简介：在目标模型的建立过程中,将积分直方图引入到粒子滤波跟踪框架中,提出了一种快速的颜色直方图计算方法,极大地提高了粒子滤波跟踪算法的实时性。为了进一步提高算法的鲁棒性,引入了一种基于邻域颜色特征的匹配搜索机制,当跟踪精度下降时,能够对跟踪结果进行优化,减小跟踪误差。实验结果表明了该算法的有效性。

简介：用卡尔曼方法进行舰船的跟踪滤波时，常常因难以建立准确的导航系统状态方程而导致滤波精度下降。探讨用位置势方法进行跟踪滤波，建立了位置势演波方程井进行了仿真。结果表明该滤波不需要建立系统的状态方程，仅仅依隶观测数据及其统计误差，就能够取得较好的滤波效果。

简介：基于相关滤波的视频目标跟踪算法近年来在不同的标准数据集和目标跟踪竞赛上均取得显著成果.较全面总结了相关滤波视频目标跟踪算法的发展过程和改进算法,分别从样本构建、优化设计和更新方法等方面整理分析了上述算法.同时,桄理和分析了上述算法存在的难点问题,并展望了其进一步的发展.

简介：对于具有一定机动能力的弹道式再入目标跟踪问题,稳定性好、鲁棒性强、收敛精度高的估计方法是保证跟踪精度的关键。针对再入运动模型和测量体制的强非线性以及目标机动引起的滤波精度下降问题,提出一种将强跟踪滤波（STF）和基于三阶球面-向径容积规则的容积卡尔曼滤波（CKF）相结合的强跟踪-容积卡尔曼滤波（STCKF）。通过将强跟踪算法中的自适应渐消因子引入到滤波时间更新和测量更新方程中,在线实时调整滤波增益矩阵,能有效避免模型失准造成的滤波性能下降,使该算法兼具CKF滤波精度高和STF鲁棒性强的优点。通过数学仿真表明,改进后的STCKF可以实现对具有机动的弹道式再入目标的高精度跟踪,相对于CKF精度提高50%,并且具有更强的鲁棒性和自适应能力。

简介：针对视频图像运动目标跟踪时的时延问题和目标被遮挡时易丢失的问题,提出了-种基于Meanshift采样的辅助变量粒子滤波跟踪算法.采用AVPF算法作为跟踪算法的主体框架,对每个辅助采样粒子进行Meanshift转移,利用采样粒子确定候选目标区域,对候选目标模型与目标模型进行相似性度量,更新粒子权重,最后估计目标状态.仿真结果显示,本文算法能够有效处理跟踪过程中目标部分被遮挡的问题,具有较好的鲁棒性和较好的实时性.

简介：摘要智能交通领域中，由于行人运动、方向的不确定性和光照等不良因素的影响，目前跟踪算法很难满足实时性和稳定性的要求。通过对行人目标运动图像的分析，结合机器学习领域最新发展，提出了一种基于改进的核相关滤波的行人自动跟踪方法。利用行车记录仪拍摄的行人穿越马路视频验证了检测速度和误差均能够满足实际应用需求。

简介：针对目标发生快速、运动不规则及遮挡等情况下的跟踪问题，提出了一种分层核采样策略。首先通过先验转移和后验转移分别预测2组粒子来建立联合分布，利用聚类算法近似联合分布粒子集的混合高斯分布；然后对每个聚类进行采样；最后采用均值漂移算法将粒子移动到后验密度的局部极值处。实验结果表明：算法在目标发生快速机动情况时，跟踪性能优于传统粒子滤波、核粒子滤波及分层粒子滤波，且对遮挡具有较好的鲁棒性。

简介：红外跟踪与激光测距的联合跟踪系统在实际工程中得到越来越多的应用，但两类传感器采样不同步是比较常见的，从而带来了一些新问题。激光测距机的采样频率远远低于红外测角的采样频率，并非每个采样时刻都可以得到测距信息，因此，目标跟踪存在可观测性问题。提出了一种新的红外激光联合跟踪算法，即先对测角数据进行基于变长有限记忆最小二乘的预估计，然后将预估计后的测角结果与激光测距信息一起代入转换测量Kalman滤波方程中进行滤波。由于该算法有效的利用了全部测角信息，因此有利于改善跟踪估计性能。仿真实验表明，该算法具有较高的跟踪精度，且计算量较小。

简介：跟踪系统采用光电经纬仪工作模式，采用Kalman预测滤波技术对计算机接受到的传感器数据（包括电机编码器反馈信号、电视脱靶量信号）进行滤波预测，提供准确的位置、速度信息，进行有效预测外推，可以有效提高跟踪系统对机动目标的跟踪性能，实现对目标的稳定跟踪。

简介：摘要：构建感应调控滤波系统的等效电路模型和数学模型；推导网侧电流受非线性负载和电网背景谐波影响的数学表达式；获取为了实现电力感应调控滤波需要满足的特殊阻抗匹配条件和控制系数定值；分别从数学表达式和灵敏度分析两个方面，对电力感应调控滤波系统的双向谐波阻尼性能进行了研究；验证了滤波系统对来自非线性负载侧和网侧谐波电流的双向抑制性能和对网侧谐波谐振的阻尼性能。

