单模型机动目标跟踪算法仿真

本文针对单模型的机动目标,具体阐述了匀加速模型(CA)的应用实例,通过算法仿真分析出这两个模型在实际应用中的优缺点,并且指出CV模型应用的局限性,以及CA模型在加速度跳变的时刻存在一个收敛的过程,当达到收敛时其在加速阶段的跟踪效果比在匀速阶段跟踪的效果要好这一突出特点,为以后通过改善跟踪门来解决单模型机动目标跟踪性能的方案提供参考依据。

基于改进LK光流的视觉SLAM算法

针对基于点特征的视觉SLAM(同步定位与建图)实时性差的问题,以ORB-SLAM3框架为基础,用自监督深度神经网络替换其点特征提取器,并提出一种基于改进LK光流的关键点跟踪匹配方法。首先,根据匀加速运动模型预测初始关键点在当前帧的对应关系及坐标,并通过基于金字塔的LK光流跟踪算法建立鲁棒的关键点匹配关系;然后,基于网格运动统计(GMS)及自适应局部仿射匹配(AdaLAM)算法剔除误匹配点对。在公开数据集上的实验表明,在不损失匹配精度的前提下,改进算法每帧图像的平均处理时间比ORB-SLAM3减少约58.06%,有效提高了系统的实时性和鲁棒性。

基于波形调度的机动目标跟踪算法

针对机动目标的跟踪问题,提出一种结合自适应匀速(Constant Acceleration,CA)模型和波形调度的平方根容积卡尔曼滤波(Square-Root Cubature Kalman Filter,SCKF)算法.在CA模型的基础上,通过构建Jerk分量与速度、加速度的近似关系,使得状态过程噪声与滤波器输出的状态协方差矩阵相联系,以实现模型的自适应调整.另外,利用分数阶傅里叶变换(Fractional Fourier Transform,FrFT)旋转发射波形的模糊函数,使得量测误差椭圆与滤波算法中的状态预测误差椭圆正交,得到最优的发射波形,以从数据处理和信号处理两方面共同提升系统的跟踪性能.仿真结果表明,相比于基于改进当前统计(current statistical,CS)模型的无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法、基于CS模型的SCKF算法、基于CA模型的SCKF算法和交互式多模型(IMM)SCKF算法,所提算法结构简单且跟踪精度更高.

一种新型杂波环境下突发机动目标跟踪算法

针对杂波环境下突发机动目标跟踪性能下降问题,提出了一种基于自适应匀加速模型的交互式自适应概率数据关联算法。该算法在交互式概率关联算法基础上,采用带渐消因子的自适应匀加速模型(ACA)与匀速模型(CV)相交互,克服了卡尔曼和扩展卡尔曼滤波的三大缺陷,保证了在突发机动下的良好跟踪性能,扩大了机动目标的跟踪范围,实现了杂波环境中对目标较高精度的状态估计。仿真结果验证了该算法相对于采用"当前"统计模型的交互式概率数据关联算法相比更有效。

基于凸组合和Bar-Shalom-Campo的航迹融合算法研究

在"当前"统计模型的基础上建立了匀加速运动模型,设定了目标的运动过程,考虑到实际应用的局限,利用自适应扩展卡尔曼滤波(AEKF)对目标的运动状态进行估计。为得到更加精确可靠的信息,利用凸组合融合算法和Bar-Shalom-Campo融合算法对目标航迹进行融合估计,并利用这三种方法对设定目标的运动情况进行仿真估计,给出仿真结果。

基于修正α-β-γ滤波的多目标跟踪算法研究

在传统α-β-γ滤波算法的基础上,提出一种适用于多目标、非均匀采样时间情况的修正α-β-γ滤波算法。介绍了匀加速(CA)模型和α-β-γ滤波算法,利用相关公式推导出修正后的滤波算法,并进行仿真验证。仿真结果证明了本算法对解决多目标跟踪问题的有效性。

船载微波波高计的船体颠簸校正技术

提出了一种可用于船 (舰 )载的Ku波段微波波高计 ,它是一种非接触式的波高测量设备 ,可架设于船头 ,动态测量海浪波高参数 .为了修正船体颠簸对测量结果的影响 ,在微波探测单元上设置了加速度传感器 ,提出了两种不同的数学模型———加速度匀变模型和简谐振动模型 ,分别计算船体的实时颠簸位移 ,并对理论上可能出现的最大误差进行了分析 .测量结果表明 ,两种模型均能有效地校正船体颠簸的影响 ,实测海浪波高的平均误差小于 8% .

高速平台下动目标高分辨成像方法研究

高速平台对地面强散射移动目标或者海面舰船目标进行合成孔径雷达成像(SAR)时,存在两方面问题:一是传统SAR匀速直线模型已不适应高速平台自身高动态运动特征;二是目标的非合作运动一方面会引起图像散焦,另一方面动目标在地距图中的位置会产生较大偏移。针对这两个问题,首先在匀加速度模型频域相位滤波算法下,推导出了精确的斜地投影关系以及近似的反投影关系,同时给出了基于惯性组合导航(INS)的平台运动补偿方法,最后结合自聚焦技术,完成对舰船目标的聚焦并得到以目标为图像中心的地距图。