基于ML-PDA算法的低可见目标跟踪研究

针对利用传统算法难以跟踪低空目标的问题,提出了一种可行的跟踪低空目标的最大似然-概率数据关联(ML-PDA)算法。在分析各种低空目标特性的基础上,首先建立了基于ML-PDA滤波算法的低空目标跟踪模型,然后对该模型进行了深入分析,最后通过计算机仿真对该模型进行了验证。结果表明:ML-PDA滤波算法对低空目标跟踪十分有效,并且提高了滤波实时性,具有较好的工程应用前景。

时变复杂背景自由运动目标的高灵敏追迹成像

复杂背景下低可见度目标追迹是成像领域的一个重要研究方向,现有方法难以对运动方向和速率均无规则变化的低可见度目标进行追迹成像.运动衬度成像可大幅提升目标追迹的灵敏度,已在X射线成像领域取得重要应用,但仅局限于固定轨迹或单调背景的成像.本文将运动衬度成像引入到时变复杂背景中轨迹不确定的目标追迹成像任务,通过解决现有方法受复杂背景和高频噪声干扰严重的问题,实现目标的高灵敏追迹成像.天空和树林中飞鸟的追迹结果表明,该方法能有效地消除野外自然光和树叶无规则摆动导致背景灰度无规则变化的影响,实现时变复杂背景中自由运动弱信号小目标的高灵敏追迹成像.本文发展的方法有望为低可见度目标追迹成像提供一种新的手段.