简介：针对再入弹道目标跟踪问题,提出了一种基于平方根容积信息滤波的多传感器融合估计算法（SCIF）。SCIF通过在扩展信息滤波（EIF）框架中嵌入平方根容积卡尔曼滤波算法（SCKF）实现状态滤波。仿真结果表明：所提出的算法不仅避免了EIF由于模型线性化误差易导致滤波发散的问题,且克服了不敏信息滤波（UIF）在高维滤波中数值不稳定的缺点,算法的滤波精度较高,能够更加有效地解决弹道目标跟踪中的强非线性滤波问题。

简介：为适应目标位置快速变化、局部遮挡和短暂消失等情况,提出了一种基于均值偏移（MeanShift）和卡尔曼滤波的红外目标跟踪算法。该算法采用局部二元模式（LBP）算子提取图像特征向量,基于MeanShift特征匹配和目标定位结果,预测下一帧跟踪波门中心位置,结合卡尔曼滤波器进行跟踪状态估计和维持。仿真试验表明该算法的有效性。

简介：光纤陀螺作为光电跟踪伺服系统速度稳定回路的反馈测量元件，它的输出噪声直接影响伺服系统低速跟踪情况下的控制精度。抑制陀螺的输出噪声是改善伺服系统低速特性的有效手段之一。采用了一种简化的卡尔曼α-β滤波算法，使伺服系统的低速精度指标由原来采用移动平均滤波的0．0052°／s提高到0．0026°／s。实验证明，该算法可以有效地改善伺服系统的跟踪特性。

简介：针对在量测噪声统计特性发生变化时,基于滤波算法的惯性/地磁组合导航系统存在精度下降甚至发散的问题,提出了一种基于模糊自适应强跟踪滤波算法的惯性/地磁组合导航方法,该方法通过制定模糊规则,实时监控系统残差变化,自适应地调整柔化因子的大小,即增强了滤波器对时变噪声的跟踪能力又保证了滤波器处理当前信息的能力。仿真结果表明：该方法能够很好地抑制纯惯性导航系统随时间累积的误差,而且在量测噪声统计特性发生变化时,系统误差没有出现明显的跳变,保证了整个导航系统的精度,提高了系统的鲁棒性。

简介：针对三维弹道目标,给出了一种有效的基于粒子滤波的跟踪算法。这种算法以标准的粒子滤波算法为基础,根据贝叶斯原理利用局部线性化技术获得最佳近似的重要性密度函数以避免粒子退化现象,并且利用Metropolis-Hastings（MH）采样构造的马尔科夫链得到更加符合目标分布的样本,从而最小化重采样后的粒子枯竭问题。此外,这里采用Kullback-Leibler距离（KLD）指标对不同粒子滤波算法的性能进行评估。仿真结果表明,该三维弹道目标跟踪算法粒子群与参考粒子群（近似真实目标概率分布的粒子群）之间的KLD比标准粒子滤波与参考粒子群之间的KLD更小,因此,能获得比标准粒子滤波算法更好的跟踪效果。

简介：摘 要：本文阐述了雷达跟踪系统中滤波器模型的建立方法，介绍了卡尔曼滤波器的工作原理，通过仿真方法，用卡尔曼滤波方法对单目标航迹进行预测，即搜索目标并记录目标的位置数据，对观测到的位置数据进行处理，自动生成航迹，并预测下一时刻目标的位置。基于此方法的仿真实验获得了较为满意的结果，可以应用于雷达目标跟踪定位。

简介：摘要：近年来，随着科技地不断进步，对各种移动服务的不断应用，人们对室内移动目标的定位需要日益增加。如何实现可靠、精确的室内定位技术已经成为众多国内外学者研究的热点之一。其中基于位置指纹的室内移动目标定位跟踪技术因具有定位精度高、硬件成本低、部署方便和应用场景广泛的特性，更成为了当下研究的重点之一。基于位置指纹的室内移动目标定位跟踪技术也面临诸多挑战，如室内环境多变，位置指纹数据库构建复杂等因素均会影响定位系统的性能。本文在调研室内定位跟踪技术研究现状基础上，使用粒子滤波来提高定位的精准性。

简介：摘要针对水中磁性目标的实时定位问题，提出一种基于渐进卡尔曼滤波的跟踪方法。根据水中磁性目标的运行特性和信号特征，将跟踪问题等效为基于白噪声加速度过程模型和磁偶极子观测模型的状态空间参数估计问题，并针对观测模型的强非线性问题采用渐进扩展卡尔曼滤波方法求解。通过实验室环境下的实测数据试验对算法进行了验证，结果表明本方法具有良好的跟踪准确度和滤波收敛性，适于实际工程应用。

简介：针对用于快速传递对准的卡尔曼滤波器阶数高，计算量大，滤波更新率低，鲁棒性差及对准精度不高等问题，提出采用联合强跟踪Kalman滤波器进行快速传递对准。文中设计了联合强跟踪Kalman滤波器的结构和算法，同时利用改进的Elman网络进行信息分配系数的自适应调节，以实现融合信息在各子系统中的自适应分配。仿真结果表明，该滤波器不仅提高了解算速度，而且提高了系统鲁棒性和对准精度。

简介：针对视频监控系统中运动目标的检测与跟踪技术进行深入研究，采用高斯背景模型的背景差法实现对运动目标的检测，基于SIR粒子滤波算法，利用颜色直方图信息与目标的运动状态信息实现对运动目标的跟踪。采用DaVinci技术对目标检测和目标跟踪算法进行封装和优化，实测结果表明，该算法能够对监控场景中的运动目标进行检测和跟踪，实现对视频图像的实时处理。