基于红外相机和毫米波雷达融合的烟雾遮挡无人驾驶车辆目标检测与跟踪

战场环境下无人驾驶车辆的感知系统易受烟雾、扬尘等天气的影响,对关键目标的检测与跟踪能力大大下降,造成目标漏检、目标误检、目标丢失等严重后果。针对该问题,开发毫米波雷达和红外相机融合系统,采用目标级融合方式建立简洁有效的融合规则,提炼和组合各传感器的优势信息,最终输出稳定的目标感知结果。对毫米波雷达的目标进行有效性检验和提取,并提出改进的基于密度的含噪声空间聚类应用算法,以减少毫米波雷达噪音干扰。以YOLOv4网络为基础,引入MobileNetv2主干网络,在网络训练过程中运用迁移学习方法,同时对红外数据样本进行扩充,解决了红外图像训练样本少的问题。试验结果表明,相较于仅基于红外相机的算法,融合检测算法在烟雾环境下的精度显著提升,且算法实时性高,实现了烟雾环境下毫米波雷达与红外相机融合的目标检测与跟踪,提高了无人驾驶车辆目标检测与跟踪系统的抗烟雾干扰能力。

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。

针对多目标跟踪的组网雷达检测门限与功率分配联合优化算法

为了提升组网雷达多目标跟踪(MTT)时的射频隐身性能,本文研究了针对MTT的组网雷达检测门限与功率联合优化算法。首先,在采用检测跟踪一体化结构的基础上,分别推导相关波门内的平均检测概率和预测贝叶斯克拉美罗下界作为衡量目标检测性能和MTT性能的指标。其次,以有限的辐射资源和满足一定的目标检测和MTT性能为约束条件,以最小化组网雷达的总功率资源消耗为目标,建立组网雷达检测门限与功率联合优化模型,联合优化雷达节点选择方式、各雷达的检测门限和辐射功率。在此基础上,结合改进的概率数据互联算法和序贯二次规划算法求解上述问题。仿真结果表明,所提算法在满足目标检测和跟踪性能需求时有效降低组网雷达功率资源消耗,提升射频隐身性能。

基于路侧激光雷达的多目标检测与跟踪算法

为了检测与跟踪城市交叉口复杂环境下的道路目标,提出一种基于路侧激光雷达的多目标检测与跟踪算法。首先利用背景减除法滤除背景点云,随后融合5帧点云并利用曲率体素聚类算法检测目标得到3 D包围盒信息,之后通过自适应阈值的双门控和生存周期管理策略,有效提升关联精度并减少了目标丢失和误检,最后利用交互式多模型无迹卡尔曼滤波(IMM-UKF)和联合概率数据互联(JPDA)的融合算法完成道路目标的跟踪。试验结果表明,该算法在保证检测和跟踪性能基础上满足实时性要求,具有工程实用价值。

融合4D毫米波雷达与深度视觉的目标检测与跟踪

为解决现有毫米波雷达和传统机器视觉融合方案在复杂环境下车辆检测准确率较低的问题,首先,使用4D毫米波雷达替代传统毫米波雷达,使用自适应卡尔曼滤波算法滤除雷达杂波并跟踪目标;其次,使用车辆数据集训练改进深度视觉网络MobileNetV2+SSDLite来提高视觉识别车辆的准确率;最后,采用决策融合方案完成毫米波雷达信号和视觉信号融合。通过对比不同环境下的实验结果表明,改进方案可以完成对目标车辆的有效估计与跟踪,在不同环境下都有着很好的车辆识别效果,以及更好的可靠性和鲁棒性。

特征与度量联合优化信息几何检测器

目前,信息几何检测器主要采用协方差矩阵特征模型,在矩阵流形上度量待检测单元数据与杂波数据间的差异,以区分目标与杂波,从而实现雷达目标检测.然而,在复杂杂波背景下,雷达回波信号信杂比低,杂波在其中占据主导地位.因此,含有目标回波的雷达回波信号与纯杂波具有统计相似性,该相似性使得二者在矩阵流形上较难区分,从而限制了信息几何检测器的性能优势.为突破特征表示所造成的性能增益限制,本文提出了基于特征与度量联合优化的信息几何检测器.首先设计了特征与度量可调的信息几何检测器灵活框架,并在此基础上基于纽曼-皮尔逊准则建立了特征与度量的联合优化模型,而后利用局部平坦假设与多层感知器,将联合优化模型中的决策变量参数化,并提出了双阶段优化求解方法.基于仿真数据与实测海杂波数据的实验结果表明,该方法检测性能优于现有信息几何检测器等典型目标检测方法,且在目标多普勒接近杂波谱峰时具有较大优势.

