1 中国科学院云南天文台，云南 昆明 650216
2 武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉 430079
3 中国科学院大学天文与空间科学学院，北京 100049
月球激光测距（LLR）极大推动了地月科学、月球空间基准以及引力物理的发展。为了充分利用LLR数据，依据目前广泛应用的国际地球自转服务2010（IERS 2010）规范对固体潮、海潮、大气延迟和广义相对论效应进行建模，并建立了LLR观测模型。利用该模型检核了国际激光测距服务（ILRS）提供的所有LLR观测数据，生成的月球角反射器预报文件CPF（Consolidated prediction format）支持云南天文台LLR的独立观测。将INPOP19a、DE430、EPM2017历表作为观测模型输入并检核LLR标准点数据，结果表明，相比其他历表，INPOP19a历表与实测数据更接近。
测量与计量 月球激光测距 观测模型 历表 国际地球自转服务 激光与光电子学进展
2022, 59(19): 1912003
1 长沙师范学院信息科学与工程学院, 湖南 长沙 410100
2 中南大学物理与电子学院, 湖南 长沙 410083
基于深度学习的目标跟踪算法将卷积深层输出结果作为特征,虽然准确度高但耗时长;基于融合特征的目标跟踪算法按照响应值融合目标特征,虽然跟踪速度快,但降低了准确度。为了兼顾目标跟踪算法的时效性和准确度,提出基于相似性特征估计的目标跟踪算法。首先利用重要性重采样滤波粒子构建目标观测模型,其中包括选择粒子状态、转移系统状态、构建观测模型、粒子权值更新以及重采样过程。在此基础上,提取目标的统计纹理特征、运动尺寸特征以及运动速度与方向特征,并融合目标特征构建目标特征框架。结合相似性特征估计完成目标定位,包括描述目标模型、表示候选模型、度量目标具体相似度以及目标定位过程。在完成目标定位后,基于实时压缩实现目标跟踪。本文算法的跟踪准确度均在90%以上,跟踪过程耗时保持在450ns以下,性能优于基于深度学习和融合特征的目标跟踪算法。本文算法能够快速、准确实现对目标的跟踪,应用优势较强。
图像处理 相似性特征估计 目标跟踪算法 目标观测模型 预估均值 观测阈值 激光与光电子学进展
2020, 57(24): 241005
空军工程大学 防空反导学院, 陕西 西安 710051
针对重构算法影响压缩成像目标检测效率和结果的问题, 提出一种二维非重构自适应阈值的红外弱小目标检测算法。基于Hadamard矩阵构建的二维观测模型, 利用Hadamard矩阵的特性对压缩差分图像进行解压缩, 直接解码目标的空域特征, 并利用改进的自适应阈值法对解码后的图像进行目标检测, 避免了重构带来的存储空间和运算时间的浪费。仿真实验表明: 在单目标和多目标的情况下, 该算法都可以有效检测目标, 并在检测率、虚警率和运算时间等指标上具有优越性能, 为压缩感知红外弱小目标检测的工程应用提供新的思路和有效算法。
非重构 目标检测 压缩差分 二维观测模型 自适应阈值 non-reconstruction target detection compressive subtraction two-dimensional measurement model adaptive threshold method 红外与激光工程
2019, 48(1): 0126001
1 空军工程大学电讯工程学院,西安710077
2 中国人民解放军68321部队,西安710600
在多部2D传感器组网目标定位中，为减小地球曲率对观测的影响，充分利用各传感器量测并解决观测方程的非线性最小二乘问题，提出了融合方位量测的测距最小二乘算法。该算法的实质是基于多部2D传感器设备的测距以及方位角信息，考虑地球曲率的影响建立等效的观测模型和非线性方程，通过数学变换将非线性系统转化为线性系统；利用纯距离最小二乘定位原理初步估算出目标的位置，然后融合各传感器的方位量测得到关于目标的最终位置估计。仿真实验表明，本方法在3部以上2D传感器观测并且测距误差较大而方位误差较小的情况下，可以修正测距最小二乘法在某些位置的定位误差，从而整体提高目标的定位精度。
多传感器网络 目标定位 观测模型 最小二乘 融合 multisensor network target locating observation model least squares fusion
国防科学技术大学电子科学与工程学院, 湖南 长沙 410073
针对天基光学传感器网络对目标的定位精度分析难题，提出一种基于多因素分析的目标定位精度分析方法。首先，根据目标到光学传感器像平面的转换关系，建立目标观测模型。其次，分析目标定位过程中的各种误差源，通过引入地惯坐标系下的目标视线矢量作为中间变量，推导出目标三维位置、目标视线矢量以及目标像平面位置三者之间的误差传递矩阵。在此基础上，根据最小二乘准则建立多颗星观测时的目标定位精度理论分析模型。不同条件下的理论定位精度以及蒙特卡罗(Monte-Carlo)仿真结果验证了该理论分析模型的有效性，部分结论可以为传感器调度等工程应用提供参考。
传感器 定位精度 多因素分析 观测模型
1 中国矿业大学 信息与电气工程学院，江苏 徐州 221008
2 徐州工程学院 信电工程学院，江苏 徐州221008
针对矿井跟踪视场中由于单一线索对目标特征描述缺乏可分性以及多线索融合策略对场景变化缺乏自适应性导致人员跟踪失效的问题，提出了基于自适应多测量融合粒子滤波的矿井人员跟踪算法。将粒子邻域光流统计信息表征的运动性作为线索建立运动光流直方图模型，并与颜色相融合建立多观测模型。将单观测估计状态粒子区域与融合估计粒子区域的质心距离作为单观测模型贡献率度量因子，定义了观测权值自适应策略，实现了粒子观测模型与跟踪目标状态特征的同步变化；通过建议重采样函数对粒子落入低观测似然时进行有效的采样补偿，增强了跟踪的鲁棒性。实验结果表明，本算法能够有效地解决矿井跟踪视场下(背景复杂)由于场景变换而导致跟踪目标丢失的问题；将本文算法与基于颜色和基于颜色与帧差分融合的粒子滤波算法做状态估计均方误差比较，结果表明，状态估计准确率提高了1.57倍。
视场跟踪 运动光流直方图 多观测模型 观测权值自适应 粒子滤波 visual tracking moving optical flow histogram multi-observation model adaptive weights of observation model particle filter 光学 精密工程
2010, 18(10): 2254
建立有效的观测模型去区分目标与背景是实现稳健跟踪的核心。提出了一种基于多特征观测的红外目标跟踪算法。灰度特征、局部标准差特征和梯度特征均以直方图的形式描述目标外观;目标观测模型的构建则根据环境自适应权衡了以上三个特征,相应的各特征权值的动态选择通过最大化目标与其他图像区域的差异完成。在粒子滤波框架下,实现目标运动状态的估计与多特征权值的选择。真实场景实验结果表明,该算法在目标外观高动态、背景强杂波的红外目标跟踪中具有更强的稳健性。
红外目标跟踪 多特征整合 观测模型 粒子滤波
