自适应α-β滤波算法的研究和应用

详细介绍了自适应α-β滤波算法的基本原理和其在雷达数据处理中的应用情况,并从原理上与其他两种比较常用的滤波算法的性能优劣对比;最后通过Matlab仿真对比和量化分析,进一步分析验证了自适应α-β滤波算法的适用性和实用性。     

基于改进的QIPF交互式多模型的机动弱目标检测前跟踪算法的研究

交互式多模型(Interacting Multiple Model,IMM)算法是当前处理机动微弱目标检测跟踪问题的主要研究方法,但是该算法使用的粒子数较多,导致算法的运行时间变长。本文章将传统的交互式多模型算法与改进的拟蒙特卡罗智能粒子滤波思想相融合,提出了一种适用于非线性、非高斯系统的拟蒙特卡罗粒子滤波交互式多模型检测前跟踪算法。     

基于自适应观测粒子滤波的运动跟踪算法

针对标准粒子滤波算法在运动跟踪的应用中还存在跟踪精度不高的问题,本文提出了一种基于噪声优化自适应观测粒子滤波算法的运动跟踪模型,首先构建基于目标跟踪的观测模型,利用当前时刻得到的观测量对粒子滤波算法进行修正,然后采用一个加权函数对目标进行采样来建立直方图,达到自适应加权的目的,最后采用不同方差的高斯噪声加权和来建模,对自适应观测粒子滤波进行去噪优化。仿真试验结果表明,本文提出的基于噪声优化自适应观测粒子滤波算法的运动跟踪模型相比较标准粒子滤波算法而言,具有较高的运动目标跟踪精度且在运动跟踪的应用中效果良好。     

一种α稳定分布下的变步长最小ρ-范数算法

本文提出一种新的基于α稳定分布噪声环境下的自适应滤波算法,这种算法针对变步长自适应滤波算法收敛速度和稳态误差相矛盾的不足,建立了步长μ(n)与误差信号e(n)之间的新的非线性函数关系。该函数能够削弱输入端不相关α稳定分布噪声对步长调整的影响,更好地解决稳态误差与收敛时间之间的矛盾。通过系统辨识仿真结果表明,新的算法α对稳定分布下的尖峰脉冲噪声有较强的韧性,比传统的NLMP算法有更快的参数辨识速度和更小的稳态误差,同时还具有很好地跟踪多时变系统的能力。     

基于改进的IMM目标跟踪算法研究

采用了交互式多模型(IMM)算法进行目标定位跟踪。交互式多模型(IMM)作为一种数据互联算法具有自适应的特点,可以有效地对各个模型的概率进行精细地调整,尤其适用于对机动目标的定位跟踪。实验结果表明,本文提出的算法能够有效地对目标进行定位跟踪。     

一种自适应滤波器的设计与仿真

随着科技的高速发展,人们对信号处理的实时性、准确性和灵活性的要求越来越高,自适应滤波器在信号处理中的地位也越来越重要.自适应滤波器是一种含复杂算法的处理器,它的实现主要采用最小均方误差算法,通过调整滤波器系数.来实现滤波,以便更好地跟踪信号的变化,最终实现自适应滤波.本文在Matlab环境下设计出自适应滤波器,验证了它的性能.     

基于多权值相似均衡的运动图像循环定位算法

为有效对运动图像的目标特征进行较好定位与跟踪,提出了一种基于多权值相似均衡的运动图像循环定位跟踪算法。该算法首先利用颜色与纹理构建运动图像的空间特征分布跟踪模型,通过特征聚类对运动图像自动划分目标空间,然后根据目标模型的相似函数计算多个特征权值对目标模型进行选择性均衡,并结合特征权值自适应迭代定位跟踪信息,以最大程度地对运动图像的细节特征进行定位跟踪。实验结果表明,该算法优于传统的定位跟踪方法,尤其在跟踪目标受到外界干扰时能够得到比较理想的跟踪效果。     

红外多目标跟踪技术研究

与雷达主动探测相比,红外被动侦测虽然有其劣势,但同样有其不可比拟的优点,同雷达传感器一样,红外传感器已成为一种重要的搜索探测方式,所以,研究红外传感器多目标跟踪技术具有极其重要的理论和现实意义。依据红外传感器自身独有的特性,提出"当前"统计模型和自适应跟踪滤波的红外目标跟踪方法,并在此基础上讨论了自适应跟踪滤波算法。     

