跟踪观察

跟踪观察（精选5篇）

跟踪观察 篇1

金属烤瓷修复体以其美观、耐用、舒适、色泽稳定而在临床被广泛应用。从笔者所制作的烤瓷桥中,绝大部分取得了满意的效果。但也有部分修复体产生了并发症,经过总结经验教训,作出相应改进后,修复质量明显提高,并发症明显下降,本文将对此进行总结。

临床修复形式,烤瓷冠包括全冠和桩核冠,烤瓷固定桥大部分为双端固定桥,也有部分单端固定桥。

临床修复材料:德国VITA和日本SHOFU瓷粉,VITA烤瓷钢和日本松风烤瓷钢。

临床结果:烤瓷修复体粘戴于口内后不管多久出现下列情况:(1)崩瓷(2)金瓷冠脱落(3)基牙折断(4)桩核冠连桩脱落(5)烤瓷桥松脱。即视为并发症发生。

讨论:针对并发症原因进行分析,提出解决的办法,力求尽量避免出现类似的并发症。

崩瓷:有4例烤瓷修复体崩瓷的现象,2例由于对颌牙刚好咬在舌侧金瓷交界处,下颌前牙前伸时产生较大的水平向力,致使上前牙切端瓷破裂,重做时将金瓷交界设计在与对颌牙切端接触点之外,之后未再出现崩瓷。1例由于后牙咬合过紧,致牙合力较大,使上颌全冠舌侧瓷破裂,重做。1例上前牙唇侧颈2/3处瓷脱落。因该处不直接承受牙合力,且脱瓷面积较大,估计为金属底层冠处理不当。致金瓷结合较差而脱落,该修复体为7单位长桥,取出不便,经用5%HF处理金属及瓷面后光固化材料修复,三年后复查仍完好。崩瓷是烤瓷修复中较常见的并发症,从设计、备牙、制作过程中任一环节的不规范,均可致瓷裂,口腔内修补,效果一般不佳,因此要求设计合理,规范备牙,金瓷界的位置不要位于对颌牙切端处,底层冠不能薄于0.3mm,瓷层不能太薄,后牙太短时可使用金属牙合面,调改抛光时勿跌落地面,嘱咐患者不咬过硬食物,需要说明的是:粘结之前的认真检查,必不可少,如粘结前已发现裂纹,应重新上瓷或再次烘烤以消除裂纹。

金瓷冠脱落,金瓷冠脱落者均为死髓牙,有的上下牙颌关系为深覆牙合。下牙合前伸时有牙合干扰所致,有的为基牙扭转,牙体预备后基牙太小,有的由于原基牙龋坏面积太大,备牙后有大面积充填物,金瓷冠连同充填物一起脱落。前者经调牙合后重新粘结,后两者改为根管内铸造桩固定,以后未再出现脱落。

基牙折断:基牙折断者均为死髓牙,大多为上颌侧切牙和下中切牙,由于牙体较小,备牙后基牙更加细小,有的还有龋坏,经根管治疗后抗力较弱,前牙受水平向力较大,故易致基牙折断,经用铸造金属桩根管内固定后重新粘固烤瓷冠未再脱落,此类牙应增加根管内固定方式,少磨除基牙舌侧组织,如邻牙同时修复时可考虑联冠修复,避免牙合干扰。

桩核冠连桩脱落:冠与桩一起脱落,在桩核冠修复中占较大比例,主要是适应症选择不当或桩核固位不佳所致。有的是由于上颌中切牙失活早,根管粗大,根管内龋坏组织多,去龋后根管太粗大呈喇叭口状,根管桩粘入后有较厚的粘结剂,有的是由于根部龋或冠折断面唇侧位于龈下3mm,根管内桩长度短于根管外桩与冠的长度。还应强调,不管牙根情况如何,在根管内的桩长度应保证至少与牙根断面最低点以上的修复体一样长,这是一个基本原则,否则难于保证桩核冠的固位力。

