检测前跟踪中的目标交叉航迹标签分层管理EI北大核心CSCD

针对检测前跟踪算法无法提供目标航迹标签以及传统算法在轨迹交叉情况下批次编号管理混乱的问题,提出了一种标记关联的航迹管理方法。该方法为各个目标的方位航迹标记不重复的标签,并针对标签多伯努利算法非共轭先验的问题,采用将标签多伯努利分布逼近δ-广义标签多伯努利分布的方法进行解决。另外还提出一种辅助门限进行分层逐级更新的方法,实现了对不同的航迹赋予不同的标签,解决了方位交叉情况下轨迹中断、目标跟丢和错跟的问题。仿真及海试试验表明,该方法的平均误差稳定且接近为0,定位精度高且轨迹连续清晰,不仅能在目标轨迹交叉时进行准确跟踪,还能实现对多目标数的精准估计,为基于声呐阵的水下目标态势感知方法提供了新的技术支持。     

水下目标多平台协同定位和跟踪方法

提出了一种融合多平台方位观测数据的水下声学目标定位跟踪方法。该方法采用多级多假设跟踪对目标状态进行滤波和关联,第一级基于每个平台波束域检测结果独立使用多假设跟踪方法对目标方位角进行初级跟踪;第二级首先通过多平台联合似然概率估计多目标初始位置,再用多假设跟踪方法对不同平台初级跟踪的方位角航迹进行关联,最后通过关联的角度值和扩展卡尔曼滤波对多目标位置进行序贯估计。仿真结果证明,该方法能以更少计算量实现更优定位性能,优于单级多假设跟踪方法.海试数据处理结果表明,存在较多干扰的情况下,单级方法跟踪过程中丢失目标,而多级方法实现了对目标的全程跟踪,且收敛后定位误差在70m内。该方法可降低噪声干扰对数据关联及目标定位的影响,并通过多平台协同消除线阵的方位模糊,适用于移动多平台声学目标定位和跟踪场景。      

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。     

量测噪声不确定情况下的水下多目标稳健方位跟踪

提出了使用Sage-Husa算法估计量测噪声的集势化概率假设密度(CPHD)滤波方位跟踪方法,实现了量测噪声不确定情况下多水下声学目标的稳健方位跟踪。首先,将水下目标方位的变化建模为Singer模型,利用传统目标方位估计方法的结果作为量测值,将方位估计误差看作量测噪声,建立了方位量测模型。然后,给出了CPHD滤波水下多目标方位跟踪算法,该算法利用上一时刻的方位跟踪结果和目标方位变化模型预测目标方位,并利用量测值和量测模型对预测值进行更新得到方位跟踪结果。最后,考虑到量测噪声方差为决定跟踪性能的重要参数,利用改进的Sage-Husa算法在跟踪过程中实时自适应地估计不确定量测噪声的方差,从而实现了多目标的稳健方位跟踪。经海试数据验证,所提出算法将目标方位测量的平均最优子模式分配(OSPA)误差从10°以上降低至2°,显著提高了方位测量精度。所提水下多目标稳健方位跟踪方法能够有效提高量测噪声不确定情况下的方位跟踪性能。     

改进联合多站多伯努利滤波器的水下多目标跟踪

针对水下多站多目标跟踪问题,基于多站多伯努利滤波器思想,提出改进联合多站多伯努利滤波器的水下多目标跟踪方法。该方法有两处改进:首先在目标数变化场景,为了获得新生目标状态,提出基于节点分对组合随机观测新目标生成方法,该方法将观测节点两两分对,并进行观测对间组合,以相同概率随机选择观测对组合来生成新目标信息;其次为了输出连续、稳定航迹,提出基于统计双门限的航迹生成方法,该方法对超过第一门限的检测次数进行累加,并将结果与第二门限比较来控制目标航迹输出。仿真结果表明:(1)基于节点分对组合随机观测新目标生成方法能够正确生成新目标信息,与全局交叉定位目标生成方法相比,算法复杂度降低,并与节点数成线性关系;(2)基于统计双门限航迹生成方法能够实时输出稳定航迹,并且其最优子模式指派(OSPA)距离对比不使用该航迹生成方法时减少20%左右。      