考虑综合性能最优的非短视快速天基雷达多目标跟踪资源调度算法

合理有效的资源调度是天基雷达效能得以充分发挥的关键。针对天基雷达多目标跟踪资源调度问题,建立了综合考虑目标威胁度、跟踪精度与低截获概率(LPI)的代价函数;考虑目标的不确定、天基平台约束以及长远期期望代价,建立了多约束下的基于部分可观测的马尔可夫决策过程(POMDP)的资源调度模型;采用拉格朗日松弛法将多约束下的多目标跟踪资源调度问题转换分解为多个无约束的子问题;针对连续状态空间、连续动作空间及连续观测空间引起的维数灾难问题,采用基于蒙特卡罗树搜索(MCTS)的在线POMDP算法—POMCPOW算法进行求解,最终提出了一种综合多指标性能的非短视快速天基雷达多目标跟踪资源调度算法。仿真表明,与已有调度算法相比,所提算法资源分配更合理,系统性能更优。

基于自适应KF的船载地波雷达目标跟踪方法

针对使用传统的卡尔曼滤波器进行多目标跟踪易发生状态估计不准确、航迹断裂的问题,提出了一种转换量测卡尔曼滤波增益自适应调整方法。结合船只目标的运动特性和历史船只航迹数据,采用线性最小二乘拟合提取出航迹参数的变化趋势。使用似然函数分别计算目标预测状态和量测状态与航迹的隶属度。利用预测状态和量测状态的隶属度值对滤波方式进行选择。利用仿真及实测船载地波雷达数据开展了目标跟踪实验,结果表明,使用该文方法能够得到平滑、持续的航迹输出,目标的跟踪距离远、跟踪精度高,优于现有的自适应滤波方法。

天基分布式雷达海面目标跟踪应用总体技术研究

天基雷达在广域目标监视方面具有独特优势,利用天基雷达实现广域海面目标跟踪具有重大现实意义和特殊难度。针对天基分布式雷达体制,在分析其用于海面多目标跟踪场景所存在的区域非均衡覆盖、低/超低回访周期、实时处理等特殊问题影响基础上,提出了星间接力跟踪处理方式和栅格化跟踪处理框架,并给出了相应的多目标跟踪性能评估指标体系。仿真评估结果表明了所提栅格化跟踪处理框架相对常规全域处理框架的优越性以及评估指标的合理性。

基于IMM-JPDA-ISTUKF的车载毫米波雷达多目标跟踪算法

为提高车载毫米波雷达多目标跟踪精度指标,提升道路车辆行驶安全性,文中在交互多模型无迹卡尔曼滤波(IMM-UKF)和联合概率数据关联(JPDA)融合的算法基础上,针对车辆运动状态突变处UKF鲁棒性差、滤波精度低的问题,提出了一种基于改进强跟踪UKF(ISTUKF)的IMM-JPDA-ISTUKF算法。通过模拟道路场景搭建的仿真环境对算法性能进行了验证,且为证明该算法在实际道路工况下跟踪精度的提升,还进行了雷达道路测试,通过雷达在道路上获取的车辆数据进一步验证了该算法的有效性。结果表明,该算法在目标车辆运动状态发生变化时的距离跟踪精度和速度跟踪精度方面均得到了提高。

