当前统计概率数据关联算法

目标跟踪领域的一个研究重点是如何解决在密集杂波环境下机动目标的跟踪问题。机动目标跟踪的关键是解决目标模型的不确定性,而密集杂波环境则使这个问题变得更加复杂。针对这一问题,提出一种当前模型概率数据互联算法。该算法将当前模型算法与概率数据互联相结合,在使用概率数据互联算法的同时,利用当前模型算法对目标出现的机动进行自适应滤波。最后,给出了算法的仿真分析,仿真结果说明该方法能够有效地跟踪杂波环境中的机动目标。     

一种基于VSMM的自适应高机动目标跟踪方法

自适应交互式多模型(AIMM)方法已经解决了许多复杂的机动目标跟踪问题,但过多的模型竞争会使AIMM性能下降,限制了这种方法的应用.文中结合变结构多模型(VSMM)可包含更多模型而不至于引起模型间"过度"竞争的优点,提出了一种自适应变结构多模型(AVSMM)方法.该方法采用与AIMM方法相似的自适应机制对机动目标进行跟踪,能够包含更多的运动模型,不必担心模型间发生"过度"竞争而使跟踪性能下降.仿真结果表明,在跟踪机动目标时,AVSMM方法比AIMM方法具有更高的跟踪精度.     

径向速度量测在机动目标跟踪中的应用

针对机动目标跟踪问题,提出了一种引入径向速度量测的IMM滤波跟踪新方法.首先给出了观测数据的无偏坐标变换,由此得出位置坐标观测噪声的协方差矩阵.然后对引入径向速度量测的交互多模滤波跟踪算法进行了理论分析,最后进行了仿真实验.仿真结果表明,由于速度观测值提供了有关目标运动的更进一步的信息,从而使跟踪性能得到了较大的改善.     

基于车辆前方目标运动模型的主动避撞系统的研究

为提高毫米波雷达在探测目标运动状态方面的精确性,针对车辆前方目标运动特点,基于目标运动模型,采用卡尔曼滤波跟踪方法,根据城市道路车辆行驶的实际情况,选取当前统计模型作为机动目标模型,采用基于当前统计模型的卡尔曼滤波跟踪算法,应用Simulink搭建仿真模型,就匀速运动、匀加速运动及变加速运动3种前方目标行驶工况进行目标跟踪仿真对比试验。仿真结果表明:该算法可用于3种工况的目标跟踪,且误差小,具有良好的跟踪效果。搭建实车试验平台,采用一种安全距离模型,对目标跟踪算法进行实车试验。结果表明:使用该算法后车辆避免了碰撞,所建立的模型是可靠的。     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法。在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪。算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计,提高了目标跟踪的精度。同时通过动态簇头之间的目标状态信息的交换,实现了运动目标的动态连续跟踪。仿真结果表明,算法实现了运动目标协作跟踪,与集中式结构目标跟踪相比,跟踪精度提高了30%。     

MEM模型在多传感器多目标无源定位与跟踪中的应用

针对多传感器机动多目标无源定位问题的目标数量多、定位难的特点 ,采用复合弹性系数神经网络模型对该问题进行建模 ,并进行组合优化 ,以期能利用多个传感器较准确地对多个机动目标进行无源定位与跟踪。仿真结果表明该模型能有效地锁定真实目标 ,当多个目标较分散或较集中时 ,该模型仍能有效锁定和跟踪     

基于粒子滤波的目标主动轮廓跟踪算法

传统的粒子滤波方法采用若干维参数定义的简单几何图形给出跟踪结果,不能精确表示现实中具有复杂形状的目标物体。针对这一问题,该文提出基于粒子滤波的主动轮廓算法,用于计算复杂形状目标的轮廓跟踪任务。在目标状态后验分布的模拟样本基础上引入主动轮廓模型,并使用带权粒子定义其能量函数,使得模型的轮廓线向具有重要权重粒子的所在区域演化,并最终收敛到具有最大目标似然的图像区域,从而实现对目标物体的全局运动及局部形态演化的同时估计。精确的目标区域提高了目标模型的更新精度,避免了跟踪中漂移现象的发生。最后,结合真实机场监控验证了该方法在实际复杂场景下的有效性及鲁棒性。     

多平台协同跟踪中的传感器分配方法研究

多平台多传感器的协同探测是协同作战的重要组成部分,如何有效地进行传感器管理是协同探测问题的关键。该文提出了一种基于H∞滤波器目标跟踪的传感器分配方法,用集合论中关系的概念定义了传感器目标分配集,建立了传感器管理的分配模型,将每一种传感器的检测方案看成一个H∞滤波器,根据H∞滤波误差上限γ选择最佳的分配方案。     