基于自适应混合滤波的多目标跟踪算法

针对多目标视频跟踪中需要主要解决的目标冲突、合并以及分离等问题,提出了基于自适应混合滤波的多目标跟踪算法。采用混合高斯背景建模法获得前景图,并对图中阴影采用一种简化去除算法,即判断前景像素时,将HSV分量用加权的形式描述,而不必对各个分量依次判断。对前景图提取观测值时,引入了合并处理算法,将分裂的多个矩形检测框进行合并。然后,利用推理的方法将前景观测值与目标关联,用自适应混合滤波算法实现多目标有效跟踪。该算法结合了均值漂移算法运算效率高的和粒子滤波算法能够有效处理遮挡情况的特点。实验表明该算法可以高效地跟踪多目标、准确判断目标的出现和消失,并能够解决多目标冲突、合并和分离等问题。     

无源声呐场景中使用辅助粒子滤波的邻近目标检测前跟踪方法

针对无源声呐多目标方位跟踪问题,研究了一种基于粒子滤波的检测前跟踪方法,关注于改善邻近目标和机动目标的跟踪性能。首先,提出了一种考虑了邻近目标影响的似然函数;其次,采用辅助变量利用量测信息优化粒子采样,当算法运动模型与目标实际运动状态失配时,这种策略具有很大优势。结合以上两点,提出了一种检测前跟踪算法,该算法将邻近目标划分为一组,使用邻近目标的预测状态计算目标的似然,计算效率较高。利用仿真生成的数据和海上采集的实际数据分别验证了该算法的性能,并与其他多目标粒子滤波检测前跟踪算法进行比较,证明了该算法具有良好的跟踪性能。在目标邻近和目标机动的情况下,该算法的优势更加明显。     

基于形态学与遗传粒子滤波器的红外小目标检测与跟踪算法

针对复杂背景下红外小目标的检测与跟踪,提出了一种融合了top-hat算法、遗传算法以及粒子滤波器的新方法.该方法首先采用提取副帧的方法去除目标周围部分的背景和噪音,有效地减少了参与运算的像素数目;其次,将具有不同边缘特性的多个结构体应用于top-hat检测算法中,提高了副帧中预目标的有效性;接着,利用目标时空运动的相关性,结合阈值判断来去除虚假目标,增强了目标检测的可靠性;最后,将遗传算法引入粒子滤波算法,较好地改善了粒子的多样性,在保障跟踪实时性的同时,提高了粒子滤波的准确度.实验结果表明,该算法在检测准确度、跟踪准确度和鲁棒性都具有一定的优越性.     

基于阵元域数据的联合检测与跟踪算法

为了提高对弱目标的检测与跟踪能力,采用一种基于阵元域数据驱动的联合检测与跟踪算法。在假定多目标信号互不相关,且目标个数已知的条件下,采用最大后验(MAP)方法从阵元域数据中直接估计目标的状态。与传统的检测跟踪算法不同,该算法在目标方位信息的基础上,增加能量信息,用于目标跟踪从而提高跟踪能力,同时又通过跟踪目标轨迹的预测以提高检测能力。仿真结果显示,该算法可提高对弱目标的检测能力和跟踪能力,解决传统的跟踪算法对于交叉目标的错跟与失跟问题,在目标非快速机动的情况下得到很好的检测跟踪结果。海试结果显示该算法具有重要的实际工程应用价值。     

联合多站阵元域数据的水下目标检测与跟踪

为了提高复杂海洋环境中目标的检测、跟踪性能,提出一种联合多站阵元域数据的水下目标检测与跟踪方法.该方法采用序列马尔科夫链蒙特卡洛思想对目标进行采样更新,通过对接收概率中的后验概率以及采样函数进行分解展开,并根据多站阵元域数据计算采样粒子的联合似然,在迭代过程中实现目标数目和目标状态的联合估计.研究结果表明,该方法对单目标的平均定位误差在较高信噪比下能够稳定在50 m以内,对多目标随机出入场景中新生及消失目标实现有效检测,同时对强干扰下弱目标及交叉目标实现有效检测跟踪。仿真结果和海试数据均验证该方法具有良好的目标检测与跟踪性能。      

方位和径向速度联合的浅海目标运动分析方法

提出了一种利用目标方位和径向速度联合的浅海目标运动分析方法。该方法克服了传统纯方位目标运动分析方法要求观测站机动的局限性。将浅海传播条件下径向速度的宽带和窄带估计结果与目标方位相结合,利用卡尔曼滤波原理得到了一种目标跟踪定位方法。仿真结果表明,在观测站非机动和低信噪比情况下,该方法利用单个观测站即能够对宽带或窄带的运动目标进行准确地跟踪定位。利用1996年5月的实验数据对算法性能进行了验证,估计结果与真实目标距离符合较好,距离跟踪误差在10%以内。      

