电子学报 ›› 2015, Vol. 43 ›› Issue (8): 1506-1512.DOI: 10.3969/j.issn.0372-2112.2015.08.006

• 学术论文 • 上一篇    下一篇

改进粒子滤波算法在深空红外小目标跟踪中的应用

叶有时, 刘淑芬, 孙强, 刘鸿瑾, 刘波, 杨桦, 吴一帆   

  1. 北京控制工程研究所, 空间智能控制技术国家级重点实验室, 北京 100190
  • 收稿日期:2014-02-27 修回日期:2014-09-11 出版日期:2015-08-25 发布日期:2015-08-25
  • 作者简介:叶有时 男,1983年生于河北任丘.北京理工大学信号与信息处理专业博士.研究方向为星载计算机、星载光学成像敏感器大规模集成电路设计. E-mail:youngtree@bit.edu.cn 刘淑芬 女,研究员,1961年生于吉林长春,天津大学电子工程系硕士,中国计算机学会容错计算专业委员会成员,主要研究方向为星载计算机容错及可靠性设计、星载电子系统体系结构、星载电子产品抗辐射加固技术.
  • 基金资助:

    民用航天基金(No.D020201);国防基础科研基金(No.A0320110008)

Application of Improved Particle Filter Algorithm in Deep Space Infrared Small Target Tracking

YE You-shi, LIU Shu-fen, SUN Qiang, LIU Hong-jin, LIU Bo, YANG Hua, WU Yi-fan   

  1. Beijing institute of Control Engineering, National Key Laboratory of Science and Technology on Space Intelligent Control, Beijing 100190, China
  • Received:2014-02-27 Revised:2014-09-11 Online:2015-08-25 Published:2015-08-25

摘要:

非负矩阵分解具有较好的特征提取性能,广泛应用于数据融合领域,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.该文结合两种算法的优点,提出了一种基于改进粒子滤波的红外小目标跟踪算法.利用NMF融合当前与之前的粒子分布权重,减小经典粒子滤波退化发散带来的精度误差.避免了目标遮挡及暂时消失带来的跟踪错误.仿真实验证明本文算法相对于经典粒子滤波,具有更好的跟踪精度和稳定性.

关键词: 深空, 红外小目标跟踪, 粒子滤波, 非负矩阵分解

Abstract:

The non-negative matrix factorization (NMF) is widly used in data fusion for the advantage of feature extraction, and the particle filter (PF) is an effective method for the state estimation of non-linear and non-Gaussian dynamic systems.Therefore, an infrared small target tracking algorithm based on improved particle filter is proposed.Current and previous particle distribute weights are fused by NMF in order to reduce the precision error caused by particle divergence in classic PF method.So the tracking error of sheltered and disappeared target can be avoided.Experimental results show that the proposed method has better tracking precision and is more stability for small target tracking than the classic PF method.

Key words: deep space, infrared small target tracking, particle filter, non-negative matrix factorization(NMF)

中图分类号: