1 南京电子技术研究所，江苏 南京 210039
2 北京航空航天大学 电子信息工程学院，北京 100191
在传统多假设跟踪(MHT)算法中通常会假设杂波强度先验已知，当观测场景中杂波未知且空变时，该假设将会导致跟踪算法性能急剧下降。针对这一问题，本文提出一种基于自适应高斯混合模型(GMM)在线估计未知杂波的改进MHT 算法。首先利用自适应GMM 拟合未知杂波空间分布，并自适应地估计出波门内的杂波强度；然后将其应用于MHT 处理中，有效改善航迹得分计算和最优假设航迹估计的准确性，进而实现在杂波未知场景中的稳定跟踪。仿真结果表明，在未知杂波观测场景中，所提算法相比传统MHT 算法和MHT-GMM 算法获得了更好的数据关联准确性和航迹维持性能。
多假设跟踪 杂波强度 自适应高斯混合模型 航迹得分 最优假设航迹 multiple hypothesis tracker clutter intensity adaptive Gaussian Mixture Model track score optimal hypothetical track 太赫兹科学与电子信息学报
2023, 21(6): 794
1 南京电子技术研究所，江苏 南京 210039
2 北京航空航天大学 电子信息工程学院，北京 100191
面对当前日益复杂的雷达跟踪目标和环境，广泛应用的卡尔曼滤波及其扩展类算法虽然能以较少的计算量得到较好的跟踪效果，但其要求过程噪声与量测噪声符合零均值高斯分布，否则会导致滤波发散。为解决系统状态及噪声未知但有界情况下的机动目标跟踪问题，介绍了一种扩展集员滤波机动目标跟踪算法，并辅以基于信息几何的跟踪性能监测处理。通过仿真分析验证了基于集员滤波与信息几何的机动目标跟踪边界约束性能及跟踪准确度较好，且能通过统计流形距离的变化来探测目标是否发生机动。
目标跟踪 集员滤波 信息几何 机动监测 target tracking set-membership filter information geometry maneuvering monitoring 太赫兹科学与电子信息学报
2018, 16(5): 786
1 中国电子科技集团公司第 3研究所, 北京 100015
2 北京航空航天大学电子信息工程学院, 北京 100191
太赫兹合成孔径雷达( SAR)能够克服传统机载 SAR成像帧率低, 慢动目标检测困难等问题。然而相比传统微波波段的 SAR, 由于载波的波长极短, 太赫兹 SAR对平台高频振动误差更为敏感。对于适合应用太赫兹 SAR系统的直升机平台而言, 其振动也明显强于传统的固定翼载机平台, 平台振动引起的相位误差将严重影响成像效果。为克服平台振动对太赫兹 SAR的影响, 采用数值仿真方法, 结合直升机平台的振动特性, 较为全面地仿真分析了振动谱宽、振动幅度、谐振分量等因素对太赫兹 SAR成像质量的影响, 得出了平台振动参数与成像系统参数之间的约束条件。
太赫兹 合成孔径雷达 成像 振动误差 terahertz Synthetic Aperture Radar(SAR) imaging vibration errors 太赫兹科学与电子信息学报
2018, 16(2): 205
北京航空航天大学 电子信息工程学院，北京 100191
对动目标回波的包络走动和相位偏移进行了理论推导，提出了一种脉冲多普勒(PD)雷达脉间运动的补偿算法，阐述了该算法的现场可编程门阵列(FPGA)实现结构。基于中频回波的处理流程，算法适用于对线性调频(LFM)脉冲进行去斜处理的PD雷达。利用Matlab和Modelsim对该方案进行了联合仿真验证，分析了它的有效性和补偿性能。
脉冲多普勒雷达 脉间走动补偿 去斜 现场可编程门阵列 Pulse Doppler radar motion compensation dechirp Field-Programmable Gate Array 太赫兹科学与电子信息学报
2016, 14(5): 701
北京航空航天大学 电子信息工程学院, 北京 100191
近年来, 可见光视频序列的人体运动识别研究已经取得了一定的进展。由于这些数据源容易受到目标颜色、光照强度和背景杂波的影响, 因此将深度信息应用于人体运动识别。本文首先采用了基于时空兴趣点的人体运动的局部表征方法, 分别实现了Harris时空兴趣点与基于Gabor滤波器的时空兴趣点(STIPs)检测方法在深度信息上的应用。然后对相应结果进行立方体描述并提取了深度立方体相似特征(DCSF)。最后利用基于时空码本的支持向量机(SVM)动作分类器完成对动作的分类。实验表明, 基于Gabor滤波器的检测方法在深度数据集上取得了更好的识别效果。
分层传输运动分析 运动识别 时空兴趣点 运动表征 SVM分类 motion analysis motion recognition spatio-temporal interest points motion characterization Support Vector Machine classification 太赫兹科学与电子信息学报
2016, 14(3): 443
直接利用雷达高分辨一维距离像或是提取一维像单一特征进行目标识别难以取得理想效果。为了更好地反映雷达目标本身的物理特性，提高雷达目标识别率，对雷达目标高分辨一维距离像的频谱幅度、能量聚集区长度、散射中心数目和中心矩特征进行提取并构成多特征向量，描述雷达目标高分辨一维距离像频域、能量等物理特性，采用主成分分析方法进行特征维数压缩，基于支持向量机的方法进行分类识别，从而提出一种基于多特征提取的雷达目标识别方法。实验结果表明，采用该多特征提取方法进行雷达目标识别有助于提高识别率和减少分类时间。
目标识别 高分辨一维距离像 多特征提取 雷达 target recognition high range resolution profile multifeature extraction radar
