基于高斯混合概率假设滤波的水下目标跟踪算法

为了解决传统水下目标跟踪中目标数目估计不准确、状态估计误差增长过快的问题,提出了一种基于高斯混合概率假设滤波的水下目标跟踪算法。该算法基于双基地观测模型,采用高斯混合概率假设滤波算法处理方位和时延信息,利用粒子群算法处理多普勒频率获得矢量速度,进一步提升算法的跟踪精度。结果表明,该算法能完成在杂波环境下对目标的跟踪,相比传统的关联算法,能够有效地实现目标个数估计和抑制状态误差增长的目的。     

鲸群优化的粒子滤波算法研究

针对标准的粒子滤波存在粒子贫化问题,提出了一种鲸群优化的粒子滤波算法。用粒子表征鲸鱼个体, 模拟鲸鱼群体搜寻猎物的过程,引导粒子向高似然区域移动。将粒子滤波中粒子的状态值作为鲸鱼群的个体位置,将粒子的状态估计转化为对鲸鱼群的寻优;通过鲸群的螺旋运动方式优化粒子的重要性采样过程,使粒子分布更加合理,对鲸群算法中的全局最优值引入最优邻域随机扰动策略,并在鲸鱼位置更新过程中加入自适应权重因子;选用一种典型的单静态非增长模型进行仿真测试。测试结果表明:提出的方法与传统的粒子滤波以及引力场优化的粒子滤波相比,在保证相同粒子数的前提下,算法的均方误差分别降低了28%和9%,证明了鲸群优化的粒子滤波算法具有更高的估计精度,并且在粒子数较少的情况下,可实现更准确的状态估计。     

粒子区别性稀疏表征的小弱运动目标跟踪算法

评估每个粒子的重要性是确保粒子滤波法跟踪目标准确性的重要因素。针对背景杂波和噪声干扰形成的大量虚警导致小弱目标跟踪识别的随机性和不确定性问题, 提出了一种基于粒子区别性稀疏表征的小弱目标跟踪方法。该方法根据红外图像信号自适应构建分类超完备字典, 即反映目标信号特征的目标字典和表示背景杂波的背景字典, 有利于突出目标粒子和背景粒子在联合分类字典的稀疏表征差异程度;建立基于目标粒子和背景粒子稀疏重构残差差异性的粒子滤波观测模型, 采用随机估计法对字典子空间进行在线更新, 实现对目标状态估计与跟踪。理论分析和试验结果表明, 该方法增强了随机粒子的状态估计能力, 提升了粒子稀疏表征对小弱运动目标的适应能力和跟踪识别准确度。     

水下多目标方位的联合检测与跟踪

针对水下多目标方位跟踪及航迹关联问题,提出了一种粒子滤波的联合检测与跟踪方法.该方法在状态滤波过程中不需要方位观测值的输入,直接根据波束能量评估粒子的似然函数;利用交叉和变异算子进化小权值样本,通过低差异性序列的重采样提高子代粒子多样性。实现了多目标的跟踪并避免了方位观测量与多目标航迹关联的问题。仿真结果表明,在航迹断续和航迹交叉的情况下,该方法能够连续准确地跟踪目标方位。利用水下无人平台舷侧线阵的试验数据对算法性能进行了验证,正横方向的跟踪误差在3°以内;在目标运动模型失配时仍可以收敛到正确的方位航迹,没有出现错跟与失跟现象,可提高对交叉、汇聚及分离的多目标方位航迹的连续检测与跟踪能力.      

基于不敏粒子滤波的水中非合作磁性目标实时磁定位方法

针对水中非合作磁性目标的实时定位问题, 提出了一种基于不敏粒子滤波(unscented particle filter, UPF)的实时磁定位方法. 从非合作磁性目标的运动特征出发, 建立了状态空间模型, 利用UPF算法对目标状态进行实时估计. 为了提高系统的可观测性, 在算法迭代过程中对粒子状态进行约束及利用最小二乘法反演磁矩. 仿真与铁磁物体定位实验结果表明, 该方法的定位精度较高, 实时定位效果较好, 可用于近场实时磁定位问题中. 关键词： 磁定位 椭球体模型 状态空间模型 不敏粒子滤波     

基于自适应粒子滤波的红外目标跟踪

为有效解决非线性环境中的红外目标跟踪问题,提出一种自适应粒子滤波目标跟踪算法.建立了目标加权概率模型.在滤波过程中,提出双过程粒子重抽样方法,形成对抽样粒子集的自适应调节,有效地解决了粒子退化问题.用实际红外图像序列做了实验.结果表明,在非线性环境下用该方法得到的红外目标跟踪结果优于用传统粒子滤波和扩展卡尔曼滤波算法获得的结果.     

