机载卫星通信天线跟踪技术研究和应用

近十年来,随着国内航空事业的发展,机载卫星通信天线得到了快速发展。机载卫星通信天线稳定跟踪系统是一个复杂的多学科的技术密集综合体,它包含了惯性导航、数据采集及信号处理、精密机械设计、精密机构运动学和动力学建模仿真、伺服控制、卫星通信和系统工程等多项技术。机载卫星通信天线的跟踪技术是天线系统的关键,其核心问题是机载卫星通信天线对卫星的稳定跟踪。本文针对目前比较传统的跟踪技术进行原理介绍,并对一种高效的新形式跟踪技术进行详细分析。

基于位置偏差调速的激光跟踪运动控制方法

跟踪算法和伺服算法的设计是实现激光跟踪运动控制的关键,决定激光跟踪运动的速度及其稳定性。为获得更好的跟踪性能,基于工业控制器及其伺服算法,提出一种基于实时角度位置偏差动态调节轴系运动速度的激光跟踪算法;首先,分析基于位置偏差动态调速实现连续稳定跟踪的控制原理;然后,建立被控对象的数学模型及包含此跟踪算法的跟踪系统数学模型,并完成激光跟踪的仿真测试;最后,搭建激光跟踪实验平台,对跟踪算法进行实验验证,最终实验结果表明,激光束能够很好跟踪动态目标,电机运行平稳流畅,跟踪能力优于7(°)/s。该控制方法为激光跟踪测量系统的搭建提供技术参考。

水下弱目标跟踪的深度学习方法研究

针对水下弱目标跟踪受干扰和噪声影响容易出现量测丢失或偏差,导致传统Kalman滤波方法跟踪误差显著增加甚至出现发散的问题,为此提出一种基于神经网络的目标跟踪方法,利用深度神经网络解决不同运动模式下目标方位跟踪的问题。水下目标跟踪的神经网路模型可通过运动模型生成大量量测数据进行充分训练,有效解决水声目标数据少、标记样本不足的问题;在量测不连续条件下,提出一种新的损失函数用于增强目标跟踪模型的稳健性;对未学习的仿真数据及实测海试数据进行测试。研究结果表明:构建的卷积神经网络(Convolutional Neural Network,CNN)模型适用于3种不同运动模式下的目标,能在平台静止和运动两种情况下稳定跟踪目标;CNN模型较传统Kalman滤波方法跟踪误差分别降低了7.75°和1.41°,验证了该模型的稳健性和可推广性。

一种基于空间通道注意力机制的无人机夜间跟踪方法

研究背景视觉跟踪是众多无人机(UAV)应用中的基本任务,例如目标跟踪、自主着陆和自我定位。给定物体的初始位置,跟踪器被期望在接下来的时间内估计物体的位置。近年来,视觉跟踪取得了巨大的进展。不断涌现的跟踪方法不断刷新着大规模基准测试中的最新技术(SOTAs)。然而,以往的进展都是在有利的光照条件下拍摄的白天序列上取得的。在无人机的实际应用中,视觉系统必须在全天候提供稳健的表现,而最近的研究表明,SOTA跟踪器在低光条件下几乎无法保持其优越性。因此,在夜间不稳定的跟踪性能严重阻碍了相关无人机应用的拓展通常情况下,夜间拍摄的图像亮度暗、对比度低。在这种情况下,使用在白天训练的特征提取器会失去效力,导致目标跟踪效果不佳。

基于相对时变跟踪点位的无人艇目标跟踪策略

[目的]无人艇(USV)进行目标跟踪时,采用相对固定跟踪点位(RFTP)策略得到的参考轨迹含有拐点,导致跟踪不稳定,针对该问题提出相对时变跟踪点位(RTTP)策略以提高跟踪的稳定性。[方法]首先,使用一阶滞后滤波对目标艇艏向变化量进行处理;然后,根据滤波后的数据设计时变跟踪点位,将目标跟踪问题转化为轨迹跟踪问题,并得到参考轨迹;最后,使用模型预测控制(MPC)方法实现对目标艇的跟踪。[结果]仿真结果表明,USV在RTTP策略下的跟踪效果更稳定,跟踪距离均方根差(RMSE)下降了28.06%,能耗降低了5.93%,且控制量更加平稳。[结论]相比传统的RFTP策略,采用RTTP策略可有效提高USV目标跟踪的稳定性,为USV的目标跟踪提供了新策略。