网格聚类在多雷达数据融合算法中的应用

应用网格聚类的方法区分同一雷达接收的不同目标的观测数据,通过类间数据融合,实现同一目标不同雷达接收数据的融合,以便对多目标进行实时跟踪。研究了观测数据网格聚类的基本思想、形式化描述及算法实现,讨论了对机动目标跟踪的Kalman滤波方程及空管系统中易于计算的各参数矩阵理论依据及相应的初值。仿真结果表明,通过网格聚类能很好地区分不同目标,聚类后再进行跟踪融合更加准确。     

一种改进的联合概率数据关联算法

针对联合概率数据关联算法在跟踪多机动目标时跟踪精度不高、计算量较大等问题,提出了一种新的联合概率数据关联算法。引入"当前"统计模型,并针对"当前"统计模型中机动频率和加速度方差不能自适应调整的问题进行了改进,实现了机动频率和加速度方差自适应。针对联合概率数据关联算法在跟踪多机动目标时,随着目标数的增多,算法计算量急剧增大的问题,提出了改进算法。改进算法避开了联合概率数据关联算法中由确认矩阵计算关联矩阵的过程,直接从确认矩阵计算关联概率。仿真实验结果表明:所提算法有效提高了多目标的跟踪精度,降低了算法计算量。     

曲面工件超声检测机器人误差补偿分析

针对曲面工件超声波检测过程中,超声检测机器人末端探头位姿误差对检测精度影响的问题。根据超声检测机器人自身特点,提出基于多关节摄动误差补偿原理逆向求解标定误差模型参数的方法,利用误差模型参数实现对检测中所有扫描点位姿误差的实时补偿,提高检测的精度。首先,应用Denavit-Hartenberg方法建立超声检测机器人的运动学模型;其次,分析超声检测机器人的误差原因和来源,并利用矩阵微分原理建立误差模型;最后,结合超声检测机器人测距功能和多关节摄动误差补偿原理得到位姿误差实时补偿方法。通过螺旋桨曲面工件扫描检测实验验证该位姿误差补偿方法的有效性。     

滑坡多点监测数据综合信息的提取方法

讨论了集中式和有无反馈的分布式结构的融合算法,提出了应用多传感器目标跟踪融合技术来处理滑坡预报中多点监测问题,解决了传统滑坡预报中只能利用一个关键监测点进行预报的不足。通过实例仿真,表明该方法具有有效性和可行性。     

基于S-D分配的集中式多传感器不敏滤波算法

研究了非线性环境中的集中式多传感器多目标跟踪问题,提出了一种基于S-D分配的集中式多传感器不敏滤波算法。算法通过广义S-D分配技术实现每个传感器中的量测与目标的数据关联,求得所有可能互联中的最佳划分,然后按照顺序多传感器联合概率数据互联算法,依次处理最佳划分中各传感器源于同一目标的量测,在此基础上通过不敏卡尔曼滤波(UKF)解决非线性系统中的目标跟踪问题。最后给出了该算法与MSJPDA/EKF算法的仿真比较,结果表明该算法具有更高的稳定性和跟踪精度。     

粒子滤波算法的FPGA设计与实现

粒子滤波在非线性和非高斯的场合有着广泛的应用,但由于其计算量大、运算速度慢等原因限制了粒子滤波在实时性系统中的应用．本文以FPGA为核心实现粒子滤波算法,采用模块化功能设计,在运用中简化了粒子滤波算法,提高了运算速度,以被动定位系统中目标跟踪为例进行仿真,验证了该方案的有效性．实验结果表明：该方案具有速度快、占用资源少的特点．     

基于偏差补偿滤波器的DMC算法

运用内模原理和预测控制的方法，讨论了基于脉冲响应的ＤＭＣ，保证控制系统具有良好的稳定性能，且其参数可以在线调整     

基于SRCDKF的交互式多模型算法

给出了一种基于平方根中心差分卡尔曼滤波的交互多模型(IMM)算法.该算法较好地解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波(EKF)的IMM算法更好的数值稳定性、计算精度和收敛速度,还避免了复杂的Jacobi矩阵运算.Monte Carlo仿真验证了该算法的可行性和有效性.     

胎头位置和宫颈扩张监测方法的研究

基于空间几何原理和超声多普勒三角测量法,提出了一种胎头位置、宫颈扩张的自动测量方法,以替代产科临床使用的传统手工触诊法。研究建立了跟踪定位测量系统模型,讨论了可能引发测量误差的原因。设计并实现了超声多普勒跟踪定位系统,包括超声传感器系统、超声驱动/接收电路和测控系统软硬件。模拟测试表明,所设计的系统对胎头位置和宫颈开口的5次测量平均值绝对误差小于0.25cm,远小于传统手工触诊法的平均误差2.0cm。