基于HSV-HOG的改进TLD目标跟踪方法

针对目前现有的TLD(跟踪-学习-检测)算法易受阴影、遮蔽、摄像机晃动或是目标快速运动的影响,提出基于HSV-HOG的改进TLD目标跟踪方法。首先,在跟踪初始化前通过加入HSV颜色空间提高TLD算法初始化速度以及抗噪性,使得TLD算法在阴影、抖动的干扰下依然能够实现较好的目标跟踪。若TLD算法选取的跟踪目标受到遮蔽、运动过快,则在算法中加入自适应kalman滤波预测目标物体可能存在的区域,缩小跟踪器的跟踪范围,提高跟踪速度,并在检测器加入后验HOG特性,对已缩小的预测区域进行检测,增强了检测器的判别和检测能力。实验证明,改进的追踪方法具有较好的鲁棒性和跟踪精度。     

基于QT的雷达目标跟踪系统设计实现

现代雷达面临的环境日益复杂,空中目标可能达到几百甚至上千批,并采用各种协同或非协同方式机动,无处不在的噪声、杂波和干扰也带来大量不确定性.针对日益复杂的现场态势,本文提出一种基于QT平台雷达目标跟踪系统的设计方案.该系统能根据环境自适应选择跟踪算法,实现目标跟踪处理和目标信息实时显示的功能.系统功能较为完备、界面友好,...     

单模型机动目标跟踪算法仿真

本文针对单模型的机动目标,具体阐述了匀加速模型(CA)的应用实例,通过算法仿真分析出这两个模型在实际应用中的优缺点,并且指出CV模型应用的局限性,以及CA模型在加速度跳变的时刻存在一个收敛的过程,当达到收敛时其在加速阶段的跟踪效果比在匀速阶段跟踪的效果要好这一突出特点,为以后通过改善跟踪门来解决单模型机动目标跟踪性能的方案提供参考依据。     

基于空间谱瞬时值聚类的调零天线DOA均衡处理

自适应调零天线被广泛应用在卫星通信和舰载雷达通信等领域,对调零天线的DOA均衡处理是保证在高信噪比下实现波达方向估计和信道均衡的关键技术。传统方法采用功率谱估计算法实现对调零跳线的DOA均衡处理,算法在强干扰环境下均衡效果不好。提出一种基于空间谱瞬时值聚类的调零天线DOA均衡算法。首先进行调零天线中的自适应滤波处理和信号模型构建,基于自适应滤波算法估计误差自动调整滤波器参数,计算接收信号的协方差矩阵,接收信号同参考信号的互相关矢量分别满足系统Wiener解。进行调零天线期望信号的空间谱瞬时值信息特征提取和聚类算法设计,实现调零天线的自适应滤波的DOA均衡算法改进设计。仿真结果表明,该算法具有较好的码间抗干扰性能,收敛速度和精度上相比传统算法有了较大提升,提高了调零天线的波达信号识别能力,DOA均衡处理性能提高,展示了较好的应用价值。     

基于分布传感的容迟自组织网络动态融合算法

通过对自组织网络动态融合,提高复杂应用环境下的无线传感网络的稳定性和通信能力。传统方法中对自组织网络动态融合采用时延-多普勒域动态重组的融合机制,导致相邻节点功率均衡偏差,融合性能不好。提出一种基于分布传感的容迟自组织网络动态融合算法。构建无线传感自组织网络的网络模型,设计短距离通信的主从式无线传输信道自适应跟踪技术和冲激响应特性分析模型,使用分段副本相关检测器对分布频段内频谱进行分段滤波和检测,进行无线传输信道自适应均衡设计,通过相关处理后,可消除这种多径干扰的影响,得到分布传感的容迟自组织网络动态融合结果,实验得出,该算法的融合精度较高,信号保真度较好,优于传统算法,展示了较好的应用价值。     

