摘要：针对机动目标的运动特点,提出了一种基于模糊自适应的α-β滤波新算法。算法首先详细分析了目标航向角和观测残差与目标机动的关系,提出综合利用航向角变化量和残差作为模糊逻辑输入变量来调整滤波器参数,且根据实际的机动目标跟踪情况,给出一种有效的模糊逻辑规则设计方法。实验结果表明,提出的算法能够准确对机动目标进行跟踪,性能要好于工程中常用的α-β滤波器,且算法设计简单,可工程实现。

摘要：针对非均匀稀疏采样环境下的被动机动目标跟踪问题,基于模糊逻辑推理,提出了一种新的自适应α-β滤波算法。详细分析了非均匀稀疏采样被动传感器上报数据的特点,将标准化新息和新息的一阶微分作为模糊推理的两个输入变量,并同时引入时间间隔、目标速度等因素,设计输入变量的调整因子,自适应获取滤波器参数。实验结果表明,提出的算法能够准确对机动目标进行跟踪,性能优良,且易于工程实现。

摘要：针对低检测概率环境下被动传感器阵列中的数据关联问题,提出了一种基于视线距离的数据关联新算法。首先详细分析了传统基于视线距离数据关联方法的不足,提出各个观测站对于同一个目标的平均视线距离应最小。同时,认为同一个目标只要被超过2/3的传感器所观测,此关联组合就有效。最后,利用关联组合的平均视线距离和有效传感器个数来设计模糊隶属度函数,以模糊关联隶属度最大为关联准则构建数据关联算法,给出了算法流程。实验结果表明,在检测概率不为1、误差较大的多目标环境下,提出的算法要明显优于传统方法。

摘要：多目标跟踪中的数据关联一直是信息融合领域的难点和热点问题,针对杂波环境下多目标跟踪中的数据关联问题,提出了一种基于模糊推理的JPDAF新方法。该方法中,首先详细分析了杂波环境多目标观测数据的特点,定义了多目标环境下的标准化新息变量及新息的一阶微分变量;然后将其作为模糊推理的两个输入变量,通过设计合适的模糊隶属度函数和模糊推理规则,自适应计算目标观测的关联概率来代替传统联合概率数据关联滤波器(JPDAF)中的关联概率,实现对多个目标的有效跟踪。实验结果表明,提出方法的目标跟踪性能要好于传统的JPDAF和Fitzgerald's方法,在实时性方面,提出方法也要远好于传统的JPDAF方法,接近Fitzgerald's方法,能够有效对多目标进行关联跟踪。

摘要：针对非均匀稀疏采样环境下的被动机动目标跟踪问题,提出了一种新的自适应α-β滤波算法。算法首先在最小均方误差准则下,推导了α-β滤波器的最优参数选择方法;然后详细分析了非均匀稀疏采样被动传感器上报数据的特点,提出利用上报时间间隔和目标速度来设计跟踪指数,且根据被动传感器系统的实际观测情况,推导了观测误差标准差的表达式;最后,在保证算法稳定性的前提下,给出了自适应滤波器参数设计方法。实验结果表明,提出算法能够准确对机动目标进行跟踪,性能要好于工程中常用的α-β滤波器,且算法设计简单,能够工程实现。

摘要：针对视觉跟踪中目标、背景的复杂变化问题,提出一种遮挡检测的核最小二乘视觉跟踪算法。首先,以带约束的核最小二乘方法建立视觉跟踪优化模型,训练阶段,循环移位基采样构造训练样本集,达到稠密采样目的,利用循环矩阵的优良特性,通过快速傅里叶变换高效计算核最小二乘问题;同时,提出了基于高阶累积量的遮挡、形变等复杂变化的检测方法,改进分类器的更新处理机制。实验结果表明,在各种具有挑战性的视频序列,与现有最好算法对比,在实时性和精度方面,本文所提算法都具有较优的性能。

摘要：提出了一种基于模糊自适应的Kalman滤波机动目标跟踪新算法。算法首先分析了目标航向角和观测残差均能实时反应出目标机动情况,并由此设计了一种有效的模糊逻辑规则,综合利用航向角变化量和残差,通过模糊推理动态估计Kalman滤波器的过程噪声协方差,从而提高对机动目标跟踪的性能。实验结果表明,提出算法对机动目标跟踪的精度较交互式多模型(Interacting multiple model,IMM)算法高,且计算量比IMM算法小。