被动跟踪

摘要： 针对被动跟踪环境下对目标角度数据滤波降噪效果差的问题,提出一种自适应修正角度滤波算法。引入伪加速度,通过累积一定时间内数据的残差来获取自适应的滤波增益。该算法工程意义显著,对于被动探测的传感器,可以对其测量数据进行滤波处理,提升制导数据精度。在干扰对抗环境中,既能够对测量数据进行滤波降噪,又可以得到角速度等信息,为数据融合提供辅助因素。另外,在仅有二维角度信息的协同跟踪条件下,能够为三角定位提供目标数据时间对齐的方法,进而提高定位精度。

摘要： 针对被动跟踪环境下对目标角度数据滤波降噪效果差的问题,提出一种自适应修正角度滤波算法.引入伪加速度,通过累积一定时间内数据的残差来获取自适应的滤波增益.该算法工程意义显著,对于被动探测的传感器,可以对其测量数据进行滤波处理,提升制导数据精度.在干扰对抗环境中,既能够对测量数据进行滤波降噪,又可以得到角速度等信息,为数据融合提供辅助因素.另外,在仅有二维角度信息的协同跟踪条件下,能够为三角定位提供目标数据时间对齐的方法,进而提高定位精度.

摘要： 近年来,仅利用纯方位量测下的多无人机对运动目标进行协同定位与跟踪技术研究受到了广泛关注。在目标位置未知的情况下,现有的对运动目标的纯方位估计策略以及观测器机动控制策略性能仍不够理想。该文针对多无人机研究了一种用于目标定位的无偏估计器,以及用于控制多无人机在以目标为中心的圆周上形成等角编队的控制器。提出了一种用于估计目标状态的粗估计器,并利用卡尔曼滤波获得了精确的目标状态估计。针对现有的基于方位的控制律进行改善,基于虚拟交叉算法对控制律进行改进,得到一种新的基于方位角和目标估计速度的控制律,确保无人机在以目标为中心且具有指定半径下的圆周上形成等角间隔编队。通过数值仿真,验证了所提出估计算法的渐近无偏性,进一步验证了控制误差可收敛为零,且收敛速率和稳定性优于现有的估计和控制策略。

摘要： 单独应用红外传感器进行跟踪时不能获取关于目标的距离信息,在实际应用中常需结合激光测距完成火控信息的获取,然而在一些特殊情况下,如在激光对抗或激光故障条件下,如何获取完整的目标跟踪信息就显得尤为重要.为提升系统的隐蔽性,并且实现全要素跟踪信息的获取,充分利用多平台进行联合跟踪,采用红外多站联合对目标进行检测,同时应用无迹卡尔曼滤波(UKF)进行跟踪融合.通过对空中目标的联合跟踪算例,进行了方法验证.仿真结果表明,所提出的联合跟踪方法能够有效进行空中目标的连续跟踪.

摘要： 水声被动跟踪系统可在无合作信标情况下实现水下目标的被动定位与跟踪.针对一种基于48阵元线列阵的水声被动跟踪系统,设计开发了水下多目标跟踪数据处理软件,通过介绍软件功能、组成、工作流程和数据处理方法,展示实时跟踪效果,表明软件能够实现水下多目标的实时方位估计和特征识别,并在实际工作中取得显著成效.

摘要： 针对多枚采用被动导引头的导弹联合攻击机动目标的问题,基于多站无源定位技术与增强比例导引(APN)规律设计了一种具有领弹-从弹拓扑结构的协同制导策略.该制导策略根据被动测角信息建立多弹联合的目标跟踪模型,应用扩展卡尔曼滤波方法对目标的运动信息进行估计.在中制导阶段采用多智能体一致性控制理论设计了制导规律,沿垂直于领弹视线方向分布各从弹,满足三角定位中的测量基线要求.在末制导阶段设计了一种切换制导规律,使导弹工作在一致性制导模式与APN制导模式之间,充分利用目标机动信息进行攻击的同时尽量保持测量基线.仿真算例验证了所提出的制导规律能够利用多弹的测角信息准确估计目标运动,并利用该估计信息实现对机动目标的协同攻击.

摘要： 为解决仅有角度跟踪时,目标估计受限于较大的初始估计误差和噪声统计特性未知的问题,提出了一种带有噪声智能统计功能的改进型分块差分滤波器.通过统计线性化方法得到了一种S-H智能噪声统计估值器,并用其优化传统分块噪声滤波器的测量更新步骤,实现了对未知过程和测量噪声的智能统计处理,通过迭代更新进一步提高了滤波器对于复杂非线性函数的适应能力.与目前几类主流的自适应滤波器性能相比,结果表明:对于具有线性系统模型和非线性测量模型的典型被动跟踪估计问题,针对较大的初始状态估计误差,所给出的滤波器能更好地完成系统噪声和测量噪声部分参数统计特性未知情况下的非线性估计任务,在保证计算量适中的同时有效地提高跟踪制导精度.