基于Kalman滤波的CAMShift目标跟踪算法

针对传统的CAMShift算法跟踪目标丢失的问题,提出一种基于Kalman滤波的CAMShift目标跟踪算法。为验证改进后算法,可用安装摄像头的农田作业设备采集图像,并对图像中的特定目标进行跟踪。该算法用Kalman滤波器预测下一帧特定目标的位置,统计候选目标的直方图并进行反向投影,将得到的色彩概率分布图跟踪特定目标的特征。实验表明,改进后的算法在目标快速运动的情况下仍然取得较好的跟踪效果,具有较好的稳定性。     

一种关于海底鱼类的跟踪算法

在对海底的鱼类进行研究时,需要准确的对鱼进行追踪。由于海底鱼类运动的随意性,目标鱼会由于姿势的变化或被其他鱼遮挡变的难以追踪,针对这种情况,提出了一种自适应跟踪框的核相关滤波算法。为了在目标鱼姿态变化或被遮挡时能准确对目标进行追踪,采用自适应跟踪框能更好的对目标的信息做出反应,而不会因为目标的姿态变化混入与目标无关的信息或丢失部分目标信息。在2组视频中的实验结果表明,这种方法的平均处理速度可以达到42帧/s,并且能在目标鱼附近存在干扰信息、目标鱼自身姿态变化和目标鱼信息与其他无关鱼信息混杂等情况中取得准确度高的跟踪结果。     

吏用虚拟噪声补偿技术的自适应kalman滤波算法的研究

研究使用虚拟噪声补偿技术的自适应kalman滤波算法。首先对实际系统模型中的误差部分进行虚拟噪声补偿,然后通过一般自适应kalman滤波算法相结合,使改进的自适应kalman滤波算法在带有模型误差和噪声统计特性误差的前提下,能够在线估计观测随机误差的噪声特性。并编制仿真软件,验证改进算法的可行性。     

一种基于多传感器信息融合的盲区检测与目标跟踪方法

随着经济和社会的发展，大型商用车保有量逐年增加，因其车辆构造产生视野盲区导致的交通事故也随之增加。传统单一类型传感器检测精度低，已无法满足如今复杂交通场景的应用。基于此，文章提出了一种基于多传感器信息融合的盲区检测与目标跟踪方法，采用多种传感器感知盲区环境，基于YOLOv3算法与DeepSORT算法，改进提出自适应的快速DBSCAN聚类算法，利用CIOU匹配替换传统IOU匹配，提升目标聚类精度与算法匹配性能，实现更高精度的盲区目标检测与跟踪。     

使用虚拟噪声补偿技术的自适应kalman滤波算法的研究

研究使用虚拟噪声补偿技术的自适应kalman滤波算法。首先对实际系统模型中的误差部分进行虚拟噪声补偿,然后通过一般自适应kalman滤波算法相结合,使改进的自适应kalman滤波算法在带有模型误差和噪声统计特性误差的前提下,能够在线估计观测随机误差的噪声特性。并编制仿真软件,验证改进算法的可行性。     

改进的粒子滤波的视频图像目标跟踪技术

主要研究了视频图像目标跟踪准确性问题。在基于核的颜色特征统计描述及以此建立视觉目标观测概率方法的基础上,提出了一种改进的粒子滤波视频图像目标跟踪算法。首先,本文给出了基于标准粒子滤波的单特征、单目标跟踪算法,然后针对加权样本参数的选择不同,提出改进思路,最后通过与基于均值移位视觉目标跟踪算法的实验结果对比。提出的改进的粒子滤波跟踪算法在稳健性方面有显著地提高,而且若适当选择视觉跟踪参数,在实时性方面能得到有效地保证。     

基于目标检测与加权混合特征的目标跟踪算法

由于传统Camshift算法在运动目标被遮挡、受到背景同色干扰、运动过快时存在跟踪失败问题,因而文中提出一种融合目标检测与混合特征描述的跟踪算法。针对传统单一的颜色直方图的描述,提出基于感知哈希算法、纹理特征与颜色特征相融合的混合特征表达方式表征运动目标区域。针对目标运动过快或者被遮挡的干扰,引入Kalman滤波来预测目标出现的位置,并结合运动目标检测,加快目标搜索过程,提高Camshift算法在目标跟踪与搜索时的准确性与时效性。选取不同场景下的多组视频进行实验,结果表明,跟踪算法具有较好的鲁棒性,验证了算法的有效性。