基于GIW-PHD的扩展目标联合跟踪与分类算法

在使用估计器对扩展目标进行跟踪时,算法的精度会受到系统演化模型选择的影响.针对该问题,本文提出将扩展目标的形态信息直接作为目标的类别信息,每一类别确定了目标相关的运动模型,在多模型(Multiple Model,MM)高斯逆威沙特概率假设密度(Gaussian Inverse Wishart PHD,GIW-PHD)滤波器的基础上,实现对扩展目标的联合跟踪与分类.仿真实验通过比较所提算法与GIW-PHD、MM-GIW-PHD两种滤波方法的性能,验证了本文所提算法的有效性.

基于改进型GIW算法的TerraSAR-X图像斑点噪声抑制

针对TerraSAR-X图像中的斑点噪声抑制问题,分析了噪声的基本数学模型,并考察了经典处理方法,进而结合Kuan滤波的基本思想,给出了一种改进型梯度倒数加权(GIW)滤波算法,利用邻域像素和中心像素的灰度梯度倒数及其邻域统计信息构造滤波加权模板,然后通过卷积操作实现斑点噪声的抑制。对TerraSAR-X图像处理的结果表明该算法原理简单,实现方便,可有效抑制图像中的斑点噪声,同时具有优良的边缘细节保持能力,非常适合边缘提取、目标检测等后续处理。

基于多传感器信息融合的扩展目标GIW-PHD跟踪算法

针对扩展目标跟踪和形状估计问题,单个传感器探测数据并不够精准,需要多个传感器联合探测。然而,现有扩展目标跟踪算法对多传感器情况未做讨论。因此,文章提出1种基于传感器探测角度的三维扩展目标量测模型和多传感器信息融合算法,并将其应用到GIW-PHD算法中。仿真实验证明了提出的算法运动状态和形状估计能力优于现有算法。

一种改进的高斯逆威沙特概率假设密度扩展目标跟踪算法

假设扩展目标(ET)的扩展和量测数目分别为椭圆和泊松模型,高斯逆威沙特概率假设密度(GIW-PHD)能够估计扩展目标的运动和扩展状态。然而,该滤波器对空间邻近目标的数目、非椭圆目标和受到遮挡目标的扩展估计不够准确。针对这些问题,该文提出一种改进的GIW-PHD。首先,假设目标扩展为一个相同尺寸的参考椭圆,通过设计新的散射矩阵得到改进的随机矩阵(RM)方法。然后,将改进的RM方法与假设量测数目服从多伯努利分布的ET-PHD结合,得到改进的GIW-PHD滤波器。仿真和实验结果表明,与传统GIW-PHD相比,改进的GIW-PHD估计的目标数目和量测数目较多,扩展较大的椭圆和非椭圆目标的扩展更准确。

结合幅度信息的扩展目标随机有限集跟踪方法

基于随机有限集的扩展目标跟踪方法通常根据量测的空间信息进行量测划分,在杂波密集环境下有可能将杂波量测划入目标单元,从而造成跟踪性能的下降。为此,该文将目标和杂波的幅度信息引入高斯逆威沙特概率假设密度(GIW-PHD)滤波器,通过计算量测子集的幅度似然寻找最优的量测划分方法。此外,计算量测单元的中心时,采用幅度加权的方法计算量测单元的质量中心,以取代目前广泛使用的几何中心,从而进一步降低杂波对滤波器的干扰。在信杂比分别为13 dB和6 dB的条件下,通过对Rayleigh杂波中Swerling 1型起伏目标的跟踪结果证明了所提方法相比高斯逆威沙特概率假设密度滤波器具有更优的势估计和状态估计性能。

ON RELATION OF MESO-α INERTIA WAVE DEVELOPMENT TORAINSTORM ENHANCEMENT IN TYPHOON POLLY

Numerical simulation and diagnosis show that the amplified rainstorm from Typhoon Poily is related to the development/migration of meso-α gravity waves, inhomoseneous stratification distribution andcumulus convection latent heating feedback in the storm; such waves at a large scale are excited bylarge-scale nonlinear advection; substantially amplified ageostrophic wind perturbation resulting fromthe latent heating gives rise to intensified wave amplitude, leading to enhanced rising and thus torrentialrainfall; as the waves migrate towards reduced stability, wave energy is most likely to increase.