台湾地区跟踪骚扰行为犯罪化的体系构建与价值镜鉴

严重的社会危害性是跟踪骚扰行为法律治理的逻辑起点。20世纪90年代以来,跟踪骚扰行为逐渐演变为全球性社会问题。为有效应对跟踪骚扰行为,世界各国普遍采取犯罪化的形式加以回应。台湾地区借鉴国外相关法律规定,修改传统分散式规制模式,制定专法“跟踪骚扰防制法”,对跟踪骚扰行为进行统一而全面的立法规定。内地地区同样面临跟踪骚扰行为带来的社会问题和法律难题。因此,应当借鉴台湾地区的经验,制定跟踪骚扰行为专门法律。在完善法律机制的进程中,应当防范网络科技为犯罪行为注入的新元素,加强立法的前瞻性,发挥法律的预防功能,为中国式现代化社会治理提供丰富的理论智慧和实践根据。

飞蛾扑火优化的尺度比例感知空间长期跟踪器

针对无人机长期跟踪过程中尺度变换导致目标丢失和跟踪精度低的问题,提出了一种基于飞蛾扑火优化(moth-flame optimization,MFO)的尺度比例感知空间长期跟踪器。首先,设计了高斯初始化以代替飞蛾扑火优化算法的随机初始化策略,降低优化算法在跟踪过程中的计算复杂度,减少算力浪费;其次,结合快速梯度直方图特征,构建了改进的飞蛾扑火优化跟踪器;然后,为了解决无人机航拍长期跟踪中目标尺度变化的问题,设计了一种自适应尺度变换的判别尺度空间跟踪(discriminative scale space tracking,DSST)算法,进一步提出了一种尺度比例感知空间跟踪器,解决了尺度滤波器中因长宽比固定而导致的跟踪漂移;同时,分析了滤波器响应峰值在各背景下的变化情况,提出了一种能反映环境变化下跟踪置信度的指标,并通过置信度将MFO优化跟踪框架与尺度比例感知空间跟踪器相结合,解决了尺度变化与长期跟踪目标丢失的问题;最后,在无人机长期跟踪数据集上开展了性能验证。结果表明:提出的算法可有效防止漂移现象的发生,提升跟踪效率;与目前跟踪领域中12种同类文献算法进行对比可知,提出的算法精度较高,满足实时性,能够有效解决无人机长期跟踪下的尺度变化及目标丢失等问题。

基于云平台的铁路无线电信号DOA跟踪算法

在高速铁路场景下,准确估计和跟踪无线电信号的波达方向(Direction of Arrival, DOA)能够有效提升无线通信服务质量.然而,高速移动的无线信道具有快速时变特性,对信号处理的速度和准确性提出了更高的挑战.针对传统的基于信号子空间的DOA估计算法,由于巨大的计算量而无法应用于高速铁路快速时变系统中进行DOA跟踪的问题,提出了基于卡尔曼滤波和正交压缩近似投影子空间跟踪(Kalman Filter-Orthonormal Projection Approximation and Subspace Tracking of deflation, K-OPASTd)的DOA算法.首先,搭建基于云平台的铁路信号动态测向系统;然后,建立列车接收信号模型,提出K-OPASTd算法对DOA进行动态跟踪;最后,将本文提出的算法与OPASTd算法所得到的估计角度的均方根误差进行仿真对比实验.研究结果表明:信噪比均为10dB时,本文所提算法的均方根误差比OPASTd算法低约60%;阵元均为20时,K-OPASTd算法的均方根误差比OPASTd算法低约80%.

智能车横向跟踪控制模式切换策略及评价方法

针对智能车横向跟踪控制算法传统切换策略中模型匹配策略总是处于激活状态,占用计算资源和运动平顺性变差的问题,设计了一种基于最小二乘支持向量机(least squares support vector machine,LSSVM)的控制模式切换策略,在不同工况下根据误差判断策略切换控制模式.从安全性、舒适性和跟踪精度3个方面构建控制效果评估函数,并根据多目标优化数学模型实时执行系统最优控制量.仿真试验结果表明:该切换策略能够保证智能车在不同工况下具有优秀的横向跟踪性能,路径跟踪偏差范围为±0.1 m,横摆角速度波动范围为±2(°)/s,jerk值的范围为±10 m/s^(3),与传统的单一控制算法相比,具有更好的跟踪精度、稳定性和舒适性.

