光电跟踪系统纯角度滤波器的设计

为了在不增加硬件的条件下改善光电跟踪系统的性能,提出了仅基于目标角度信息的状态估计方法,设计了纯角度跟踪滤波器.首先,分析了带有激光测距仪的红外跟踪系统的工作机理;针对目标机动性特点,建立了球坐标系下目标的“当前”机动模型.然后,针对纯角度跟踪过程中高频图像序列存在复杂噪声干扰的问题,采用集员估计的方法对目标状态模型进行了补偿和调整,并在此基础上设计了自适应椭球滤波算法.最后,以舰载光电跟踪系统对来袭目标的跟踪为例进行了仿真.对比实验结果表明,对于复杂噪声条件下的强机动目标,在激光测距仪回波率为50％的情况下,利用基于自适应椭球滤波算法的纯角度滤波器进行辅助跟踪,可以实现方位(俯仰)角度估计均方差≤0.6 mrad的稳定跟踪,效果显著优于传统滤波方法,具有良好的工程实用价值.     

径向基粒子滤波状态跟踪测量算法

状态跟踪测量的过程噪声降低了目标信噪比,增加了自适应滤波跟踪的难度。当误差较大时,基本粒子滤波算法的预测累积误差效应将导致系统发散。无迹粒子滤波算法利用无迹卡尔曼滤波提高重要性函数估计精度,减少后验概率密度分布误差,但同时也将大幅增加运算时间。提出一种基于径向基函数网络(RBFN)的改进型粒子滤波算法PF-RBF,利用RBFN通过目标状态观测值和全局预测值拟合状态变化趋势,更新各粒子状态,提高先验概率密度分布估计精度,消除过程噪声引起的估计误差。与无迹粒子滤波(UPF)算法相比,该算法无需构造无迹卡尔曼滤波(UKF)重要性函数,提高了运算速度。机动目标跟踪试验表明,径向基粒子滤波算法在线性和非线性观测方程下的状态跟踪测量精度和算法稳定性均优于UKF、PF和UPF算法,可有效实现对状态变化的实时鲁棒跟踪。当参与运算的粒子数增加时,PF-RBF算法执行时间的增长速率较UPF算法更低,可满足高精度状态跟踪应用。     

基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型（IMM）的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计。在工程上,将基于CV和＂当前＂统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果。     

基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型（IMM）的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计。在工程上,将基于CV和＂当前＂统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果。     

基于IMM模型的目标跟踪算法

在机动目标跟踪方法中,为避免具有机动检测的跟踪算法产生的估计时间延迟和机动检测过程中跟踪性能的降低,采用基于交互式多模型(IMM)的自适应机动目标跟踪算法,通过2个目标模型的交互作用来实现对目标机动状态的自适应估计.在工程上,将基于CV和"当前"统计模型的IMM算法应用在某导航雷达跟踪系统中,经验证IMM算法对匀速直线运动、机动运动目标跟踪均能取得较好的效果.     

智能子弹对声目标CACEMD-VDAKF跟踪算法研究

为了研究智能反坦克子弹药(BAT)对声目标机动检测与跟踪的问题,推导了适合智能子弹药系统的MUSIC估计算法,并计算了声信号的空间方位谱及功率谱,提出了一种针对信号几何窗口的变量--当前平均改变能量(current average change energy,CACE),利用该变量推导了基于当前平均改变能量的机动检测算法,将此算法与机动目标跟踪变维自适应Kalman滤波模型相结合,得到了基于当前平均改变能量的机动检测与变维自适应Kalman滤波算法(CACEMD-VDAKF);通过半实物仿真实验,计算了目标在不同运动状态下的空间功率谱和方位谱,证实了该算法对声信号处理的可行性,MATLAB仿真结果验证了CACEMD-VDAKF算法对二维声目标跟踪的有效性及稳定性.     

