利用三次样条改进蚁群算法的无人机航路规划

针对无人机在二维平面自动飞行中转弯角度过大、路径规划困难的问题,研究了蚁群算法在复杂环境下航路规划中的应用,利用链接图简洁的特点建立空间模型,对无人机的飞行环境和航迹代价进行了描述,并结合三次样条插值函数与蚁群算法,提出了改进蚁群算法,对无人机飞行路径进行优化,并给出算法软件流程。利用MATLAB进行了仿真实验,得出了最优的航路,算法具有较好的稳定性和鲁棒性,对轨迹中不可飞的尖角进行了平滑处理,使得航路为曲线轨迹,满足无人机工作的性能要求,减少无人机在飞行中的代价损耗,验证了该优化算法在无人机航路规划中的可行性。     

察打型无人机攻击航迹控制算法研究

固定翼无人机自身携带激光制导导弹进行对地攻击,需要自身携带的光电转台稳定跟踪目标并进行激光照射,指引导弹命中目标。为满足光电转台稳定跟踪目标的角速度限制及导弹可发射的限制条件,设计一种新型的航迹控制算法。利用基于李雅普诺夫向量场的导航算法,实现无人机从盘旋搜索到发现目标后转入导弹可攻击区并实施攻击的自动航迹控制,并保证无人机在调整姿态的同时光电转台稳定跟踪目标。利用某察打型无人机进行飞行验证,结果证明设计的算法能够较好完成无人机的攻击航迹控制,保证导弹发射。     

基于改进蚁群算法的无人机动态航路规划

研究无人机航路规划,针对基本蚁群算法易于陷入局部最优、规划航路耗时长的问题,对基本蚁群算法进行了改进;引入航路点的动态自适应选择策略和信息素挥发因子动态自适应调整准则,有效克服了基本蚁群算法的不足,并对规划出的航路进行了平滑处理,使其更加满足无人机实际飞行需求。通过仿真分别规划出无人机在静态威胁和动态威胁中的航迹,仿真结果表明,与基本蚁群算法和遗传算法相比,改进的蚁群算法在两种飞行环境中均能规划出较优的航路。     

无人机多阶段航迹预测协同任务规划

针对多无人机(Unmanned Aerial Vehicles, UAVs)协同控制问题,提出了一种UAVs多阶段航迹预测分布式任务规划方法。定义从一次任务分配开始到其中一项任务完成为一个任务周期。在每个规划周期,首先,各UAV使用A*算法快速预测到所有任务目标的路径,提供至任务分配;然后,采用聚类算法修改目标价值向量,协商分配结果,并实时计算探测范围内的最短路径;最后,采用三次B样条曲线平滑所分配的最短路径,在线规划出满足飞行约束的飞行航迹。通过仿真实验对算法的有效性进行了验证,结果表明,提出的算法能够实时获得近似最优的任务分配结果并规划出可飞行航迹,并有效处理突发任务。     

基于Voronoi图和动态自适应蚁群算法的UAV航迹规划

以UAV航迹规划为应用背景,提出了一种基于Voronoi图和动态自适应蚁群算法的航迹规划方法;为了提高航迹规划问题最优解的质量及全局求解能力,克服传统蚁群算法收敛速度慢、容易陷入局部最优等缺点,提出了一种动态自适应蚁群算法;采用动态自适应航迹点选择策略并将信息素更新规则和挥发系数进行动态自适应调整变化来对蚁群算法进行了改进,提高了算法的求解效率;根据战场已知威胁源生成Voronoi加权图,并与所提的动态自适应蚁群算法相结合求解规划空间中的最优航迹;考虑到UAV的物理约束限制,对生成的可行航迹进行平滑优化;仿真结果表明,该方法能够为UAV规划出一条满足要求的可飞航迹,验证了所提方法在解决航迹规划问题时是可行、有效的;     

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.      

