基于多模粒子滤波的机动弱目标检测前跟踪

检测前跟踪技术是低信噪比环境下目标检测与跟踪的有效方法。该文针对目标作复杂运动的情况,提出了机动弱目标检测前跟踪的多模粒子滤波算法。该算法在目标状态矢量中增加了表示目标存在与否以及目标运动模型的变量,采用粒子滤波实现了包含两个离散变量的混合滤波过程。仿真试验表明,该算法在经典跟踪方法难以发挥作用的低信噪比条件下,能够有效实现机动目标的检测与跟踪。

基于粒子滤波的弱目标检测前跟踪算法

针对低信噪比条件下弱目标的实时检测与跟踪,提出了一种基于粒子滤波,结合序贯概率比检验和固定样本长度似然比检验的递归检测前跟踪算法。粒子滤波用以解决跟踪中的非线性和非高斯问题;序贯概率比检验通过序贯累积多帧观测数据来提高信噪比,以最小时延检测到目标存在;固定样本长度似然比检验,通过选择合理的样本长度,保证持续检测到目标,且无延迟检测目标消失。仿真试验表明,该算法有着良好的检测与跟踪性能。

融合跟踪系统性能的综合评估

首先通过分析融合跟踪系统的性能评估需求,并结合已有性能评估指标,制定出一组相对完备的评估指标。使用时间加权平均的方法,详细描述了各指标的定义及其计算方法;其次,基于该组指标提出了系统性能的模糊综合评价方法,说明了该评价方法的原理及其在融合跟踪系统性能评估中的具体实现。对融合跟踪系统的测试实验表明,指标体系设置合理,评估方法可操作性强。

一种改进的分布式弱目标检测前跟踪算法

针对融合粒子权重的计算实现和传感器局部粒子间融合对应关系的确定问题,本文提出了一种改进的基于粒子滤波的分布式检测前跟踪(PF-DTBD)算法。算法重新推导了融合粒子权重的计算公式,得到一个近似计算式,保证计算结果正确的同时简化了计算;设计了一种基于Gibbs采样的参数估计算法解决了多传感器局部粒子间融合对应关系的确定;依据融合粒子权重与传感器局部粒子权重间的关系引入了结合序贯概率比检验和固定样本长度似然比检验的弱目标检测算法,明确实现了弱目标的检测。与单传感器处理的仿真试验对比,验证了本文算法的有效性,降低了弱目标检测时延,提高了状态估计精度。

检测前跟踪应用中的传感器观测数据仿真研究

检测前跟踪是低信噪比环境下目标检测与跟踪的有效方法,应用时通常基于未作门限处理的传感器原始观测数据,而非经典跟踪中的点迹。鉴于当前还没有系统的用于检测前跟踪的传感器仿真建模研究工作,针对实际应用中常见的雷达、声纳和红外三类传感器,建立检测前跟踪处理模型,并仿真产生了各类传感器在单、多目标场景下的原始观测数据。仿真试验表明,传感器模型仿真逼真度较高,为其它种类传感器的观测数据仿真提供了参考,也为检测前跟踪算法的研究提供了便利。

剧情产生系统中的传感器仿真

传感器仿真是剧情产生系统的重要组成部分。分析了剧情产生系统中传感器的一般结构,建立了传感器的基础模型。并以地基边扫描边跟踪雷达为例,详细探讨了传感器模型的设计思路和方法。

粒子滤波连续帧图像中弱目标检测前跟踪的机理研究

基于粒子滤波的检测前跟踪算法是当前连续帧图像中弱目标检测与跟踪的研究热点。鉴于已有研究成果中缺少针对粒子滤波检测前跟踪的机理研究,在Bayes推理框架内,分析了检测前跟踪基于累积观测似然比检测弱目标的原理。在理论上推导了Bayes检测前跟踪递归累积观测数据来实现弱目标检测与跟踪的过程,分析验证了采用粒子滤波过程中未归一化粒子权重实现该过程的机理,并基于该机理实现了一种粒子滤波检测前跟踪算法。仿真试验验证了理论分析的正确性和文中粒子滤波检测前跟踪算法的有效性。

算法级数据融合测试床的关键设计与实现

针对一级多传感器数据融合,开发了一个算法级测试床STE-One,支持对包括带反馈在内的各种数据融合结构进行测试和评估。简单介绍了STE-One测试床的体系结构,详细描述了它实现算法级测试和置换能力的一些关键方法,包括分层设计模型、算法排序与数据池技术等。