烤瓷桥松动,烤瓷桥松脱是由于第一磨牙缺失,间隙较小,用第二磨牙做单端固定桥所致,是设计不当造成的,单端固定桥只适用于前牙间隙小,受力小且基牙稳固者,如以尖牙固定间隙较小的侧切牙,磨牙间隙虽已变小,但其受力仍然较大,长时间受力必然导致单端桥松脱或基牙受损,笔者对该病例在改为双端固定桥后未再出现问题。

小结:金瓷修复体是一种优良的修复体,虽然观察时间较短,仅为三年,但有意思的是绝大部分的并发症出现在修复完成后头二年,因此就上述金瓷修复体产生的并发症而言仍有较强的可比性,修复缺陷在头二年内即表现出来,完善的修复则随着口腔组织的适应和修复材料的优良表现而少有并发症发生,从以上分析可知,产生并发症的因素更多的是由于适应选择不当,设计不合理,操作不正确所引起,经改进后修复产生的并发症大幅降低,取得了明显效果。

摘要：目的 观察金属烤瓷修复体产生的并发症,总结减少并发症的方法。方法 对产生的并发症进行分析,可分为:瓷裂、金属烤瓷冠脱落、基牙折断、桩核冠连桩松脱、烤瓷桥松脱。结果 与结论严格选择适应症,合理设计,认真制备牙体,加强活髓牙牙体保护,可明显降低烤瓷修复体并发症的发生。

关键词：金属烤瓷,修复体,并发症

参考文献

[1]王昆润摘:金属烤瓷修复的远期效果[J].国外修复口腔医学分册,1996.23(5).312.

[2]陈吉华译:金属-烤瓷桥〔M〕.西安;陕西科教出版社,1997.1-22.

跟踪观察 篇2

关键词：阴道彩色多普勒超声,卵巢囊肿,跟踪观察

1 资料与方法

1.1 一般资料

2005年10月至2011年9月在我院就诊患者, 经阴道彩色多普勒超声诊断为卵巢囊肿115例, 年龄18～50岁, 平均34岁, 均有性生活史。其中诊断为卵泡囊肿44例, 黄体囊肿21例, 黄素囊肿7例, 卵巢巧克力囊肿14例, 炎症性囊肿8例, 黏液性囊腺瘤3例, 浆液性囊腺瘤7例, 成熟囊性畸胎瘤11例。排除明确诊断为恶性肿瘤的卵巢囊肿病例。

1.2 仪器与方法

1.2.1 仪器

采用GE Logiq7、东芝SSA-660彩色超声诊断仪, 探头频率5～8MHz。同一个患者均由同一大夫接诊检查。

1.2.2 方法

患者排尿后取膀胱截石位, 臀部稍抬高, 将阴道超声探头套上探头隔离护套后轻轻放入阴道内, 常规扫查子宫及双侧附件, 发现卵巢囊肿时观察、测量其大小、形态、囊壁厚度、内部回声以及与周围组织的关系, 并应用彩色多普勒血流显像 (CDFI) 观察囊肿内部及周边的血流情况。根据患者初查时的末次月经情况, 所有患者均给以2周～3年余不等的跟踪观察, 比对每次的检查结果。

2 结果

44例卵泡囊肿均为单侧, 直径2.5～3.6cm, 边界清晰, 壁薄, 部分囊肿张力大, 囊壁光滑, 呈类圆形;部分囊肿张力小, 形态欠规则, 囊壁略皱缩, 囊内均呈无回声, 后方回声增强, CDFI示部分囊壁可见血流信号, 囊内未见明显血流信号。其中33例经过一次月经后复查囊肿消失;8例经过2个月经周期后复查囊肿消失;2例经过3个月经周期的观察, 其体积逐渐缩小直至消失;1例经过4个月经周期的观察, 发现其体积较初查时增大, 直径约4.7cm, 内可见一分隔, 经过约半年时间复查囊肿消失。

21例黄体囊肿患者中, 囊内表现为细密点状强回声者8例, 囊内表现为网状分布的带状强回声者11例, 表现为类实性回声或囊实性回声者2例。经过1个月经周期后复查, 13例黄体囊肿消失;6例经过2～3个月经周期后消失;1例跟踪观察半年后仍然存在, 患者放弃复查;1例在观察过程中出现黄体囊肿破裂而行手术治疗。