基于检测-跟踪联动的紧凑型高频地波雷达弱目标自适应检测方法

紧凑型地波雷达发射功率低、回波信噪比低,目标检测难度大,在目标跟踪时由于目标漏检经常出现航迹断裂。为了提升其目标检测性能,提出了一种基于检测-跟踪联动的弱目标自适应检测方法。当跟踪器检测到目标航迹无法关联到新点迹时,将当前目标预测状态反馈至检测器;检测器在距离-多普勒谱上建立局部检测波门,采用二元假设检验法感知波门内的检测背景,根据不同的检测背景选取适用的检测门限调整方法,降低恒虚警检测的门限,判定是否有弱目标被检出。若能够检出目标,对其进行测向后将新点迹发送至跟踪器进行处理。利用实测数据开展了目标检测与跟踪实验,结果表明:与先检测后跟踪方法相比,该方法得到的目标航迹时长增加了29.76%,平均延长了19.25 min。

激光雷达融合机器视觉的物流分拣多目标视频跟踪

为了实现物流分拣多目标精准跟踪,提出一种激光雷达融合机器视觉的物流分拣多目标视频跟踪方法。通过激光雷达采集检测环境内的点云数据,并对其滤波处理。将机器视觉采集的物流分拣视频去噪,采用Sobel边缘检测算子检测去噪后的图像边缘,引入分裂合并算法对去噪图像展开多区域分割处理,获取比较明显的多目标视频区域。利用透视变换原理对图像数据融合处理,实时确定目标位置,实现物流分拣多目标视频跟踪。经过实验测试证明,所提方法的物流分拣多目标视频跟踪结果准确率超过95%,且延误时间控制在13 ms以内。

一种高分辨雷达空间目标跟踪方法研究

高分辨雷达在跟踪远程空间目标时,其量测坐标转换会引起一类特殊的强非线性问题。对其产生机理进行了分析。经典的非线性滤波技术的跟踪精度会急剧下降。因此,提出一种基于中间过渡状态的Kalman滤波器,在直角坐标系下进行目标状态预测,避免了球坐标系下目标运动的复杂建模;预测后,通过选取量测空间内目标位置和速度量及其协方差作为中间过渡状态,在测量坐标系下进行目标状态线性更新;更新后,再将中间状态映射到直角坐标系下,从而得到目标状态的一致性估计。仿真实验结果表明,基于中间过渡状态的Kalman滤波器可有效提高高分辨雷达对空间目标的跟踪精度。

面向大规模目标跟踪的相控阵雷达资源分配方法

相比于传统雷达,相控阵雷达能够同时生成多个波束并灵活改变波束指向,被广泛应用于多目标跟踪领域。在大规模集群目标协同探测场景中,为支持后续节点对敌方目标进行火力拦截与打击的任务需求,相控阵雷达需要在规定时间内将空域内优先级更高的目标更快地跟踪至火控精度,然而若空域内目标数量过多,雷达探测资源有限,难以完成指定跟踪任务。为了解决这一问题,本文提出了一种面向大规模目标跟踪的相控阵雷达目标分配与功率联合优化算法。首先,推导出包含目标分配和功率优化的预测条件克拉美罗下界,并将其作为目标跟踪性能的衡量指标;随后,本文同时考虑跟踪容量和跟踪精度,以最大化满足跟踪精度的目标数量和最小化多目标优先级加权平均跟踪误差为优化目标,结合相控阵雷达系统资源,建立了大规模目标跟踪下的目标分配和功率联合优化模型,对目标分配变量和发射功率变量进行自适应联合优化配置。针对上述优化问题,本文采用两步分解法,将其分解为目标分配子问题和功率优化子问题,并结合激活函数对非平滑非凸的目标函数进行平滑近似。然后,利用谱投影梯度法进行求解。仿真实验验证了所提算法相较于传统算法在多个场景下均能在指定时间内更快速地将更多目标跟踪至指定精度。

基于改进ATPM-IMM算法的外辐射源雷达机动目标跟踪

针对外辐射源雷达进行机动目标跟踪时,现有的自适应交互式多模型(AIMM)算法难以达到高精确度跟踪的问题,提出一种基于改进的自适应转移概率交互式多模型(ATPM-IMM)的机动目标跟踪算法。该算法在ATPM-IMM算法的基础上增加了自适应控制窗,对转移概率矩阵进行再次修正,从而可根据目标的机动情况自适应切换机动模型,提高真实模型的匹配概率。仿真和实测数据结果表明,所提算法可有效提高外辐射源雷达进行机动目标跟踪的精确度。

