多基阵联合的无源纯方位目标运动分析研究

研究基于两声呐基阵的方位数据融合的目标运动分析方法,给出了伪线性处理、扩展卡尔曼滤波、最大似然估计等算法的模型,进行了仿真实验,比较和分析了仿真结果。计算结果表明,所给出的多基阵联合的无源纯方位目标运动分析方法,不仅克服了单基阵纯方位目标运动分析需要本舰机动的限制,而且提高了参数估计算法的稳定性和全局性。     

水下无源目标运动分析的修正扩展卡尔曼滤波方法

以水下已知固定深度的三维情形为例,用修正的扩展卡尔曼滤波(EKF)方法探讨了无源目标运动分析(以下简称TMA)问题。首先以无源声呐对目标的方位角、俯仰角和频率测量为依据,建立动态系统模型。然后,从非线性的测量方程入手,对新息以伪线性的处理,推导出一组修正的EKF递推方程组。文中为增加滤波器的稳定性,采取批数据处理的手段,而使滤波效果更加平稳。计算机仿真结果表明:修正的EKF方法所得的误差曲线收敛较好,且误差较小,能有效地提高水下无源TMA问题中的参数估计精度。     

基于动平台多源数据的运动目标测量方法研究

根据运动目标性能试验需求及试验平台的特点,建立一个影像数据测量系统,实现目标的运动视频记录和外部参数测量。采用基于OpenCV的棋盘格内参数标定结合基于平台上固定标识点、线为基准的外场标定的摄像机标定方法,采用高速影像数据、中线视频数据和GPS数据相结合的方法实现目标运动的轨迹、姿态等参数的测量。通过测量精度分析及多次试验结果证明,测量精度达到水平方向优于10 cm,高程方向优于5 cm,姿态精度优于05。     

基于多特征融合的微弱红外运动目标跟踪方法

利用红外跟踪测量系统能够同时获取目标运动信息（包括方位角、俯仰角以及角速度）、目标信号幅度及其成像面积等,提出了一种基于多特征融合的弱红外运动目标跟踪方法。分析了红外成像系统中目标信号特点,得到目标的运动、幅度和面积具有一致性和连续性,符合高斯分布;采用概率数据关联滤波推导量测各特征的关联概率,并根据特征的波动状况确定多特征融合的加权系数,估计和更新目标运动状态。理论分析和实验结果表明:该方法的跟踪精度和稳定性都明显高于仅依靠运动特征关联和依靠运动特征和幅度特征关联的跟踪方法。     

基于多特征融合的微弱红外运动目标跟踪方法

利用红外跟踪测量系统能够同时获取目标运动信息(包括方位角、俯仰角以及角速度)、目标信号幅度及其成像面积等.提出了一种基于多特征融合的弱红外运动目标跟踪方法.分析了红外成像系统中目标信号特点,得到目标的运动、幅度和面积具有一致性和连续性,符合高斯分布;采用概率数据关联滤波推导量测各特征的关联概率,并根据特征的波动状况确定...     

联合多传感器的水下多目标无源声学定位

在多传感器无源声学定位问题中,不同传感器接收的来自同一目标的信号均对应于此目标位置,依据这一物理基础,提出了一种基于粒子滤波的无源声学定位方法,以有效融合多传感器数据,进而提高定位性能。该方法将粒子滤波中的似然函数定义为粒子状态所对应不同传感器信号之间互相关输出的乘积。该似然函数的设计确保所提方法可以充分获取多传感器的处理增益。此外,所提方法摆脱了传统定位范式,因此可以规避传统定位范式必须面对的测量-跟踪关联问题。湖上试验表明,在强多途干扰的条件下,传统定位方法的平均定位误差为7.2 m,而所提方法的平均定位误差为1.2 m,具有更好的性能。     

基于方位-频率及多阵方位的无源目标跟踪性能研究

研究了两种利用多维信息的目标运动分析(TMA)方法:方位-频率TMA和多阵联合纯方位TMA,应用Gauss-Newton(G-N)和Levenberg--Marquardt(L-M)相结合的最优化方法,分析了最大似然估计(MLE)算法的跟踪性能,进行了仿真实验.研究结果表明利用多维信息的TMA虽然克服了常规纯方位TMA需要观测平台机动的限制,但其应用并不具备普遍性。     