摘要： 粒子滤波算法是一种重要的处理非线性、非高斯模型的推理算法,针对标准粒子滤波算法中存在的样本贫化问题,提出了一种新的基于传统粗化策略的改进粒子滤波算法.该算法首先利用带有簇类合并的K-means聚类算法对粒子进行聚类,再计算每个簇内状态变量的两个估计值之间的向量差值,将其作为粒子移动的指引方向.仿真结果证明,带有簇类合并的K-means算法的聚类效果优于标准K-means算法聚类效果,而且提出的粒子滤波改进算法加快了带有传统粗化策略的标准粒子滤波算法的收敛速度.

摘要： 对多平台的多传感器系统进行协同管理可以有效地发挥机载多平台多传感器系统的优势,优化多平台传感器资源的配置,同时控制有源雷达辐射,增强作战飞机的抗侦察能力.针对IRST组网被动跟踪问题,可以在保证隐身性能的同时对雷达进行有效的辐射控制,提高目标跟踪的精度.本文针对基于有源辅助的IRST组网协同跟踪问题,给出IRST组网多目标跟踪过程中的雷达辐射时机,以及雷达辐射模块的算法设计,并通过仿真验证了算法的有效性.

摘要： 为提高被动跟踪性能,提出了一种高斯和粒子滤波方法.在建立目标被动跟踪模型的基础上,使用高斯和滤波(GSF)近似目标状态的后验密度,利用粒子滤波方法处理GSF中的均值和方差计算问题,推导了高斯和粒子滤波器(GSPF)应用的具体算法步骤,使用机动目标被动跟踪仿真实例,与其它滤波器进行了仿真对比,分析了跟踪性能和RMSE误差.仿真结果表明,对于机动目标被动跟踪问题,GSPF不仅具有较高的跟踪精度,而且与一般粒子滤波器相比,GSPF具有较好的跟踪稳定性和较低的计算量.

摘要： 被动跟踪中,目标估计精度常受大初始误差的限制,在此情况下发展一种估计精度高,跟踪速度快,鲁棒性好的滤波器具有重要意义.基于统计线性化理论优化了传统迭代滤波器和虚拟噪声估值器,并在此基础上提出了一种带有噪声智能统计功能的改进型分块差分滤波器,较好完成了噪声统计特性未知情况下的非线性估计任务.典型跟踪算例验证了文章设计的滤波器的有效性.

摘要： 噪声环境下的测角性能是反辐射导引头的一个重要指标，有些主动雷达导引头也采用了被动测角的方式，即在主动雷达导引头受到噪声干扰，目标丢失后自动切换到被动测角方式，以实现对干扰源的跟踪，不论是带被动测角功能的主动雷达导引头，还是反辐射导引头，对多个噪声源的跟踪都是一个需要研究的课题。本文研究了被动导引头跟踪干扰源的方法,当只有一个噪声干扰源时,通过统计平均的方法可以得到干扰源的真实角度,在有多个干扰源的情况下,通过统计平均的方法得到的角度是多个干扰源的功率重心所在的角度,文章提出了基于分段统计的方法,使被动导引头跟踪其中的一个干扰源,理论分析和仿真结果证明了此种方法的有效性。

摘要： 为了克服有方向性强干扰(相干干扰)对矢量传感器浮标阵被动纯方位定位和跟踪的影响，将基于自适应抵消的矢量传感器相干干扰抑制方法推广到矢量浮标阵。仿真表明，利用该方法，矢量传感器浮标阵能克服本舰辐射噪声的相干干扰，对水下高速目标进行定位和跟踪。干扰背景与目标源带宽相同时，矢量传感器通常只能测得目标与干扰的合成声能流方位，导致纯方位定位有很大误差;抑制相干干扰后，单个矢量传感器对目标方位实现无偏估计，可以用矢量传感器浮标阵对目标进行纯方位定位和跟踪。

摘要： 为提高被动跟踪性能并减少无线传感器网络中的通信开销,该文提出了一种分布式的粒子滤波方法.首先,利用转弯率建立了机动目标的被动跟踪模型,然后,动态组织传感器网络节点成簇,推导了分布式粒子滤波实现的具体步骤.最后,使用计算机仿真对两种粒子滤波方法性能进行了对比,结果表明两种方法具有良好的跟踪精度,但分布式方法通信消耗更小.

