简介：针对单一图像源下目标跟踪精度不高的问题，利用跟踪状态下的目标存在于可见光与红外图像中的特征对连续自适应均值移动跟踪算法做出改进。首先选取可见光图像的“颜色梯度背投影”作为改进的目标模型，选取红外图像的“灰度梯度背投影”作为改进的目标模型；然后根据可见光序列图像和红外序列图像各自进行连续自适应均值移动跟踪算法得到的对应的口‘系数判定两种图像跟踪的效果，对两种图像的权重进行自适应调整，得到这两种图像的特征级融合图像和跟踪结果。实验结果表明，对于320像素×240像素的可见光和红外图像，基于可见光与红外图像特征融合的目标跟踪算法在复杂背景下能够较准确的跟踪目标，目标跟踪精度为0．5像素，跟踪速度为30～32ms／帧。

简介：针对SAR图像匹配及定位需要耗用不等的计算时间而造成的量测不等间隔输出和量测信息滞后问题，提出一种新的SAR时延补偿算法。该算法在标准卡尔曼滤波（KF）基础上，当SAR有量测信息生成时，根据多模型方法进行量测预测，利用预测值修正SINS状态；而SAR无量测信息输出时，通过插值方法生成量测信息来改善系统滤波精度。仿真结果表明，采用基于多模型量测预测的KF算法可以将位置误差由45m减小到10m以内，航向角稳态误差值小于5.8＂；而在此基础上叠加插值预测算法可以将位置误差进一步控制在6m以内，航向角稳态误差小于4.7＂，证明了本文提出的算法能够有效补偿SAR的随机时延并提高组合导航系统的解算精度。

简介：为了提高标准Cubature卡尔曼滤波（CKF）的稳定性和鲁棒性，提出一种改进的多重渐消H∞滤波cubamre卡尔曼滤波算法。首先基于系统状态的可观测性给出多重渐消因子矩阵求解过程，提高滤波算法的稳定性，抑制滤波发散；其次，引入H∞鲁棒思想，构造多重渐消H∞滤波Cubature卡尔曼滤波器；最后，提出采用一种奇异值分解的矩阵分解策略代替标准Cubature卡尔曼滤波中的Cholesky分解，进一步提高算法的数值稳定性。实际GPS／INS组合导航实验表明，改进的多重渐消H∞滤波Cubature卡尔曼滤波算法不仅能有效抑制滤波发散提高算法的稳定性，而且对观测野值具有更高的鲁棒性；提出的新算法与标准CKF算法相比，XYZ三个方向的位置精度分别提高了55．8％，46．6％和39．7％。