XiaoMi-AI文件搜索系统
World File Search System目标跟踪
机载红外目标跟踪... - CORE
4.2 DIYDrones ArduPilot Mega 1.4，在定制载板上配备 XBee Radio、MediaTek GPS、Freescale 动态压力传感器和 Wiimote IR 传感器。。。。。。。。。。。。。。。。。。。。。。。。。。。。22
群岛反潜战中的目标跟踪：并非不可能……
需要获得以下问题的实际解决方案：（1）在线计算每对有趣的声纳浮标的 TDOA 和（2）在线确定每个声纳浮标位置的良好估计值，至少用于测试目的。后一个问题可以通过例如测量从三个或四个已知位置的水下声波信标到每个声纳浮标的声音传输时间来解决。在我们的模拟中，浮标位置的标准偏差为 15 米，可以追踪到浮标听力范围约 100 米。对于实际应用，最好（也许需要）使用全被动、不可检测的系统，并且跟踪原理也可以在干扰条件下使用，例如存在密集的表面交通、多个目标、恶劣天气条件等。
使用多参数进行高机动目标跟踪...
目前，已提出了许多大机动目标跟踪算法[1～14]，其中Singer模型[15～18]是常见的机动目标跟踪模型，适用于多种情况和各种类型的机动，但强机动会引起较大的跟踪误差，由于目标机动性的不确定性和模糊性较强，特定的模型参数很难适应目标的强机动变化。模糊推理方法[19，20]属于基于模糊集理论和模糊数学的模糊控制方法。自从1965年Zadeh提出模糊集的概念以来，模糊系统的研究得到了迅速发展，模糊控制技术在工业生产控制中得到了广泛的应用。为了适应复杂多变的运动模式，提高Singer模型在强机动跟踪情况下的性能，在
使用多静态主动声纳系统进行目标跟踪...
米 ................................................ ...................................................... ...................................................... .. 73
使用多静态主动声纳系统进行目标跟踪...
米 ................................................................................................................................................ 73
强大的双波段 MWIR/LWIR 红外目标跟踪
能够同时在两个波段成像的双波段红外 (IR) 焦平面阵列 (FPA) 探测器在过去十年中已经发展成熟 [1]–[5]。由于物体和背景的热特征与波长有关，因此理论上该技术可用于提高各种重要应用中的目标检测、跟踪和杂波抑制性能 [6]–[8]。例如，在短波红外 (SWIR) 和中波红外 (MWIR) 波段以及 MWIR 和长波红外 (LWIR) 波段工作的双波段传感器已用于地对空导弹导引头以抵抗干扰弹等干扰 [9], [10]。MWIR/LWIR 传感器目前用于舰载红外搜索和跟踪 (IRST) [11], [12]，MWIR/MWIR 传感器已用于防止飞机导弹预警接收器的误报 [13]–[15]。在一些国家，陆军、海军和空军在 8-12 µm LWIR 波段和 3-5 µm MWIR 波段的双波段传感器的开发方面投入了大量资金。这些波段具有几个重要差异。排气口和发动机羽流等热物体在 MWIR 中更为明显 [7]、[10]、[16]，而机身、机身和导弹硬体在 LWIR 中更为明显 [7]、[10]。水蒸气吸收在 LWIR 中占主导地位，而二氧化碳吸收在
使用基于估计的非线性控制律对无人机进行 3-D 目标跟踪
摘要：本文介绍了一种基于估计的反步控制律设计，用于无人驾驶飞行器 (UAV) 跟踪 3-D 空间中的移动目标。地面传感器或机载导引头天线为追踪无人机提供距离、方位角和仰角测量，追踪无人机实施扩展卡尔曼滤波器 (EKF) 来估计目标的完整状态。然后，非线性控制器利用该估计的目标状态和追踪者的状态为追踪无人机提供速度、飞行路径和航向/航向角命令。针对三种情况评估与测量不确定性有关的追踪性能：(1) 平稳白噪声；(2) 平稳有色噪声和 (3) 非平稳（距离相关）白噪声。此外，为了提高跟踪性能，通过考虑测量中与范围相关的不确定性，使测量模型更加真实，即当追逐者接近目标时，EKF 中的测量不确定性会降低，从而为无人机提供更准确的控制命令。这些情况的仿真结果显示了目标状态估计和轨迹跟踪性能。
一种基于雷达-光电联动控制的多传感器协同探测目标跟踪方法
摘要。雷达是跟踪目标的常用手段，在敌方主动干扰下，常常会导致目标失去跟踪，从而造成雷达失去对目标的连续跟踪。为提高跟踪效果，建立了一种基于雷达光电联动控制的多传感器协同探测目标跟踪方法。研究以雷达光电联动、恒速度(CV)、恒加速度(CA)和电流统计模型(CSM)作为运动目标的数学模型，针对不同运动状态下的目标，以及单传感器电子支援措施(ESM)和多传感器电子支援措施(ESM)、红外搜索与跟踪(IRST)，对比了改进的交互式多模型(IMM)和标准IMM。研究结果表明，在变速运动中，采用改进的IMM算法和多传感器进行目标跟踪，目标的方位角和仰角跟踪误差较小，可以有效解决CV、CA等运动模式转换过程中模型失配的问题。方位角和俯仰角图像曲线波动较小,稳定性较高,该方法可以取得较好的跟踪效果。
基于无人机遥感摄像机与类脑计算芯片的实时智能运动目标跟踪
基于无人机的运动目标跟踪技术被广泛应用于自动巡检、应急处置等诸多领域。现有的运动目标跟踪方法通常存在计算量大、跟踪效率低的问题。受限于无人机平台的算力，基于无人机平台采集的视频数据对多目标进行实时跟踪分析是一项艰巨的任务。本文提出了一种针对无人机实时跟踪任务的带记忆的特定目标滤波跟踪（TSFMTrack）方法，该方法包括用于捕捉目标外观特征的轨迹滤波模块（TFM）和用于每帧边界框关联的轨迹匹配模块（TMM）。通过在流行的MOT和UAV跟踪数据集上与其他SOTA方法的实验比较，TSFMTrack在准确性、计算效率和可靠性方面表现出明显的优势。并且将TSFMTrack部署在类脑芯片Lynchip KA200上，实验结果证明了TSFMTrack在边缘计算平台上的有效性以及适合无人机实时跟踪任务。