Joint decision and Naive Bayes learning for detection of space multi-target

In the photoelectric tracking system, the detection of space multi-target is crucial for target localization and tracking. The difficulties include the interferences from CCD smear and strong noise, the few characteristics of spot-like targets and the challenge of multiple targets. In this paper, we propose a hybrid algorithm of joint decision and Naive Bayes (JD-NB) learning, and present the duty ratio feature to discriminate the target and smear blocks. Firstly, we extract the proper features and train the parameters of the Naive Bayes classifier. Secondly, target blocks are preliminarily estimated with the Naive Bayes. Lastly, the 4-adjacent blocks of the candidate target blocks are jointed to analyze the distribution pattern and the true target blocks are secondarily extracted by the method of pattern matching. Experimental results indicate that the proposed JD-NB algorithm not only possesses a high recognition rate of better than 90% for the target block, but also effectively overcomes the disturbance of the smear block. Moreover, it performs well in the detection of small and faint targets when the SNR of the block is higher than about 0.014.     

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。     

一种多基阵机动目标被动跟踪算法

由多部声纳基阵获取的方位信息对水中机动目标的跟踪实质上是一个非线性状态估计问题,文中首先依据各基阵的方位信息,采用最小二乘法得到目标位置在各采样时刻的初步估计,然后将其作为测量值用于交互多模型算法(IMM)并结合线性卡尔曼滤波(KF)得到目标运动速度和轨迹,避免了应用非线性估计算法直接进行多个方位数据融合过程中存在的各种问题。仿真结果表明这一算法简便,与双基阵纯方位机动目标被动跟踪相比具有较快的收敛速度和较高的跟踪精度。     

机载光电系统的地面多目标定位算法

 传统的单目标地理定位方法无法适应现代战场态势实时多变、目标数量多的情况。为了提高目标定位效率,在单目标地理定位的基础上,给出一种适用于机载光电侦察系统的半主动多目标定位算法。通过建立初始东北天坐标系、飞机东北天坐标系、飞机机轴坐标系、光电稳瞄坐标系和多目标投影坐标系,同时结合目标相对方位、俯仰角度,得到了一系列欧拉角坐标转换公式,可以同时计算出多个地面目标的经纬度。计算机仿真结果表明：该算法能够对同一视场内的多个目标同时进行定位,即具有多目标定位功能。由于像素偏差增加了坐标转换累积误差,次目标定位精度略低于主目标定位精度。     

利用信号自相关函数warping变换的浅海水下移动观测平台机动优化方法

水下移动观测平台的机动航路对纯方位目标运动分析方法的使用性能具有重要的影响。针对此问题,提出了一种利用信号自相关函数warping变换的浅海水下移动观测平台机动优化方法。该方法利用warping变换从接收信号自相关函数中提取与目标距离相关的简正波相干项的特征频率,进而估计距离特征量,再根据预估的目标初始距离范围估计目标运动态势范围。针对观测平台机动方式为匀速转弯运动的情况,以目标方位变化率为评价指标得到了观测平台在所估计的目标运动态势范围下的最优转弯角速率。在浅海Pekeris波导环境下的数值仿真结果和实验数据处理结果表明:方位变化率与纯方位扩展卡尔曼滤波算法的性能密切相关;利用warping变换可以有效地估计距离特征量;观测平台根据以方位变化率为评价指标得到的最优转弯角速率进行机动可以获得较好的目标跟踪性能,收敛时间较短,目标位置估计误差较小。      

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.     

Improved particle filters for multi-target tracking

We present a novel approach for improving particle filters for multi-target tracking. The suggested approach is based on drift homotopy for stochastic differential equations. Drift homotopy is used to design a Markov Chain Monte Carlo step which is appended to the particle filter and aims to bring the particle filter samples closer to the observations while at the same time respecting the target dynamics. We have used the proposed approach on the problem of multi-target tracking with a nonlinear observation model. The numerical results show that the suggested approach can improve significantly the performance of a particle filter.     

A beam interpolation algorithm in digital multi-beam sonar

I.IntroductionThedigita1operationins0narsystembringsagreatadvantageinbeamforming.Itispos-sib1etorealizesomcalg0rithmsindigita1technique,whichisusua11yhardtoorimpossib1etoAnp1ementintraditiona1ana1ogues0nar.Asanexamp1e,ageometrygraphofcirclearrayisil-1ustratedinFig,1.Thetotalnumber0farraye1ementisN.Therearetwokindsofbeam.TheA-c1assbeamconsistsof2M-le1ements,thesteeringdirectionisjustlocatedintheposi-honofoneofthearrayelement;TheB-classbeamconsistsof2Me1ementsandthesteeringdirectionisinthem…