基于Rao-Blackwellizedli粒子滤波的多特征融合多光谱目标自适应跟踪

针对复杂背景下视频目标跟踪的实时性和可靠性问题,提出了基于Rao-Blackwellized粒子滤波的颜色矩形特征和方向边缘信息融合的自适应跟踪算法。该算法采用Rao-Blackwellized粒子滤波提高滤波算法性能,采用积分图像快速计算颜色特征和方向边缘信息,根据跟踪实际情形,利用模糊逻辑自适应调节各特征权值,提高算法的跟踪速度和精度。视频跟踪仿真试验表明该算法是稳健的,能够在复杂的背景下对可见光及红外等运动目标进行有效、可靠的跟踪。     

空间非合作旋转目标的模型重建与位姿优化

针对模型未知的空间非合作旋转目标的模型重建和位姿估计问题,利用激光雷达采集的3D点云,提出一种基于位姿图优化的SLAM技术框架,以解决跟踪过程中产生的累积误差问题。首先,根据迭代最近点(Iterative Closest Point,ICP)算法计算相邻关键帧之间的相对位姿信息,通过位姿跟踪方法获得当前关键帧的位姿,由此构建跟踪航天器的相对位姿图;采用GLAROT-3D(Geometric LAndmark relations ROTation-invariant 3D)全局描述子检测闭环,并将闭环约束添加到位姿图中;最后采用基于位姿图优化的方法进行位姿调整,并更新模型点云。在仿真实验中,噪声标准差达到100mm时,姿态测量误差小于2°;在地面实验中,姿态测量误差小于2.5°,并较好地重建了目标的点云模型,算法的精度及抗噪声能力基本满足非合作目标相对位姿测量的任务需求。     

任意位姿物体机器视觉测量视差变形补正

提出一种对机器视觉测量视场内任意位姿目标物体视差变形导致测量误差进行物体自动跟踪和变形补正的方法。在分析视差变形基础上,提出自动跟踪检测模型,得出补正参数。通过改进的序贯相似性检测算法(SSDA)模板匹配、图像的二值化处理和腐蚀、质心坐标求取和轮廓边缘搜索等计算,计算出反映目标物体位置、姿态偏移的特征参数,从而求得目标物体自动跟踪位置、姿态偏移补正量。以任意位姿M4螺母内螺纹检测为实验对象,实验结果表明,该自动跟踪补正方法可行,具有较好的跟踪一致性,取得了较好的视差变形补正效果。     

基于深度卷积网络的多目标动态三维抓取位姿检测方法

在非结构化环境机器人抓取任务中,获取稳定可靠目标物体抓取位姿至关重要。本文提出了一种基于深度卷积网络的多目标动态三维抓取位姿检测方法。首先采用Faster R-CNN进行多目标动态检测,并提出稳定检测滤波器,抑制噪声与实时检测时的抖动;然后在提出深度目标适配器的基础上采用GG-CNN模型估算二维抓取位姿;进而融合目标检测结果、二维抓取位姿以及物体深度信息,重建目标物体点云,并计算三维抓取位姿;最后搭建机器人抓取平台,实验统计抓取成功率达到95.6%,验证了所提方法的可行性及有效性,克服了二维抓取位姿固定且单一的缺陷。     

一种改进的交互式多模型粒子滤波算法

在实际的目标跟踪与识别的过程中,机动目标的跟踪不仅受非线性和非高斯现象的影响,而且它所采用的交互式多模型粒子滤波算法还存在着粒子权值退化和重要性密度函数选择的问题,导致跟踪误差较大。针对这一问题,提出了一种交互式的多模型的迭代容积粒子算法。该算法通过融合最新量测值产生更加接近系统的真实值,从而使粒子利用率得到进一步的提高。此外为了解决粒子的多样性减少的问题,还引入了MCMC重采样方法。仿真的结果表明,对于机动目标的跟踪与识别,改进的算法的精度要比IMM-PF算法的精度高、误差小,且通过改进的算法得到的重要性密度函数更加接近系统的后验概率分布。     

红外传感器跟踪目标滤波算法探讨

概率数据关联滤波器(PDAF)算法用于杂波环境下时,目标跟踪存在跟踪机动目标能力低,位置误差大,协方差也大等问题;为了解决这些问题,在PDAF算法的基础上,提出了定向概率数据关联滤波器(DPDAF)算法;在不改变PDAF滤波算法的情况下,通过引入目标预测的夹角,在PDAF中增加检测方向,通过修改PDAF的似然函数,从而得到DPDAF算法;最后通过计算机仿真,DPDAF算法跟踪机动目标的能力高于传统的PDAF算法,提高了算法的跟踪性能。     

天文导航中的星敏感器技术

由于星敏感器仅仅工作在全天球的识别模式下远不能满足当前飞行器任务的需要,提出了当星敏感器有足够的先验信息情况下,可在星跟踪模式或者预测星像模式下工作,来提高星敏感器的数据更新率,降低由全天球识别带来误匹配的可能性.本文提出了一种新的星跟踪算法来克服飞行器在大角速度飞行情况下传统星跟踪算法处理时间过长等不足;为了消除由于系统噪声带来的误差,还提出了星图滤波和星像滤波的方法.实验结果表明,当飞行器在2.25°/s的角速度下飞行时,星敏感器能在10 pixel×10 pixel的范围内从星图中正确提取星像,星图经去噪后,星敏感器输出精度提高了近5″,从而使星敏器可在飞行器高动态飞行情况下实现高精度、高更新率的姿态输出.文中描述的所有方法已在2007年和2008年进行了地面观星测试,并于2009年即将应用于某些卫星的姿控系统中.     

