灰色预测-概率数据关联滤波方法

针对红外弱小目标跟踪精度不高,实时性不好等问题,提出了一种基于灰色预测-概率数据关联滤波(GPPDAF)的弱小目标跟踪方法。该方法采用实时性较好的灰色模型对目标轨迹进行预测,并以预测位置为中心构建跟踪波门,然后通过改进的极大似然概率数据关联(MLPDA)算法计算波门内各量测点的概率权重,最后用各量测点的概率加权和作为跟踪结果。实验结果表明,该方法实时性能较好,较大地改进了红外弱小目标的跟踪精度。

一种基于外辐射源的弱目标检测跟踪算法

针对强杂波条件下弱目标的检测跟踪问题,提出一种基于外辐射源的极大似然概率数据关联检测跟踪算法。该算法建立了多基站外辐射源雷达系统数学模型,并提出基于极大似然概率数据关联的弱目标航迹起始算法。利用遗传算法解决极大似然概率数据关联中的优化求解问题,以提高目标检测跟踪性能。通过滑窗法实现航迹维持。仿真结果表明,所提算法能有效解决强杂波条件下弱目标的检测跟踪问题,并改善检测跟踪性能。

基于QS-ML-PMHT的多目标无源协同定位方法

针对目标个数未知时无源协同定位系统低可观测目标的航迹起始及维持问题,提出一种基于拟蒙特卡罗模拟退火极大似然概率多假设的双基站多目标无源协同定位方法。首先,建立双基站无源协同定位系统数学模型。其次,提出基于极大似然概率多假设的多目标无源协同定位航迹起始算法,通过假设法确定目标个数,并首次利用拟蒙特卡罗模拟退火算法解决极大似然概率多假设中多目标的优化求解问题,以提高多目标检测跟踪性能。最后,通过滑窗法实现航迹维持。仿真结果表明,所提方法能够有效解决目标个数未知时双基站无源协同定位系统低可观测目标的航迹起始及维持问题。

基于SA-ML-PDA的无源协同定位方法

针对无源协同定位系统中低可观测目标的航迹初始及维持问题,提出一种基于模拟退火极大似然概率数据关联的双基站无源协同定位方法。首先,建立双基站无源协同定位系统数学模型。其次,提出基于极大似然概率数据关联的无源协同定位航迹初始算法,并首次利用模拟退火算法解决极大似然概率数据关联中的优化求解问题,以提高目标检测跟踪性能。最后,通过滑窗法实现航迹维持。仿真结果表明,所提方法能够有效解决双基站无源协同定位系统中低可观测目标的航迹初始及维持问题。

用于人脸识别的改进MKD-SRC方法

稀疏表示是近年来图像处理、模式识别及计算机视觉领域中的一个研究热点,广泛应用在图像压缩、图像去噪及修复、目标检测、物体识别等各个方向.在人脸识别的应用背景下,一种基于局部特征的多任务稀疏表示分类方法,即基于多任务多关键点特征描述子(multi-keypoint descriptors,MKD)的稀疏识别(MKD-SRC)方法虽具有良好的旋转、尺度不变性,但计算复杂度较高,且对光照的鲁棒性并不理想.本文就此问题分析了MKD-SRC方法的原理和前提,提出基于线性子空间和极大似然概率的改进方法,并在公开人脸数据库上对方法的性能进行了测试.实验结果表明,改进的MKD-SRC方法在计算效率以及对大块噪声污染和光照不均匀的鲁棒性这两个方面取得了良好的效果.

基于GA-ML-PMHT的多基站无源协同定位方法

针对无源协同定位系统中低可观测目标的航迹初始及维持问题,提出一种基于遗传算法的极大似然概率多假设的多基站无源协同定位方法。首先,建立多基站无源协同定位系统数学模型。其次,提出基于极大似然概率多假设的无源协同定位航迹初始算法,并首次利用遗传算法解决极大似然概率多假设中的优化求解问题,以提高目标检测跟踪性能。最后,通过滑窗法实现航迹维持。仿真结果表明,所提方法能够有效解决多基站无源协同定位系统中低可观测目标的航迹初始及维持问题。

基于PSO的ML-PDA算法及其并行实现

针对密集杂波条件下的目标检测与跟踪问题,开展极大似然-概率数据关联(maximum likelihoodprobabilistic data association,ML-PDA)算法优化与实时计算问题研究。在算法层面,通过在极大化对数似然比(log likelihood ratio,LLR)过程中引入粒子群优化(particle swarm optimization,PSO)方法,并进一步提出基于观测引导的PSO播撒粒子方式,提升算法的计算效率;在实现层面,提出基于图形处理器(graphic processing unit,GPU)的PSO实现策略。仿真实验结果说明了基于观测引导PSO算法搜索的有效性。在GPU平台上实现该算法获得显著的加速比,验证了所提出方法具有工程实时性。