基于动态特征融合的粒子滤波目标跟踪算法

提出一种基于动态特征融合的粒子滤波目标跟踪算法。选择具有互补性的灰度直方图和梯度直方图特征共同描述目标模型,然后在目标跟踪过程中,根据特征对目标和背景的区分程度动态地调整每个特征的置信度,对目标模型进行在线动态建模和更新,从而提高目标模型描述的准确度,并进一步提高粒子滤波算法的跟踪精度。实验结果表明:在对典型场景下的目标跟踪过程中,提出的算法比单独使用一种特征的粒子滤波算法具有更高的跟踪精度和更稳定可靠的跟踪性能。     

区间衍生粒子滤波器

针对非线性、非高斯环境下具有不确定动态模型参数的系统状态估计问题,提出了一种新颖的区间衍生粒子滤波算法.该算法利用区间滤波生成的重要性密度函数,在系统状态转移概率密度的基础上,融入最新的系统观测数据,从而提高了对系统状态后验概率的逼近程度.为了进一步提高算法的实时性,提出一种类似光子衍射的粒子衍生过程,进而缓解了滤波精度与运算量之间的矛盾.通过陀螺/星敏感器组合定姿问题验证了该算法的有效性和鲁棒性.     

基于蝙蝠算法的粒子滤波法研究

标准粒子滤波容易出现粒子贫化问题,滤波精度不稳定,并且需要大量粒子才能对非线性系统进行准确估计,降低了算法的综合性能.针对该问题,本文提出了一种基于蝙蝠算法的新型粒子滤波算法.该算法用粒子表征蝙蝠个体,模拟蝙蝠群体搜索猎物的过程,粒子群体通过调整频率、响度、脉冲发射率,追随当前最优粒子在解空间中进行搜索,并可以动态控制全局搜索及局部搜索的相互转换,进而提髙粒子整体的质量和分布的合理性;此外,改进算法引入Levy飞行策略,从而避免局部极值的不良吸引.实验表明新型粒子滤波方法提高了粒子多样性和滤波预测精度,同时大大降低了对非线性系统进行状态预测所需的粒子数量.     

基于辅助粒子滤波算法的红外目标跟踪

针对红外目标在跟踪中计算复杂的问题,构建辅助粒子滤波算法。利用贝叶斯重要性采样算法,在权值大的粒子基础上引入辅助粒子变量,然后重新定义重要采样分布函数,防止重采样后粒子概率密度变化。两次加权计算,使粒子权值比仅用重采样的粒子权值变化更稳定,采样点最接近真实状态;同时不同权值粒子的概率阈值可作为粒子滤波是否完成的判断准则。在二维平面构造红外运动目标模型中,系统为零均值高斯白噪声。仿真数据表明:该算法在x,y方向的均方误差、画面处理时间、RM SE性能上优于粒子滤波算法和重采样粒子滤波算法。     

Dim moving target tracking algorithm based on particle discriminative sparse representation

The small dim moving target usually submerged in strong noise, and its motion observability is debased by numerous false alarms for low signal-to-noise ratio (SNR). A target tracking algorithm based on particle filter and discriminative sparse representation is proposed in this paper to cope with the uncertainty of dim moving target tracking. The weight of every particle is the crucial factor to ensuring the accuracy of dim target tracking for particle filter (PF) that can achieve excellent performance even under the situation of non-linear and non-Gaussian motion. In discriminative over-complete dictionary constructed according to image sequence, the target dictionary describes target signal and the background dictionary embeds background clutter. The difference between target particle and background particle is enhanced to a great extent, and the weight of every particle is then measured by means of the residual after reconstruction using the prescribed number of target atoms and their corresponding coefficients. The movement state of dim moving target is then estimated and finally tracked by these weighted particles. Meanwhile, the subspace of over-complete dictionary is updated online by the stochastic estimation algorithm. Some experiments are induced and the experimental results show the proposed algorithm could improve the performance of moving target tracking by enhancing the consistency between the posteriori probability distribution and the moving target state.     

水平线列阵方位—相速度联合的卡尔曼滤波方法*

传统的水下被动测向方法通过波束形成估计目标角度,水平线列阵波束形成中的参考声速应使用声传播的相速度,在被动测向中,由于声源距离未知,因此在对目标角度估计时选取的参考声速与接收阵处的相速度往往存在偏差,从而影响测向精度。本文提出了一种水平线列阵方位-相速度联合的纯方位扩展卡尔曼滤波方法,该方法引入相速度作为估计状态量以此校准参考声速,提高测向精度,进而改善了由于测向误差较大引起的纯方位扩展卡尔曼滤波算法跟踪结果发散的问题。浅海传播条件下的数值仿真结果表明,改进方法较常规纯方位扩展卡尔曼滤波算法具有更高的跟踪精度及稳健的跟踪性能。     