摘要： 本文就基于电视、广播等机会发射的无源雷达系统的阵列信号处理、杂波直达波抑制、恒虚警目标检测、时延估计、被动跟踪等若干关键技术展开讨论,详细地阐述各项技术在该系统中的应用和发展情况,并给出一些研究建议.

摘要： 本文提出了基于互相关数据的双谱时延估计新方法,为被动跟踪系统提供了一种高精度时延估计方法.实航数据处理结果表明,该方法时延估计精度比广义互相关法提高了16dB.

摘要： 声网络跟踪低空目标时，存在信号传输时延及强非线性等特点，针对这个问题，该文提出一种基于修正协方差扩展卡尔曼滤波的声网络定位跟踪算法。首先，利用时延方程约束，将目标纯方位数据进行时间校准;其次，通过自适应修正滤波中的协方差矩阵，提高非线性滤波的精度和稳定性。与EKF的仿真比较说明，该文所提方法的定位精度更高，跟踪性能更好。

摘要： 声网络跟踪低空目标时，存在信号传输时延及强非线性等特点，针对这个问题，该文提出一种基于修正协方差扩展卡尔曼滤波的声网络定位跟踪算法。首先，利用时延方程约束，将目标纯方位数据进行时间校准;其次，通过自适应修正滤波中的协方差矩阵，提高非线性滤波的精度和稳定性。与EKF的仿真比较说明，该文所提方法的定位精度更高，跟踪性能更好。

摘要： 一种基于被动声呐方位历程图的多目标检测跟踪方法,属于水下多目标跟踪技术领域。解决了现有水下目标跟踪方法跟踪性能差的问题。本发明采用跟踪波门对目标初始航迹进行筛选，获得真实目标航迹，并根据每个采样时刻每个真实目标跟踪波门内落入点迹的个数确定目标跟踪方法；若真实目标航迹相交，采用MHT算法对跟踪波门内量测形成假设事件，并计算假设事件的概率，获得目标的状态更新方程；若真实目标航迹不相交，采用PDA算法分别对每个目标的量测点迹进行处理，利用波门内所有量测点迹与目标的关联概率对量测点迹进行加权，得目标的状态更新方程，利用对应的目标状态更新方程与MPUKF滤波技术结合对目标方位进行跟踪。本发明适用于水下多目标跟踪。

摘要： 本发明公开了一种解决被动警戒画面目标航迹交叉的自主跟踪方法，主要包括宽带谱背景归一化、极值提取、特征关联、跟踪更新等步骤。本发明结合了宽‑窄带谱特性，设计了一整套完整有序的处理流程，可以有效利用目标的特征谱信息，通过降维和聚类的处理形式实现当前峰值搜索疑似目标特征与历史航迹目标特征之间的关联和类别划分，从而可以从容实现实时的特征谱标签分类和稳定连续的跟踪，对于目标航迹交叉情形下，可以实现目标分类的连续航迹。

摘要： 本发明公开一种被动式头部实时跟踪的立体眼镜及定位方法，立体眼镜包括：镜框本体，镜框本体上设置有滑槽；设置在镜框本体上的移动标记组件，移动标记组件的一端伸入滑槽中与镜框本体的内壁抵接，且移动标记组件能够在滑槽中移动；其中，移动标记组件包括设置在滑槽中的限位块，限位块的上端面和下端面均与镜框本体的内壁抵接；与限位块固定连接的连接柱；套设在连接柱远离限位块一端上的放置块，放置块与连接柱螺纹连接，通过沿连接柱的中心轴线方向旋动放置块，使调节放置块与限位块之间的间距；以及设置在放置块中部的标记块。解决了眼镜与检测传感器距离过近造成捕捉标记点困难，或者由于遮挡物的遮挡无法全部捕捉到标记点的问题。

摘要： 一种系统包括可充胀幅材（100）的供应源和喷嘴（240）。该充胀幅材包括腔室（116）、充胀通道（112）和在充胀通道与腔室之间的横封（114）。可充胀幅材还包括端口（124），端口穿过横封以允许气体从充胀通道通到腔室。喷嘴具有出口（242），出口被配置为当可充胀幅材在下游方向上移动时将气体插入充胀通道。该系统被配置成沿着从供应源并在下游方向经过喷嘴的路径馈送可充胀幅材。该系统被配置为相对于喷嘴保持可充胀幅材的供应源，使得当可充胀幅材在下游方向上移动时，横封接触喷嘴并沿着喷嘴的一部分骑行。