基于背景运动补偿的红外目标运动分析

 介绍了基于运动补偿的红外目标运动分析方法。阐述了运动补偿的必要性、过程原理和实现方法，并用之于对红外运动目标的视频跟踪，通过用背景运动量补偿目标的相对运动量，得到明确而直观的目标运动轨迹，有效地揭示了目标运动的内在规律，为红外目标的轨迹预测与跟踪提供了更有效的分析依据。     

基于背景运动补偿的红外目标运动分析

介绍了基于运动补偿的红外目标运动分析方法。阐述了运动补偿的必要性、过程原理和实现方法,并用之于对红外运动目标的视频跟踪,通过用背景运动量补偿目标的相对运动量,得到明确而直观的目标运动轨迹,有效地揭示了目标运动的内在规律,为红外目标的轨迹预测与跟踪提供了更有效的分析依据。     

基于多特征的复杂场景运动目标检测

为提高复杂场景下运动目标检测的完整性和准确性,提出了一种多特征结合的运动目标检测方法。提出了一种自适应的高斯混合建模算法对颜色特征进行建模;通过滞后多阈值建模的方法,同时利用颜色和改进的局域二值模式纹理特征对环境背景进行了建模,并采用邻域补偿策略将基于两种特征提取得到的目标区域进行了结合;采用结合Canny思想改进的Kirsch方法进行了边缘提取,消除了鬼影误识别像素,改善了前景目标边缘。实验结果表明,所提方法在运动目标检测的完整性、准确性等指标上优于传统算法的,实时性也较好。     

复杂背景灰度图像下的多特征融合运动目标跟踪

为解决低对比度、低信噪比、目标旋转、缩放等非理想状态给跟踪算法的研究带来的诸多困难,本文提出灰度图像多特征融合目标跟踪算法,保证在满足工程实践需要的条件下,能够对目标进行稳定的跟踪。算法首先对灰度图像利用Sobel算子求出梯度特征,将X、Y双方向的梯度特征与灰度特征相融合得到新特征,新特征在核密度函数下对低对比度,目标轮廓形状变化较大的情况有较高的适应性和稳定性,再利用背景建模的方法对提取的运动目标区域进行加权,降低非跟踪目标的权值,最后对融合后的加权特征目标利用改进MeanShift算法进行跟踪。通过大量的实验表明,该算法适应目标和背景的复杂变化,并且具有较强的鲁棒性,基本满足在复杂背景灰度图像下目标跟踪的工程实际需求。     

基于多源系统融合的结构形态感知技术

针对薄壁结构零件在装配过程中由于装配状态变化存在的装配受力变形问题,结合数字孪生发展背景,提出一种激光跟踪、视觉测量、光纤监测多源系统融合的结构形态感知技术。首先,建立多源系统多站位坐标统一模型,实现坐标基准统一;其次,建立异构数据融合模型,完成光纤监测波长与空间点坐标异构数据统一,基于高斯过程实现多源数据融合,预测变形点云,实现产品结构形态感知;最后,以蒙皮薄壁结构为例,模拟装配变形实验。结果表明,融合方法所感知数据更好地反应实际变形,其平均相对误差为4.66%,绝对误差保持在0.016 mm。多源异构数据融合基于实测数据预测形变点云,可实现结构实时变形监测,从而简化视觉测量方式,提高了曲面信息保真度,为动态孪生模型构建提供新思路。     

基于立体视觉与光流融合的运动目标检测

针对摄像机与被检测目标同时运动时的目标检测问题,提出一种立体视觉与光流融合的运动目标检测算法。结合立体视觉技术设计了光流与自运动估计模型,运用车辆的运动信息和场景的深度信息估计因摄像机运动产生的自运动光流;采用多分辨率细化的Horn算法估计场景的混合光流;对混合光流和自运动光流进行差分运算,剔除背景中静态目标的运动干扰。经过一系列形态学滤波处理获得运动目标完整区域,依据光流的连通性对运动目标标号,并确定位置信息。以典型的交通场景为对象进行分析,实验结果表明该算法能有效地检测出动态背景下的运动目标。     

