目标的特征表达是目标跟踪过程的关键,人工特征相对简单,实时性强,但表征能力不足,在处理快速变化和目标遮挡相关问题时,容易产生跟踪漂移。深度神经网络(DNN)在目标检测和识别任务中的强特征表达能力,使DNN逐渐成为特征提取工具。采用更深层的残差神经网络(ResNet)替代VGG-19网络作为特征提取工具,首先将ResNet-50中的特殊附加层结构和卷积层特征进行融合,得到鲁棒性更强的目标表征特征。然后对特征进行相关滤波操作,根据最大响应值确定目标位置。最后,为扩展算法在局部目标跟踪领域的应用场景,采用基于图形的视觉显著性检测算法提高局部目标的权重值,抑制背景信息,以提升特征层的目标表征能力。

为提高目标航迹姿态估计的实时性, 提出一种基于Jerk模型的航迹姿态滤波及其新息指导的降维动态模型库建立算法。该算法首先基于航迹方位角与航迹横滚角之间的关系, 将目标三维模型降为二维模型; 然后采用Jerk模型算法对航迹姿态进行滤波, 并利用滤波过程中的新息判定目标机动状态, 实时指导动态模型库的建立。实验结果表明, 可有效缩减模型库的规模, 提高了姿态角估计的效率, 且保持一定的估计精度, 是一种有效的动态模型库建立算法。

为实现实时计算多个目标飞行轨迹, 并引导设备跟踪目标, 根据目标运动特性和光电经纬仪跟踪测量的固有特性, 设计了一种多目标实时交会方法, 解决了同名目标点的排序和假目标轨迹剔除问题, 最终得到正确的目标轨迹.试验证明, 对于跟踪目标N≤3, 通信周期50 ms的光电经纬仪测量系统, 利用该多目标实时交会算法处理测量数据, 可实时、精确、稳定引导测量设备进行跟踪工作.

目标跟踪中准确的遮挡检测对于跟踪算法适应性的提高至关重要。针对传统的遮挡检测方法对局部遮挡等情况判断准确度低、适应性差的问题,提出一种基于前后向误差比较并辅以区域标准差比较的方法的跟踪遮挡检测方法。该方法对目标在时序上进行前向和后向跟踪,通过比较前向跟踪和后向跟踪的轨迹误差并结合最佳匹配区域标准差的进行特征性检验确定是否发生了跟踪遮挡。相对于传统的跟踪遮挡检测方法,其优越之处在于克服了相似性阈值选择不当引起的目标跟踪遮挡判断不准确及适应性不强的问题。实验证明,本文提出的方法能够实现对目标跟踪遮挡的有效检测。

空地目标分类是机载预警雷达地面目标过滤的关键步骤，可以有效改善目标航迹质量。在充分利用目标航迹信息和地面道路信息的基础上，研究了一种基于航迹与道路相似度的空地目标分类方法。首先，设计了一种将目标滤波点迹匹配到路段的快速算法，筛选出用于后续分类的路段;然后在含有曲线路段的情况下，计算目标航迹与道路的平均距离及相关系数;最后依据门限判决和滑窗处理来完成两类目标的分类。仿真结果表明，该方法在不同目标航迹分布情况下均能正确实现空地目标的分类。

为了建立能体现飞行器姿态变化及实际运动特性的航迹模型，提出了在光电对抗半物理仿真系统中利用变参数控制生成目标航迹的方法。该方法依据飞行轨迹控制原理，把飞机飞行动力学模型作为被控对象，在分析轨迹控制参数特点的基础上，构造了以控制误差为自变量的比例参数和微分参数函数模型。通过这些函数，变参数模型能够根据瞬时误差实时改变参数大小，从而适应飞行器轨迹运动过程中的非线性特点，减小生成航迹的误差。最后，利用某型飞机数据进行了数学仿真试验。结果表明：该方法产生的航迹与给定航迹最大距离相对误差为3.9%，稳定后相对误差为0.1%；航向最大相对误差为1.8%，稳定后相对误差为0.056%。另外，该方法具有通用性，可以满足仿真系统中对目标航迹模拟的要求。

针对防空作战中空中目标航迹预测的问题,提出了一种基于灰色理论的空中目标航迹预测方法。该方法通过建立等维新息残差修正GM预测模型,实现了航迹的实时在线预测,从而提高了预测精度。通过实例计算表明:在数据有限的情况下,该模型用于航迹预测效果明显。

本文论述了卡尔曼滤波估值理论在激光雷达跟踪系统中的应用方法.首先建立目标和激光雷达测量值的数学模型;然后讨论了跟踪数学模型线性变换方法以及对滤波器精度的影响;在此基础上,提出了激光雷达跟踪运动目标时高精度的跟踪方法.