高机动目标的改进强跟踪CKF自适应IMM算法

为提升高机动目标跟踪精度,提出了一种改进的强跟踪CKF自适应交互多模型跟踪算法。在IMM算法运动模型集中引入CS-Jerk模型,增强对高机动目标的适应能力,采用奇异值分解(SVD)算法解决模型集中因模型扩维而导致CKF算法无法Cholesky分解的问题;提出了一种改进的强跟踪CKF算法,降低强跟踪CKF算法的计算量;利用模型的后验信息对IMM算法模型转移概率进行自适应调整,提高跟踪精度。仿真结果表明,基于所提算法目标的位置均方根误差均值和速度均方根误差均值较IMM-CKF算法分别降低了22.50%和16.58%,有效提高了目标跟踪精度。

多特征融合的无人艇视觉目标长时相关鲁棒跟踪

[目的]针对显著海浪遮挡、相机剧烈晃动引起的无人艇视觉目标跟踪脱靶问题,提出一种基于多特征融合的长时相关鲁棒跟踪算法。[方法]首先,采用多特征融合技术,增强目标特征表达,提高目标模型鲁棒性;其次,利用高维特征降维和响应图子网格插值,提高目标跟踪的效率与精度;然后,设计水面目标重识别机制,解决目标完全脱离视野时的稳定跟踪问题;最后,采用多个代表性视频数据集进行验证和比较分析。[结果]实验结果表明,相较于传统的长时相关跟踪算法,平均成功率提升15.7%,平均距离精度指标提升30.3%,F-Score指标提升7.0%。[结论]所提算法能够处理恶劣海况下的目标脱靶问题,对于提升无人船艇及海洋机器人智能感知能力,具有重要技术支撑意义。

超声焊接全状态频率跟踪算法

超声金属焊接负载重且变化剧烈,易导致换能器出现无阻性点和电源频率误跟踪。基于梅森等效模型,提出一种能同时计算出谐振频率与反谐振频率,避免误跟踪的全状态频率跟踪算法。存在阻性点时,利用3个不同发波频率及其对应的相位差,算出跟踪目标频率;当换能器处于无阻性点状态时,把跟踪目标变为相位差最小点,从而实现全状态频率跟踪。通过仿真软件对算法进行仿真,算法能有效避免误跟踪。焊接试验结果表明,能较易实现谐振频率和反谐振频率的频率跟踪,在无阻性点的工况下焊接过程平稳。

用于RGBT跟踪的孪生混合信息融合算法

可见光与热红外跟踪(又称RGBT(RGB-Thermal)跟踪)的核心是有效地利用不同模态的信息,针对决策级融合中单分支产生低质结果影响算法判定目标的问题,提出一个用于RGBT跟踪的孪生混合信息融合算法SiamMIF。首先,使用孪生主干网络(SBN)进行多模态特征提取;其次,从信噪比的角度分析低质图像对双分支并行决策产生的影响,进而设计了一个信噪比驱动的信息交互模块(IIM)对低信噪比特征进行信息互补;再次,利用双流无锚跟踪头(ADH)对补偿后的特征进行分类回归;最后,采用自适应轻量决策模块(ALDM)对跟踪结果进行融合,并快速判定目标位置。在4个RGBT基准数据集GTOT、RGBT234、VOT-RGBT2019和LasHeR上的实验结果表明,所提算法在LasHeR数据集上的成功率和精确度分别为0.396和0.518,相较于APFNet(Attribute-based Progressive Fusion Network)提升9.4%和3.6%,在其他3个数据集上也能取得较好结果,且在GPU上的帧率能达到40 frame/s。

紧凑型地波雷达目标检测跟踪一体化实验平台

紧凑型地波雷达检测目标时回波信噪比低。应用传统的先检测后跟踪方法进行目标探测时,弱目标回波容易淹没在杂波和噪声中,出现弱目标漏检和虚假点迹误检,导致跟踪时易发生航迹断裂、误跟踪等现象,影响目标跟踪的连续性。为提升紧凑型地波雷达对海上运动目标的长时跟踪能力,建立检测器与跟踪器之间的信息动态交互机制,提出一种紧凑型地波雷达目标检测跟踪一体化方法。实验结果表明,与先检测后跟踪方法相比,所提方法跟踪得到的平均航迹时长增加了17.52 min。结合工程应用需求,在Matlab R2018b环境下开发了紧凑型地波雷达目标检测跟踪一体化实验平台,为紧凑型地波雷达海上目标探测实验测试提供了平台支撑。

基于改进RSSI测距的WSN机动目标跟踪算法

针对扩展卡尔曼滤波(EKF)在机动目标跟踪中传感器对机动目标进行测距时存在的噪声问题,提出了一种基于改进RSSI测距的WSN机动目标跟踪算法。首先,利用鱼鹰优化算法迭代寻优适合BP神经网络的权值和阈值;其次,将传感器的接收信号强度值作为神经网络的输入值,距离作为输出值对神经网络进行训练;最后,利用扩展卡尔曼滤波算法进行定位跟踪,利用匀速圆周运动模型(CM)进行滤波跟踪。使用EKF算法和RSSI算法与文中算法进行比较,以均方根误差为评价指标。经过仿真实验对比表明,所提算法相较于上述算法均方根误差分别降低了21%和56%。