摘要： 本发明公开了一种窄间隙被动视觉焊缝跟踪方法及系统，包括：获取K‑TIG焊的焊接图像，利用Yolov5卷积神经网络获得锁孔入口的检测边界框，并提取焊接图像的锁孔入口中心位置；提取焊接图像的焊缝中心线；获得所述锁孔入口中心到焊缝中心线的垂直点，进一步得到焊缝偏差，通过调整焊缝偏差实现焊缝跟踪。该方法的鲁棒性强，识别的锁孔入口中心精度高，提升了焊接偏差的精度，可用于后续的焊缝跟踪工作，以提高焊接的自动化程度。

摘要： 本发明提出了一种基于被动外辐射源雷达的目标直接检测与跟踪方法，从被动MIMO雷达接收机接收数据出发，来实现未知目标出现时间的情况下的单目标的联合检测与跟踪问题。该发明将MIMO雷达信号分为参考信号和监测信号，并基于被动MIMO雷达的GLRT检测器原理设计伯努利滤波器的似然函数，该似然集中式融合所有接收机的两路信号进行构造。整套系统有效地减小了传统两步法的中间误差，并且能做到更低信噪比下的目标跟踪，有良好的性能、对环境的适应性和鲁棒性，可以满足工程中的设计要求。

摘要： 本发明属于无线通信与人工智能技术领域，公开了一种无源被动智能跟踪定位方法、系统、存储介质、跟踪定位终端，Wi‑Fi设备采集CSI信息；天线间CSI共轭相乘算法提取各多径信号的动态传播路径分量；信道参数估计算法对各多径信号的动态传播路径的信号参数进行估计；结合人工智能算法，每台Wi‑Fi设备独立的对人体运动轨迹进行估计；使用多设备运动轨迹融合算法对第四步不同Wi‑Fi设备得到的人体运动轨迹进行融合。本发明使用多信道参数联合进行人体运动轨迹跟踪，并结合人工智能算法，避免了现有技术精度低，鲁棒性差的问题。本发明使用多台Wi‑Fi设备联合进行人体运动轨迹跟踪，避免了现有技术进行人体跟踪定位精度较低的问题，提升了室内人体无源被动跟踪定位精度。

摘要： 本发明属于无线通信与人工智能技术领域，公开了一种无源被动智能跟踪定位方法、系统、存储介质、跟踪定位终端，Wi‑Fi设备采集CSI信息；天线间CSI共轭相乘算法提取各多径信号的动态传播路径分量；信道参数估计算法对各多径信号的动态传播路径的信号参数进行估计；结合人工智能算法，每台Wi‑Fi设备独立的对人体运动轨迹进行估计；使用多设备运动轨迹融合算法对第四步不同Wi‑Fi设备得到的人体运动轨迹进行融合。本发明使用多信道参数联合进行人体运动轨迹跟踪，并结合人工智能算法，避免了现有技术精度低，鲁棒性差的问题。本发明使用多台Wi‑Fi设备联合进行人体运动轨迹跟踪，避免了现有技术进行人体跟踪定位精度较低的问题，提升了室内人体无源被动跟踪定位精度。

摘要： 本发明涉及一种实时生成水声被动跟踪目标数据集的方法以及装置，该方法通过被动声纳阵列接收水声信号，确认被跟踪目标后，持续实时生成被跟踪目标的数据集，具体步骤包括：波束形成；划分频域子带区间；联合检测确认目标；获取单波束子带LOFAR；转换频域数据并累积；生成目标LOFAR谱图；特征矩阵与标签信息组成多维数组存储；重复以上步骤。本发明提出了克服了水声目标被动跟踪过程中生成目标样本单一性不足，容易受到其它目标信号在频域上的污染的缺陷；解决了水声类数据集中样本信息存储复杂的难题。本发明可用于基于深度学习的被动声呐跟踪系统，实时生成被跟踪目标的数据集，用于后续检测和跟踪。

摘要： 本发明公开了一种基于YOLO算法的水声目标被动跟踪方法，步骤包括：S1、获取多波束LOFAR谱图；S2、通过YOLO神经网络模型对多波束LOFAR谱图进行检测，得到不同目标的频率范围和目标的方位方位中心；S3、确定目标的方位波束指向角和目标的数据关联；S4、通过分裂波束形成，进一步的求出目标的方位波束指向角目标的精确方位角；S5、对目标的精确方位角进行滤波估计，进而进行K时刻目标的状态估计；S6、重复S1‑S6，更新跟踪信息。采用上述技术方案，在同一帧输入数据中识别出多个目标，并输出目标的频率范围和方位范围，能够识别出不同目标的方位；YOLO算法在检测多目标时，给出不同目标的预测概率，可用于数据关联，相较于现有的数据关联方法，其准确度更高。