基于改进 Mean－shift算法的铲斗目标跟踪

针对挖掘机器人铲斗目标实时跟踪问题,提出了Kalman＋Mean－shift算法的铲斗目标跟踪算法。与Mean－shift算法以及Camshift 算法相比,该算法通过Kalman滤波器对目标位置的预测,解决了跟踪过程中出现干扰时无法跟踪目标的问题。运用OpenCV进行跟踪程序设计,对挖掘机模型的铲斗目标进行跟踪实验,对算法的可行性进行验证。实验结果显示,结合Kalman滤波器的Mean－shift算法能够准确地实施对铲斗目标的跟踪。     

Image noise reduction using Wiener filtering with pseudo-inverse

We present a preliminary design and experimental results of a Gaussian noise reduction method for ultrasound images. Our method utilizes a Wiener filtering algorithm with pseudo-inverse technique. The method is capable of solving the Gaussian noise problem in ultrasound image by setup a constant dB of noise function. The key idea of the Wiener filtering algorithm is to process the given ultrasound signal by making the filtering less sensitive to slight changes in input conditions. In this paper, we investigate the possibility of employing this approach for pre-processing ultrasound image application. The application of the proposed method for reducing Gaussian noise is demonstrated by four examples. Meanwhile, we also made the comparisons with median filter, mean filter and adaptive filter; the results reveal that the proposed method has the best noise filtering capability than other three methods. The results also show that the proposed method produces recovery images with quiet high peak-signal-to-noise ratio.     

一种带渐消因子的自适应“当前”统计模型

光电经纬仪对目标跟踪时,目标突发机动时的跟踪效果较差.为此设计了一种带渐消因子的自适应"当前"统计模型.引入渐消因子增强其对突发机动的自适应跟踪能力和其鲁棒性,改进的"当前"模型改善了普通"当前"模型对一般机动目标的跟踪性能.仿真结果表明,和一般"当前"统计模型算法相比,本文提出的算法明显提高了对目标突发机动的跟踪性能.     

Fast Kalman-like optimal FIR filter for time-variant systems with improved robustness

In this paper, a fast Kalman-like iterative OFIR algorithm is proposed for discrete-time filtering of linear time-varying dynamic systems. The batch OFIR filter is re-derived in an alternative way to show that this filter is unique for such systems. A computationally efficient fast iterative form is found for the OFIR filter using recursions. It is shown that each recursion has the Kalman filter (KF) predictor/corrector format with initial conditions specified via measurements on a horizon of N nearest past points. In this regard, the KF is considered as a special case of the iterative OFIR filtering algorithm when N goes to infinity. Applications are given for the 3-state target tracking and three-degree-of-freedom (DOF) hover system. It has been shown experimentally that the proposed iterative OFIR algorithm operates much faster than the batch OFIR filter and has the computational complexity acceptable for real-time applications. It has also been demonstrated by simulations that an increase in the number of the states results in better robustness of the OFIR filter against temporary model uncertainties and in higher immunity against errors in the noise statistics.     

B-spline network-based iterative learning control for trajectory tracking of a piezoelectric actuator

This paper presents the trajectory tracking approach of a piezoelectric actuator using an iterative learning control (ILC) scheme based on B-spline network (BSN) filtering. The ILC scheme adopts a state-compensated iterative learning formula, which compensates for the state difference between two consecutive iterations in order that the iterative learning can learn from the tracking errors of the previous iteration effectively. The BSN is used to attenuate the noises and retrieve the signals of the tracking errors for the ILC. The BSN serves as a unique filter which generally does not have zero-phase responses. Design details on the ILC scheme using BSN filtering are discussed in the paper. Extensive experiments of tracking two desired trajectories for a piezoelectric actuator are presented. The experimental results show that the state-compensated ILC scheme using BSN filtering can achieve fast error convergence and keep small steady-state tracking errors close to the system noise level. This research thus relaxes the restriction of the zero-phase criterion commonly applied to the ILC filtering in the literature.