图书推荐《精密跟踪测量雷达技术》

跟踪测量雷达诞生于20世纪40年代。第二次世界大战期间,美国研制的中等测量精度、采用圆锥扫描技术、用于火炮控制的SCR-584雷达,实现了对空中飞行目标的连续自动跟踪和对火炮射击的控制,其角跟踪测量精度大约是2mrad,距离跟踪测量精度为几十米。即使这种中等精度的跟踪测量雷达也使当时的高炮射击命中率提高近两个数量级。

图书推荐《精密跟踪测量雷达技术》

跟踪测量雷达诞生于20世纪40年代。第二次世界大战期间,美国研制的中等测量精度、采用圆锥扫描技术、用于火炮控制的SCR-584雷达,实现了对空中飞行目标的连续自动跟踪和对火炮射击的控制,其角跟踪测量精度大约是2mrad,距离跟踪测量精度为几十米。

光谱信息扩展的单目标跟踪技术研究进展

基于可见光图像的单目标跟踪方法经过多年发展,取得了卓越的成效。然而,在低照度、杂乱背景、相似目标干扰等场景时,这类方法的目标表征具有明显的限制。与此相比,热红外图像和多光谱图像提供了热辐射和光谱特性,为目标跟踪技术提供了光谱信息的扩展。基于可见光-红外RGB-T(RGB-Thermal)和多光谱图像的单目标跟踪技术已经取得了一定的进展,然而目前仍缺乏一个全面的综述文献。因此,本文对光谱信息扩展的单目标跟踪技术进行了全面的回顾与分析。首先,本文梳理并总结了光谱信息扩展的目标跟踪框架。在此基础上,详细讨论了基于RGB-T图像的目标跟踪改进方法,包括特征融合策略的设计、先验挑战属性的利用和高质量特征的生成。同时,从多光谱跟踪方法的传统模式、谱段选择策略的构建、多光谱特征的高效表达和适用于多种成像设备的模型设计四个方面,全面阐述了基于多光谱图像的目标跟踪方法的改进策略和方法优势。此外,本文汇总了目前RGB-T和多光谱图像的单目标跟踪数据集和评价指标,对比了不同跟踪算法在这些数据集上的性能表现。最后,探讨了光谱信息扩展的单目标跟踪技术的未来发展趋势,强调了构建大规模数据集、发展多光谱数据的预训练模型、充分表达光谱维度信息、理解红外及高光谱图像数据分布和大模型与目标跟踪技术结合作为未来研究的热点和难点,旨在为该领域的研究人员提供参考和启示。

弱目标自动跟踪中的线谱检测

为提高在低信噪比及多目标干扰下的被动弱目标自动检测、跟踪能力,提出一种带有多线谱融合、优选的线谱目标自动跟踪算法。该算法基于线谱检测,对融合多线谱特征的线谱目标进行自动跟踪,确定线谱目标的建立、删除、融合及关联准则,采用针对航迹的多假设跟踪(MHT)算法对多目标进行自动跟踪,具有计算量小,弱目标跟踪能力强的优点。海试数据分析表明,在强目标干扰的情况下,本算法仍可以对具有线谱特征的弱目标进行稳定跟踪。

全局搜索和多实例判别特征的长时跟踪方法

长时目标跟踪相对于短时目标跟踪仍然是一个巨大的挑战.然而现有的长时跟踪算法通常在面对目标频繁出现消失、目标外观发生剧变等挑战中表现不佳.本文提出了一种基于局部搜索模块和全局搜索跟踪模块的全新、鲁棒且实时的长时跟踪框架.局部搜索模块利用TransT短时跟踪器生成一系列候选框,并通过置信度评分确定最佳候选框.针对全局重新检测开发了一个新颖的全局搜索跟踪模块,以Faster R-CNN为基础模型,在RPN阶段与R-CNN阶段引入非局部操作和多级实例特征融合模块,以充分挖掘目标实例级特征.为了改进全局搜索跟踪模块的性能,设计了双模板更新策略来提升跟踪器的鲁棒能力.通过使用不同时间点上更新的模板能够更好地适应目标的变化.根据局部或全局置信度分数判断目标是否存在,并在下一帧中选择局部或全局搜索跟踪策略.同时能够为局部搜索模块估计目标的位置和大小.此外还为全局搜索跟踪器引入了排名损失函数,隐式学习了区域提议与原始查询目标的相似度.通过在多个跟踪数据集上进行大量实验对提出的跟踪框架进行了广泛评估.结果一致表明,本文提出的跟踪框架实现了令人满意的性能.