7例黄素囊肿患者中一侧卵巢增大者2例, 双侧卵巢体积均增大者5例, 卵巢内可见一个或多个直径2.0～6.0cm的囊性回声, 囊壁薄而光滑, 囊内透声好, 内可见一至多个分隔, CDFI:4例囊壁可见点状和 (或) 短线状血流信号, 3例未探及血流信号。6例患者宫腔内可见葡萄胎组织回声;1例患者有人工流产后滋养细胞肿瘤病史。其中1例患者年龄超过40岁, 且葡萄胎组织浸润子宫肌层而于超声检查后3d住院行子宫切除、黄素囊肿穿刺吸液术;1例有人工流产后滋养细胞肿瘤病史的患者行超声引导下穿刺抽液, 囊肿缩小至0.8cm, 2个月后复查囊肿消失;4例清宫后, 给以预防性化疗1～2个疗程;1例部分性葡萄胎患者只给以清宫术。阴道彩色多普勒超声结合临床治疗进度给以2个月～2年半不等的观察, 囊肿消失时间最短1周, 最长3个月, 后跟踪观察未见囊肿复发。

14例卵巢巧克力囊肿患者中, 一侧可见囊肿者9例, 双侧均可见囊肿者5例, 囊肿大小约2.5～6.0cm, 多位于子宫后方, 形态不规则, 囊壁厚, 边界不清晰, 与周围组织紧密粘连, 内呈不均匀分布的点状、短线状或带状回声, 部分可见团块状强回声, CDFI囊壁可见点状、线样血流信号。月经期囊肿体积均增大, 体积增大超过1/3者3例, <1/3者11例, 内回声较非经期明显不均匀。9例患者被诊断为巧克力囊肿后即刻手术, 术后病理支持超声诊断;1例患者动态观察1年, 于足月妊娠行剖宫产手术时切除囊肿;4例患者行阴道彩超动态观察6个月～3年余, 病灶持续存在, 囊肿体积亦较初查时增大1.0～3.0cm。

8例炎症性囊肿患者均有下腹痛、腰痛、部分有发热等症状, 阴道彩超探查于一侧附件区见一大小约2.5～4.0cm囊肿回声, 囊壁略厚, 囊壁内侧回声毛糙, 囊内透声差, 可见细密点状回声或分布不均匀之絮状物回声, 部分可见分格, 转动体位部分可见强光点移动, CDFI囊壁可见血流信号, 囊内未见血流信号, 8例患者均伴有盆腔积液。临床给以抗炎治疗1～3周后复查, 5例囊肿消失, 3例囊肿萎缩至1.5～0.8cm, 内透声差, 呈类实性回声, 2个月后复查肿块消失。

11例囊性畸胎瘤患者中发生于双侧者2例, 一侧者9例。呈圆形或椭圆形, 大小约4.0～10.0cm, 囊壁厚薄不一, 回声多光滑。3例呈星花征:内呈较多点状、小片状强回声, 分布不均匀;1例呈线条征:无回声区内可见多条短线状强回声平行排列, 漂浮其中, 转动体位可见移动;2例呈脂液分层征:无回声内见一条水平回声带, 其上方为密集细小回声, 下方为透声好之无回声暗区, 转动体位此回声带无明显改变;2例呈面团征:以无回声为主, 透声差, 充满细小密集光点, 内见不均质高回声附着于囊壁, CDFI显示实性回声内未见血流信号;3例呈杂乱结构征:囊肿结构完整, 囊壁较厚, 囊性透声差, 囊内可见强回声光点、光斑、光团无序分布, 部分后方伴声影。其中7例肿块直径均>5.0cm, 经阴道彩超观察1～3个月无明显缩小或消失而住院手术切除病灶。1例患者因足月妊娠行剖宫产、2例因子宫肌瘤行肌瘤剥离术而同时切除病灶, 病理结果均证实为畸胎瘤。1例因患者无任何症状, 肿块直径<4.0cm而选择阴道彩超动态观察, 每2～3个月复查一次, 跟踪观察2年未见体积缩小或明显增大。