无人机三维实时航迹规划

无人机航迹规划是无人机任务规划中最重要也是最复杂的环节,由于基本粒子群算法后期收敛速度慢和陷入局部最优解,将双种群粒子群算法用于无人机航迹规划中。双种群粒子群算法设置两个搜索方向相反的主、辅种群协同进化,以此来扩大搜索范围,跳出局部最优解。针对战场上可能出现的突发威胁,采用双种群粒子群算法对整体规划航迹进行了局部修改,以此来满足实时性的要求。通过仿真验证了算法的有效性,并满足了实时性的要求。     

基于Google Earth的无人机任务规划设计

针对无人机任务规划要求,提出了一种利用Google Earth二次开发能力实现的无人机任务规划方法。首先应用任务规划算法得到规划信息,然后将威胁数据、规划数据、飞机数据等信息通过Google Earth提供的接口引入到Google Earth中,得到无人机在Google Earth上的规划航迹。结果表明,该方法不仅省去了地形建模,而且能快速地生成一条逼真性相当高的满足无人机性能要求的规避威胁航路。     

一种人-自动化系统协作的无人机航迹规划方法

为解决无人机航迹规划中考虑“人在闭环”控制需求、结合人机综合优势以进一步提高规划能力的问题,提出了一种人-自动化系统协作的航迹规划方法;该方法利用操控员选取人工引导路径点,以起始点、人工引导路径点和目标点为根节点形成多树扩展;引入Dubins曲线应用于随机树扩展和寻找最近子节点过程,改善航迹平滑性;仿真实验结果表明,该方法在自动化系统局部自主能力的基础上引入人的智能,规划效率和可靠性得到了提高,可用于无人机航迹规划实践。     

最优路径搜索压缩感知水声通信信道估计

将信号恢复中最优路径搜索的A*正交匹配追踪(A*Orthogonal Matching Pursuit,A*OMP)伪贪婪算法引入到水声通信信道估计中,可以有效改善正交匹配追踪(OMP)算法容易陷入局部最优的问题,并提出了一种改进型的A*OMP水声信道估计算法。改进了路径初始化方式,同时为了避免过多迭代引起的未知误差,将前后两次迭代残差之差作为停止准则。在正交频分复用(OFDM)通信体制下,对OMP、A*OMP和本文改进方法的估计误差和误比特率进行了仿真对比,随着信噪比的增加,改进方法未出现误差平台,且受导频间隔影响较小。仿真结果表明相对于OMP算法和传统A*OMP算法,在高信噪比下改进方法的估计误差分别降低约2和1个数量级,海试数据结果验证了改进方法的可行性,其误比特率分别平均降低42.0%和4.7%。      

A target group tracking algorithm for wireless sensor networks using azimuthal angle of arrival information

<正>In this paper,we explore the technology of tracking a group of targets with correlated motions in a wireless sensor network.Since a group of targets moves collectively and is restricted within a limited region,it is not worth consuming scarce resources of sensors in computing the trajectory of each single target.Hence,in this paper,the problem is modeled as tracking a geographical continuous region covered by all targets.A tracking algorithm is proposed to estimate the region covered by the target group in each sampling period.Based on the locations of sensors and the azimuthal angle of arrival(AOA) information,the estimated region covering all the group members is obtained.Algorithm analysis provides the fundamental limits to the accuracy of localizing a target group.Simulation results show that the proposed algorithm is superior to the existing hull algorithm due to the reduction in estimation error,which is between 10%and 40%of the hull algorithm,with a similar density of sensors.And when the density of sensors increases,the localization accuracy of the proposed algorithm improves dramatically.     

红外单站多目标跟踪算法研究

利用IRST(红外搜索与跟踪)系统所获取的各目标的角度及其红外光谱辐射功率和信息，通过对红外光谱辅射功率和的相关处理，运用选优的JPDA（联合概率数据关联）算法与IMM（交互多模型）算法实现了IRST系统的单站多目标跟踪，并通过两个仿真场景对算法性能进行了检验.仿真结果表明：在跟踪开始阶段，两个场景中的每个目标都能获得高精度的跟踪;当目标编队飞行时，算法能对各目标进行有效的跟踪，而且跟踪精确度也是令人满意的;当目标交叉飞行时，跟踪的误差明显加大，随着时间的延续，对远距离目标会失去跟踪能力，但对近距离目标仍能进行有效的跟踪.     

电视经纬仪跟踪测量中运动目标快速识别定位算法

为解决电视经纬仪跟踪测量系统中对运动目标快速识别定位的要求,在深入分析运动目标特性和电视经纬仪跟踪测量系统特点的基础上,利用经纬仪角度变化信息,对运动目标图像序列进行帧间差值计算以获得目标残差图,并基于残差图提出了一种新型的运动目标快速识别方法,大大减少了运算量. 结合中值滤波和图像二值化,实现了运动目标的快速定位. 通过对目标实测图像序列的实验, 结果证明：该算法具有快速、稳定、有效等优点,能够满足电视经纬仪跟踪测量系统对运动目标快速识别定位的要求.     