基于概率假设密度滤波平滑器的检测前跟踪算法

基于概率假设密度滤波(PHD)的检测前跟踪(TBD)技术可以有效解决未知弱小多目标检测问题。PHD-TBD算法粒子权重计算受量测噪声影响明显,导致目标数估计存在起伏现象,制约了PHD-TBD算法性能。对PHD-TBD技术进行研究,引进概率假设密度滤波平滑器,提出基于平滑的PHD-TBD算法。该算法对当前帧目标数估计时,综合利用前向递推和后向平滑结果对粒子权重进行更新,在一定程度上克服了随机量测噪声的影响。通过仿真验证,该算法能够有效发现目标,准确估计目标数目和位置,性能有较大提高。     

基于Huber的高阶容积卡尔曼跟踪算法

为改善高阶容积卡尔曼滤波算法的滤波精度和鲁棒性, 提出了一种新的基于Huber的高阶容积卡尔曼滤波算法. 在采用统计线性回归模型近似非线性量测模型的基础上, 利用Huber M 估计算法实现状态的量测更新. 进一步结合高阶球面-径向容积准则的状态预测模块构成基于 Huber的高阶容积卡尔曼跟踪算法. 重点分析了Huber代价函数的调节因子对算法跟踪性能的影响. 通过对纯方位目标跟踪和再入飞行器跟踪两个实例验证了所提算法的跟踪性能优于传统高阶容积卡尔曼滤波算法.     

对数似然图像分割的快速主动轮廓跟踪算法

针对跟踪目标尺度变化问题,提出了基于灰度对数似然图像分割的快速主动轮廓跟踪算法。改进的主动轮廓跟踪算法将根据以目标与背景的颜色差异而建立的对数似然图对图像进行阈值分割和数学形态学处理,再将Kalman滤波器结合到主动轮廓跟踪算法进行目标跟踪。改进的主动轮廓跟踪算法对目标分割准确,轮廓特征显著,跟踪效果稳定,算法能很好地适应跟踪目标尺度变化。通过Kalman滤波器对目标位置点的预测减少了主动轮廓跟踪算法收敛的迭代次数,使算法的运算效率提高了33%左右。     

基于多速率交互式多模型的快速光电跟踪算法

针对交互式多模型粒子滤波算法运算量大的问题,提出了一种基于多速率跟踪思想的交互式多模型算法.该算法根据各模型假定的机动性,采用不同的数据更新速率,实现了模式空间和测量空间的混合滤波.同时,多模型综合选配了不同的滤波算法,其中,弱机动模型匹配卡尔曼滤波器,强机动模型匹配粒子滤波器.仿真结果表明,与传统的交互式多模型粒子滤波算法相比,本文算法在保证滤波精度的基础上,具有较低的计算复杂度,降低了约38.9%,能够有效地改善光电目标跟踪系统的可靠性和实时性.     

High resolution time-delay estimation of underwater target geometric scattering

The geometric scatterings carry the information of the shape of an underwater target. While the time-delay of the weak geometric scattering exists in the received signal cannot be obtained accurately by the conventional time-delay estimation methods because of the limit of the main-lobe width and the interferences from the side-lobe. In this paper, we propose a high resolution time-delay estimation (HRTDE) scheme consisting of two steps. Firstly, when a linear-frequency-modulated (LFM) pulse is transmitted by sonar, the dechirping method transforms the geometric scatterings with different time-delays into multiple single-frequency components respectively, in which the frequency of the dechirped signal shows a linear relationship with the time-delay of the geometric scattering. Then the multiple signal classification (MUSIC) algorithm is adopted to increase the spectrum resolution when multiple single-frequency signals exist in the dechirped signal and the frequency interval is smaller than the frequency resolution limit of the Fourier transform. Simulation results show that the main lobe of the proposed scheme is sharper and with less interference from the side-lobe, compared with the conventional time-delay estimation methods. The results from the anechoic pool experiment demonstrate that the proposed scheme achieves a better time-delay estimation performance for the weak geometric scattering generated by the bottom edge of the underwater target model than match filter based methods.     

基于组合线阵的近程运动小目标被动定位跟踪

针对水下运动小目标被动探测与定位问题,提出了分段组合子阵联合处理探测方法,各探测子阵采用相互垂直结构布局,克服了单阵方位模糊及无法定位等问题。研究了分段组合子阵的宽带最小方差无畸变失真响应近场聚焦目标定位方法,实现了近程蛙人等水下小目标被动高精度定位。在此基础上,采用卡尔曼滤波算法对目标运动轨迹进行预测估计,将目标定位信息与跟踪轨迹信息进行匹配,实现高背景噪音下的运动小目标的跟踪处理。理论分析及仿真结果表明,分段子阵联合处理能有效对水下运动小目标进行定位和跟踪,海试试验进一步验证了该方法的有效性。