光学PICK UP技术概要

光学ＰＩＣＫ ＵＰ是ＣＤ－ＲＯＭ驱动器的关键部件，它能够把光盘上的信息凹坑和非凹坑的长度和跳变沿转换成电信号，并产生聚集误差信号和道跟踪误差信号。文中简单介绍了光学ＰＩＣＫ ＵＰ的工作原理，结构和有关技术。     

雷达目标特性数据自动采集技术研究

本文讨论了一种用于雷达目标识别系统的雷达目标自动数据采集系统,该采集系统包括数据采集电路和目标检测跟踪电路,在系统软件的控制下,采集电路根据目标检测跟踪电路得到的目标空间位置信息在观测空域对需采样的目标进行开窗筛选、拾取目标视频回波数据。采集系统可以自动地对多个目标连续采集,形成带有数据标志的回波数据流,由此建立目标原始回波特性数据库供分析、处理、识别。     

DVD光学头伺服误差信号分析

本文对DVD光学头采用像散法提取聚焦伺服信号时慧差对探测器上光斑形状的影响进行了分析,重点讨论了聚 焦误差信号的分析和循迹误差信号的分析,并给出了相应的实验结果,指出了实际操作中聚焦伺服的离焦范围和光栅调整到 位与否的判断方法。     

多目标跟踪

本文论述了多目标光电跟踪探测技术发展概况,包括跟踪算法及光电传感设备,并讨论了将来的发展趋势.     

红外与激光主/被动联合跟踪算法

针对单站红外被动式跟踪存在不可观测性问题，提出红外与激光主／被动单目标联合跟踪方法。该方法首先针对三维空间任意机动目标的跟踪问题，将参考文献[1]给出的一维机动目标“当前”统计模型推广到三维情况，得到三维情况下跟踪任意机动目标的状态方程和跟踪系统的非线性量测方程。然后对红外探测器测量的角度信息和激光测得的距离信息进行融合，得到正确的测量值。最后提出扩展的自适应卡尔曼滤波算法并进行了仿真研究。仿真表明；方案可行，可同时对目标三个空间坐标轴的位置、速度、加速度进行估计。     

振荡限幅器型卫星电视接收解调器

本文分析了振荡限幅器的基本工作原理及工作条件，并设计了一种振荡限幅器型卫星电视接收解调器。同时将其用于接收苏联７１４ＭＨｚ卫星电视。实验表明，该解调器性能良好，门限改善量可达３ｄＢ以上。     

On the minimization of quadratic functions with bilinear constraints via augmented Lagrangians

In the present paper, a new set of necessary and sufficient conditions is given for the regulator problem with plant stability in the presence of disturbances. Significant features of these conditions are the simplicity of their statement and the immediacy of their meaning in the context of the geometric approach. The proof is based on arguments which are extensions of those developed in Part 1 for the more restricted problem of disturbance localization by dynamic compensation with stability. The sufficiency of conditions is proved by a constructive procedure, which may be used as part of an actual regulator synthesis method.This research has been supported in part by MPI, Rome, Italy.     

复杂场景下基于多特征融合的视频跟踪

为了解决常见视频跟踪方法在复杂场景中难以有效跟踪运动物体的难题,研究了在粒子滤波框架下基于多特征融合的判别式视频跟踪算法.首先分析了特征提取和跟踪算法的鲁棒性和准确性的关系,指出融合多种特征能有效地提升算法在复杂场景中的跟踪效果,然后选择提取HSV颜色特征和HOG特征描述目标表观,并在线训练逻辑斯特回归分类器构造判别式目标表观模型.在公开的复杂场景视频进行测试,比较了使用单一特征和多种特征的实验效果,并且将所提算法和经典跟踪算法进行了比较,实验结果表明融合多种特征的视频跟踪更具鲁棒性和准确性.     

Instance transfer boosting for object tracking

In this paper, we propose an Instance Transfer Boosting (ITB) framework for object tracking. The proposed tracking framework tries to transfer prior knowledge from the first frame and frame t-2 regarded as source instance to frame t-1 approximately as target instance. Those instances build the online training classifier used in tracking-by-detection for frame t. The novel method presents the tracking task in the current frame from the knowledge transferred by the first frame and the previous two frames, resulting in a more robust tracker for distinguishing the object from the background. Experimental results on several public video sequences demonstrated promising performance of the proposed tracking framework in both tracking accuracy and stability.     

基于OpenCV的运动目标定位跟踪系统软件设计

目标定位跟踪技术一直是计算机视觉领域的一个研究热点。为了更好地改进目标跟踪算法的跟踪特性,设计一种基于OpenCV的目标定位跟踪软件系统。通过对Camshift跟踪算法的研究和改进,以实际的跟踪环境为背景,利用VS2008软件平台和OpenCV库函数,设计一种可以控制云台并实时定位跟踪运动目标的软件系统。实验证明,本系统定位跟踪精确,为运动目标的定位跟踪的研究和应用提供了方便,具有一定的实际意义。