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。      

复杂背景下相关跟踪算法的研究

针对传统跟踪算法（如邻域法、传统的相关跟踪算法）只能跟踪海上或空中目标，不能跟踪复杂背景下目标的问题，提出了一种稳定快速跟踪复杂背景下目标的算法。该算法在传统相关跟踪算法的基础上进行改进，相关处理之前采用边缘检测、阈值分割等方法去除复杂背景，提取出具有特征的目标信息。在跟踪过程中，根据匹配的效果自动对模板进行刷新。给出了算法实现的硬件组成和程序流程图。实验证明对于传统算法无法稳定跟踪的目标，改进后的算法能够实现稳定跟踪。     

一种基于特征提取的相关跟踪算法

介绍了一种能稳定快速跟踪复杂背景下目标的算法,该算法在传统相关跟踪算法的基础上进行改进.当目标进入红外(电视)摄像机视场时,视频信号中包含有目标信息和背景信息,信号处理器先将此信号进行数字化处理,形成具有一定灰度等级的数字化图像阵列,然后采用边缘检测、阈值分割等算法对包含有目标信息的图像进行边缘处理,提取出具有特征的目...     

海天复杂背景下红外目标的检测跟踪算法

在分析海天复杂背景下红外目标图像特征的基础上,提出适合该环境的红外目标检测算法.该算法采用行均值相减的方法抑制海平面非线性温度场的影响,并进行中值滤波处理.对于更加复杂的环境,选用数学形态滤波法抑制背景中的大面积云团或海浪,从而确定出目标区域来进行目标图像的分割及增强.同时,综合使用图像捕获区域指定、运动目标检测法、弱目标的增强提取、记忆外推功能、数据融合加权跟踪方法,来保证在海天复杂背景下红外目标的可靠跟踪.实验表明,该算法能较好地处理海天复杂背景下红外目标的检测,且算法易于硬件实现,提高目标检测的实时效率.     

基于大数据分析的移动对象轨迹预测方法

对移动对象的轨迹预测将在移动目标跟踪识别中具有较好的应用价值。移动对象轨迹预测的基础是移动目标运动参量的采集和估计,移动目标的运动参量信息特征规模较大,传统的单分量时间序列分析方法难以实现准确的参量估计和轨迹预测。提出一种基于大数据多传感信息融合跟踪的移动对象轨迹预测算法。首先进行移动目标对象进行轨迹跟踪的控制对象描述和约束参量分析,对轨迹预测的大规模运动参量信息进行信息融合和自正整定性控制,通过大数据分析方法实现对移动对象运动参量的准确估计和检测,由此指导移动对象轨迹的准确预测,提高预测精度。仿真结果表明,采用该算法进行移动对象的运动参量估计和轨迹预测的精度较高,自适应性能较强,稳健性较好,相关的指标性能优于传统方法。     

星载光电跟踪系统连续帧图像快速识别定位算法研究

为了解决星载光电跟踪系统对连续帧图像快速识别、准确定位的要求.在深入分析连续图像序列特性和星载光电跟踪系统特点的基础上,利用光电跟踪系统转台的角度变化信息,对图像序列进行帧间差值运算以获得目标残差图,并基于残差图和原始图像信息提出了一种新的目标识别定位算法,大大地减小了运算量.结合中值滤波和自适应波门跟踪算法,实现了运动目标的快速跟踪定位.通过对目标实测图像序列的实验,结果证明,该算法具有快速、稳定等优点,能满足星载光电跟踪系统实时图像跟踪的要求.     

Localisation of moving sources in a multipath propagation environment

A new algorithm is presented for tracking correlated narrow-band sources in the presence of colored Gaussian noise. A fast cumulant-based preprocessing method is used to remove unknown noise and a Kalman filtering is used to track the source parameters. The use of a Kalman filtering avoids the data association problem and improves the tracking performance for crossing tracks. It is applied to the outputs of Newton’s algorithm to track moving sources. In this paper, the algorithm is developed for the special case in which the updated cumulant matrix is obtained by substituting a new matrix of the current data. The rank tracking problem is not considered in this study.We demonstrate the performance of the proposed algorithm by computer simulations of the tracking of moving targets emitting correlated signals, we also tested the proposed algorithm on the real data recorded during an underwater acoustic experiments.