多普勒雷达下的机动多目标跟踪算法

针对多普勒雷达在跟踪机动多目标过程中由于多普勒盲区(DBZ)造成量测丢失、对跟踪器性能产生严重影响这一问题,提出将最小可检测速度(MDV)带入到交互多模型广义标签多伯努利(IMM-GLMB)滤波器中,利用MDV信息抑制DBZ对跟踪器的影响。首先,通过采用基于马尔科夫分支合并策略的交互多模型(IMM)算法,解决单一运动模型的情况下无法跟踪机动目标的问题;其次,将并入MDV信息的检测概率模型带入IMM-GLMB滤波器的更新方程中,并给出了详细实现过程,利用MDV和多普勒信息来改善跟踪器性能;最后,面对目前算法需要固定航迹起始位置才可以进行跟踪的问题,提出了一种适用于广义标签多伯努利(GLMB)滤波器的自适应航迹起始算法。仿真结果表明,所提出的滤波算法在不同宽度的DBZ下都具有更好的性能表现,尤其在DBZ较小时,对滤波器的性能基本没有影响,并且所提算法在单步运行时间上有34%的提升。

基于云模型的基本概率赋值生成方法及应用

针对证据理论应用中基本概率赋值(BPA)生成模型难以确定问题,该文提出一种基于云模型的BPA生成方法。首先基于样本属性的正态云模型构建单子集命题的BPA模型函数,并将复合子集的模型函数表示为高斯函数乘积融合。其次提出一种根据测试样本动态度量属性权重的方法来兼顾信息源的可靠性。最后,用属性权重修正模型函数输出的结果得到BPA。鸢尾花等数据集分类识别实验表明,该方法识别准确性高,且适用于样本较少的情况。

基于通道可靠性和异常抑制的目标跟踪算法

针对时空正则目标跟踪算法无法有效利用特征,为了缓解边界效应扩大搜索区域导致的滤波器倾向于从背景中学习的问题,提出基于通道可靠性和异常抑制的目标跟踪算法.构造通道正则项,在训练阶段求解不同特征通道对应的权重,实现对不同特征通道的加权,降低通道冗余并提高定位精度.在目标函数中加入异常抑制正则项,约束当前帧的响应图,实现滤波器模型的平滑约束.利用交替方向乘子法将求解目标问题转化为求滤波器、辅助因子以及通道权重的最优解.将所提算法在OTB2015、TempleColor128以及UAV20L公开数据集测试并与其他跟踪算法进行对比.实验结果表明,所提算法在快速运动、光照变化场景中的跟踪效果稳定,基本满足实时性要求.

基于周期截断数据矩阵奇异值分解的干扰抑制技术

针对现有适用于单天线接收机的干扰抑制技术难以为周期调频(PFM)干扰和卫星导航信号提供足够分离度,导致消除干扰成分时卫星导航信号损伤较大的问题,该文提出一种基于周期截断数据矩阵奇异值分解的干扰抑制方法。利用调频干扰信号的周期性把分散在较大带宽的能量集中到重排数据中几个甚至单个频点;进而采用奇异值分解(SVD)将干扰与期望信号映射进不同的投影子空间以消除干扰成分。仿真结果表明该方法可以降低在剔除干扰时卫星导航信号损失,提升卫星导航接收机对抗宽带周期调频干扰的能力。

联合调频率拐点与FrFT的多分量LFM干扰抑制方法

针对单天线卫星导航接收机在抑制多分量线性调频(LFM)干扰过程中信噪比损失较大的问题,提出了一种联合调频率拐点信息与分数阶傅里叶变换(FrFT)的多分量LFM干扰抑制方法。首先,分析LFM干扰信号时域差分数据的模值在单周期内的单调性和周期起止点的非连续性;然后,采用奇异值分解(SVD)对差分结果进行重构以估计干扰调频率拐点区间;进而,选取干扰单个周期中心区域进行FrFT最优阶数搜索与噪声能量估计;最后,在分数阶傅里叶域剔除干扰成分并在时域去除残余干扰。实验结果表明:所提方法能够在干噪比大于10 dB时提升输出信干噪比与捕获效果。