矢量声纳高速运动目标稳健高分辨方位估计

针对水声矢量信号处理框架中的高速运动目标低信噪 比小快拍条件下的稳健高分辨方位估计问题, 将压缩感知技术应用于水声矢量信号空间谱估计模型中. 结合声矢量传感器结构特性, 探讨了基于声压振速联合处理的广义时域滤波方法; 结合矩阵空域预滤波理论, 设计了基于阻带约束通带均方误差最大值最小的空域滤波器, 研究了矢量声纳空域预滤波方法; 结合以上分析, 提出了基于压缩感知技术的时空联合滤波高分辨方位估计方法, 给出了方法的数学模型、物理解释及具体实施步骤.理论分析和计算机仿真试验表明, 新方法对于小快拍数 条件下的矢量声纳高速运动目标高分辨方位估计问题, 具有较低的双目标分辨门限和较高的估计精度, 有着良好的应用前景.湖上试验验证了方法的有效性. 关键词： 声矢量传感器 空间谱估计 时空滤波 压缩感知     

一种基于图像融合的运动目标快速检测算法

提出了一种新的运动目标检测方法,这种方法可以有效的提取目标轮廓。应用一种图像差分技术得到运动目标的初始轮廓线。使用了动态轮廓线使其收敛到目标轮廓。提出了一种新的目标轮廓特征级融合方法,求解两类模式图像的收敛动态轮廓线控制点向量差的范数平方极小化。这种方法不需要图像配准降低了融合的计算复杂度,有效提高了可见光图像中目标轮廓提取的精度。对比检测实验证实了算法的有效性。设计了一种基于Newmark方法的动态轮廓线快速迭代算法,将该方法和方法作了比较,对比实验表明这种方法的时间复杂度降低了22%。     

基于多特征模糊融合的运动物体检测算法

提出了一种利用模糊共现向量改进统计纹理特征法并同时融合多种特征的运动物体检测算法。该算法简化了传统的统计纹理特征法的计算过程,同时由于融合了多种特征,进一步提高了提取运动物体的准确性。将其该算法其他的目标检测算法进行对比。实验验证了该算法的有效性。     

基于目标识别的多传感器图像信息融合技术

本文针对目标识别问题，论述了多传感器目标属性融合技术。包括目标属性融合概念、原理、处理结构、算法及应用举例。指出了多传感器目标属性融合中存在的主要问题及解决方法，并预测了发展趋势     

基于多滤波算法融合的红外小目标检测

针对海天背景下红外视频图像序列中小目标检测的精度问题,提出一种基于多滤波融合的算法。通过分析红外小目标及背景噪声的成像特征与时空特性,将Tophat算法与改进的Robinson guard滤波器相结合,有效抑制背景、突显目标;采用自适应阈值分割提取候选目标,并使用Unger平滑滤波以及多目标关联滤波剔除噪声和伪目标。多组红外小目标图像序列的检测实验结果表明,提出的算法平均检测率高达99%,在不同场景下均有较高的检测精度。     

基于特征级融合的多波段舰船目标识别方法

针对复杂情况下海上舰船目标单波段特征识别能力不足的问题,研究可见光、中波红外和长波红外三波段特征图像融合技术,重点解决图像融合方法中存在的算法耗时和融合策略选择的问题,提出了一种新的基于区域协方差矩阵的多波段特征级融合方法,针对可见光图像和红外图像分别设计11维和5维特征向量,协方差矩阵可以将多个特征进行融合,既保证了不同目标之间的区别性,同时又减小计算量。该方法首先利用显著性检测,快速定位图像中的目标区域,然后,针对不同波段图像设计的特征向量定义协方差阵的距离计算公式并进行匹配,通过对图像的一次遍历操作获得积分图像,在协方差计算时达到快速计算的目的,最后利用k-阶最近邻算法对多种舰船目标进行分类识别。利用实拍的3 400余张三波段舰船目标图像作为测试数据。实验主要分为两部分,首先对比单波段和三波段融合识别的识别率,验证所提出的融合方法具有更广的应用范围;然后,在计算效率上对比多种传统的像素级方法,验证采用的特征级融合在计算时间上的优势。实验结果表明,该方法可达到95.1%的识别率,单帧计算耗时约为0.5 s,在实时性和检测率方面都有明显提高。     

基于多传感器数据融合的人体运动模式识别研究

针对单一传感器在人体运动姿态监测中误差较大的问题,提出了一种基于加速度传感器和陀螺仪数据融合的人体运动模式识别方法。该方法使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,采用卡尔曼滤波算法实现多传感器信息的融合,有效提高了姿态角度测量的准确度。根据人体日常的活动状态构建了基于人体姿态角度特征的隐马尔可夫模型实现人体运动模式的识别。实验表明,该方法比采用单一传感器方法识别的准确率高,可以有效区分不同的日常活动行为。