复杂干扰杂波环境下三维目标检测前跟踪算法

针对因随机假目标干扰、强杂波存在的复杂环境中三维目标检测问题,提出一种基于平行线坐标变换的多层次检测前跟踪算法。雷达量测点被先后置于规格化后的径向距离-时间平面、方位角-时间平面和俯仰角-时间平面分层次进行非相参积累和点迹筛选,每次筛选只对上一层的筛选结果进行处理,再根据先验信息进行航迹约束和航迹融合,得到最终检测结果。通过仿真对算法进行性能验证和分析,结果显示,该算法在不同信干杂比、量测误差和杂波密度下均能有效滤除虚假量测点,实现真实航迹的检测。

一种双重积累自反馈优化的三维多目标检测前跟踪算法

针对3维微弱多目标检测问题,该文提出一种双重积累自反馈优化的3级平行线坐标变换(PT)检测前跟踪(TBD)算法。通过将平行线坐标变换引入至TBD技术,依次在规格化的径向距离-时间、方位角-时间和俯仰角-时间平面对量测点进行投影变换和双重非相参积累,同时利用功率累积结果反馈优化二值积累,有效缓解强目标淹没弱目标和编队目标串扰问题。仿真结果表明,当整体信杂比达到10 dB时,所提算法的全局检测概率接近80%,证明了该算法的有效性。

鲁棒自适应的机载外辐射源雷达多目标跟踪算法

针对未知杂波环境下机载外辐射源雷达的多目标跟踪问题,提出一种鲁棒自适应的标签多伯努利滤波器。首先基于标签多伯努利滤波器算法框架对多目标跟踪问题进行建模,然后针对目标新生参数、杂波参数以及目标检测概率未知的问题,提出采用量测驱动的目标新生模型和基于势均衡多目标多伯努利估计器的在线参数估计方法,最后考虑到机载外辐射源雷达量测的非线性,采用序贯蒙特卡罗方法对所提算法进行实现。实验结果表明,所提滤波器能够利用外辐射源量测准确估计多目标航迹,且在未知杂波环境下的性能可以逼近杂波参数已知的广义标签多伯努利滤波器,鲁棒性更好。

船舶导航雷达临近空间低动态目标跟踪方法

为了保障海域船舶航行安全,提出船舶导航雷达临近空间低动态目标跟踪方法。利用船舶导航雷达探测临近空间低动态目标,获取量测点迹数据,分析低动态飞行器运动对其量测值的影响,根据最小二乘滤波原理,设计基于衰减记忆的最小二乘滤波器,将量测点迹数据转换到雷达直角坐标系上,根据衰减记忆选择量测点迹数据,将其作为基于衰减记忆的最小二乘滤波器的输入数据,确定低动态目标跟踪轨迹坐标,再将其转换到雷达极坐标系上,实现临近空间低动态目标跟踪。实验结果表明,该方法可实现匀速、匀加速运动下临近空间低动态目标跟踪,跟踪轨迹与实际航迹基本重合,其在X、Y、Z方向上的距离均方根误差远低于量测数据均方根误差。

基于GPDA-IMM和时间管理的相控阵雷达多目标跟踪算法

多功能相控阵雷达具有灵活性强、跟踪能力强的优势。为了提高相控阵雷达目标跟踪器精确度,进行相控阵雷达能量调节和任务执行的科学管理,通过合理调整机动目标和非机动目标的回访率,进而实现搜索、跟踪时间资源管理。设计了广义概率数据关联-交互式多模型(Generalized Probability Data Association-Interacting Multiple Model, GPDA-IMM)算法,GPDA运算量小,IMM综合了无迹和容积卡尔曼滤波和粒子滤波多模型滤波的特点,且优化权重因子,达到了较好跟踪性能。最后,通过仿真平台模拟8个运动目标的现实场景,结合时间管理和目标跟踪调整回访率,进行大量的仿真实验,证明了算法对不同目标类型和机动状态的有效性和实用性。