在多目标跟踪环境下，粒子概率假设密度(P-PHD)因杂波、漏检和非线性情况，导致滤波精度不高,跟踪发散,对此问题提出一种基于数值积分粒子概率假设密度滤波算法。利用数值粒子滤波（QPF）实现概率假设密度(PHD)，用数值卡尔曼滤波(QKF)算法得到更好的重要性密度函数，并从中采样得到粒子，使粒子的分布更接近真实的概率假设密度分布。试验仿真表明,与粒子概率假设密度和容积粒子概率假设密度滤波算法相比，所提算法的滤波精度和稳定性明显提高。关键词：多目标跟踪；数值积分粒子滤波；概率假设密度滤波；随机有限集
多目标跟踪 数值积分粒子滤波 概率假设密度滤波 随机有限集 multi-target tracking quadrature particle filter PHD Random Finite Set (RFS)
1 空军工程大学信息与导航学院, 西安 710077
2 中国航天科工集团第四研究院红峰控制公司, 湖北 孝感 432000
3 中国人民解放军91206部队, 山东 青岛 266108
针对现有异类传感器数据关联算法在构造关联代价时未充分考虑最大似然估计引入误差的问题, 提出了一种修正代价函数的异类传感器数据关联算法。基于主、被动传感器各自的优势信息构造观测矩阵, 得到目标的位置估计, 继而根据异类传感器融合系统的观测模型得到伪量测信息, 并利用一阶泰勒展开近似推出伪量测的方差信息, 再用其对关联代价函数进行修正, 改进后的代价函数能更加准确地描述量测之间的关系。仿真结果表明, 修正后的关联代价函数能更精确地反映数据关联的可能性程度, 所提算法可获得更好的关联正确率。
数据关联 异类传感器 修正代价函数 data association heterogeneous sensors modified cost function
由于被动传感器只能获得目标的角度量测，因此杂波环境下基于被动传感器的关联问题较主动传感器更为困难。针对杂波环境下纯方位多被动传感器系统的单目标跟踪问题，提出了一种基于扩展卡尔曼滤波的模糊综合贴近度关联跟踪方法。该方法采用直角坐标系下多被动传感器系统的扩展卡尔曼滤波对目标进行跟踪。首先利用目标航迹的预测信息，针对每个传感器建立确认跟踪门;在获得候选关联组合后，直接利用角度信息建立各候选关联组合与角度预测值间的模糊综合贴近度，通过在所获得的全部模糊综合贴近度中寻求最优解完成量测到航迹的关联。仿真实验表明，该方法可以有效地解决杂波环境下多被动传感器系统的单目标跟踪问题。
目标跟踪 多被动传感器 扩展卡尔曼滤波 确认跟踪门 模糊综合贴近度 target tracking multiple passive sensors extended Kalman filter validation gate fuzzy synthetic clingy-degree
1 空军工程大学 电讯工程学院，陕西 西安 710077
2 63751部队 技术室，陕西 西安 710028
针对均值漂移算法中采用单一颜色特征以及缺乏必要模板更新方法的缺陷，提出一种基于多特征的双模板自适应更新目标跟踪算法。引入像素点邻域灰度均值差和分层空间信息加强目标特征的鉴别性，再通过对目标与背景区域双模板相似度系数的综合分析，准确地判断跟踪干扰因素的来源，并以当前帧目标区域的相似度系数为权值对目标模板进行加权更新，使得模板更新速度与其目标特征变化相适应的同时抑制模板过更新，较好地解决了模板更新时机和更新速度等问题。仿真结果表明，所提算法在不同跟踪场景下均具有较强的鲁棒性。
图像目标跟踪 均值漂移算法 多特征 双模板 模板过更新 image target tracking mean shift algorithm multiple features dual template excessive template updating
1 空军工程大学电讯工程学院，西安 710077
2 中国人民解放军63751部队技术室，西安 710028
针对粒子滤波算法中粒子退化问题，提出一种基于粒子分组优化的自适应跟踪算法。在传统粒子滤波算法的基础上，分别从特征直方图的建立和粒子重采样策略两个角度进行改进。综合考虑目标与背景的特征显著性和相似性两个因素建立比值关系进行量化分析，选取能够最大程度区分前景目标和背景的特征，并以此区分度作为权值确定直方图中所选特征的区间数。通过实时分析粒子间相对空间分布位置，建立一种新的粒子重采样策略，采用复制、线性组合、淘汰等不同形式对粒子的数量和分布位置进行自适应调整, 使得粒子性能得到优化。实验仿真结果验证了所提算法的有效性。
图像目标跟踪 粒子滤波算法 粒子分组优化 重采样策略 特征显著性 特征相似性 image target tracking particle filter algorithm particle grouped optimization resampling strategy feature conspicuousness feature similarity
西安交通大学电子与信息工程学院,陕西,西安,710049
针对相关匹配法计算量大的缺点提出了一种快速匹配算法.该算法采用由粗到精的匹配策略,对匹配区域先用环形模板进行粗匹配以确定待匹配窗口,再用全模板进行精匹配以确定正确匹配窗口.将该算法用于遥感图像匹配,仿真结果表明,该算法不仅能够实现正确匹配,而且计算量只有相关匹配法的10%.
图像匹配算法 遥感图像 环形模板
