典型的目标运动模型（匀速直线与匀速转弯模型）,针对目标施加的4次距离-速度联合拖引干扰,采用目标跟踪结果以及估计的目标速度和加速度信息进行多目标跟踪与识别分析,能够很快实现真假目标识别。仿真实验结果表明,利用PHD滤波与UKF信息能够有效实现对距离-速度拖引干扰下的多目标跟踪与识别。     

基于视频的装甲车和飞机检测跟踪及轨迹预测算法

针对当前视频目标跟踪算法跟踪多目标容易跟丢的问题,以视频中的装甲车、飞机为研究对象,研究一种改进跟踪学习检测（TLD）的视频多目标检测跟踪算法。对于跟丢的目标,利用Kalman滤波算法的预测功能跟踪视频中典型目标的轨迹,并采用Kalman滤波算法跟踪的轨迹来弥补TLD算法丢失的部分,从而获得视频中典型目标的完整轨迹,以提高视频多目标跟踪的准确率。由于现有轨迹预测算法存在准确性较差的局限性,提出一种基于社交长短时记忆（Social-LSTM）网络的视频典型目标轨迹预测算法,将上下文环境信息和多个目标轨迹之间的相互影响关系融入Social-LSTM网络,预测待检测典型目标的轨迹序列。仿真实验结果表明,所提轨迹预测算法优于传统的LSTM算法、隐马尔可夫模型算法以及混合高斯模型算法,有利于提高视频典型目标轨迹预测的准确率。     

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.     

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。     

基于距离信息的Mean-Shift跟踪算法

针对图像制导目标跟踪系统在跟踪过程中,成像视角和距离的变化带来的跟踪漂移问题,提出了利用距离信息动态更改Mean-Shift算法跟踪窗口尺度的算法。依据初始跟踪时选定的目标模板,建立目标的灰度特征模型,确定初始跟踪窗口尺度;在跟踪过程中依据距离信息来动态更新跟踪窗口尺度,保证在跟踪系统逐渐接近目标的过程中跟踪窗口能够完全包括或者绝大部分包含目标;在每一帧跟踪收敛后利用Bhattacharyya相关系数对目标模板进行非线性更新。以Vega产生的模拟飞行视频数据进行了算法仿真,结果表明：该算法能够适应目标不断膨胀的情况,在很大程度上降低跟踪漂移。     

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。     

基于综合相似接近度的航迹关联算法

文中以分布式多目标跟踪系统的航迹关联问题为研究对象，在综合考虑两模糊集问的三种接近程度度量（即海明距离、模糊贴近度、灰色关联度）的基础上，采用综合相似接近度算法，并将它应用于航迹关联问题。最后给出了两传感器环境下的仿真结果，并与最近邻法、加权法进行了比较，显示了该算法在关联正确率上有所提高。     

弹道目标跟踪的自适应多维分配相关算法

研究了弹道目标防御雷达的多目标跟踪数据关联方法,提出了一种弹道目标跟踪的自适应多雏分配相关算法.在对多传感器探测覆盖区域进行分区处理的基础上,进行多目标跟踪模式的判断,根据跟踪模式选取不同维数的多维分配相关算法进行相关处理,分析了多维分配算法存在的问题,给出了算法实现的伪代码.仿真实验结果表明,利用该算法能够很好地跟踪弹道目标.