7例浆液性囊腺瘤直径均>5.0cm, 呈圆形或类圆形, 囊壁薄, 且厚度均匀, 囊肿内壁光滑, 未见实性回声附着, 囊内透声好, 呈无回声或均匀细小光点回声。2例囊肿内可见多个分隔, 但分隔较细、光滑。CDFI显示囊壁及囊内均未见明显血流信号。7例患者均给以1～3个月的观察, 2例患者囊肿较初查时直径增大2.0～3.0cm而行开腹手术, 4例患者囊肿无明显变化而行腹腔镜手术, 所有标本均送病检, 病理结果支持浆液性囊腺瘤的诊断, 另外1例患者跟踪观察11月后行囊肿切除术, 病理结果为卵巢内膜样囊肿。

3例黏液性囊腺瘤直径为8.0～12cm, 囊壁厚度4～6mm, 均呈多房囊性结构, 囊腔大小不一, 分隔膜粗细不均匀, 囊内透声差, 可见强回声光点漂浮, CDFI囊壁偶见点状血流信号。2例患者均于超声检查后1～2周住院手术, 1例观察2个月囊肿较初查时增大而住院手术, 病理结果与超声诊断一致。

3讨论

卵巢囊肿是广义上的卵巢肿瘤的一种, 各种年龄均可患病, 但以20～50岁的女性最为多见, 可分为肿瘤性和非肿瘤性两类。非肿瘤性卵巢囊肿包括卵泡囊肿、黄体囊肿、黄素囊肿、多囊卵巢、炎症性卵巢囊肿、以及子宫内膜异位囊肿 (即卵巢巧克力囊肿) 。其中卵泡囊肿、黄体囊肿、黄素囊肿属卵巢功能性囊肿, 是一种特殊的囊性结构而非真性的卵巢肿瘤, 囊肿直径一般<5cm, 壁薄、光滑, 一般经过1～2个月经周期都能消失, 无需手术[1]。若患者为生育年龄的妇女, 囊肿直径>5cm, 2个月后仍不缩小, 或在观察过程中进行性增大则应考虑手术切除, 不然容易发生囊肿扭转或破裂, 本文有一例诊断为黄体囊肿的患者就是在观察过程中出现破裂而急诊手术。炎症性卵巢囊肿是由于输卵管炎症波及卵巢, 形成炎性积液、积脓而形成的卵巢囊肿, 准确地说它应该是炎性包块, 并非真性卵巢囊肿。炎性卵巢囊肿由于其症状、体征明显, 明确诊断并不困难, 经过抗炎治疗都能逐渐缩小直至消失。卵巢巧克力囊肿是由于子宫内膜异位波及卵巢, 病灶内的内膜组织随着性激素的周期性变化而反复发生月经样内膜脱落出血, 在卵巢内形成巧克力样粘稠液体的囊肿。由于在经期卵巢腔内反复出血, 囊腔压力过高, 囊壁可能出现小裂隙并有微量血液渗出, 但裂隙随即被渗出物引起的腹膜局部炎性反应和组织纤维化所愈合, 久之卵巢与周围的乙状结肠、子宫及阔韧带紧密粘连, 固定在盆腔内, 不活动[2]。所以巧克力囊肿的囊壁较厚, 不易发生破裂和扭转, 但也不会自行缩小和消失, 而会逐渐增大。部分患者有进行性加重的痛经、性交痛、不孕以及月经失调等症状, 部分患者无明显症状。所以, 对卵巢巧克力囊肿是否手术切除在临床上有争议, 可根据患者的症状、病变范围、年龄和生育要求及意愿而定。黏液性囊腺瘤、浆液性囊腺瘤、成熟囊性畸胎瘤等肿瘤性卵巢囊肿, 虽大多为良性, 但有转化为恶性的可能, 因此均主张择期手术切除。但有文献报道成熟畸胎瘤的生长速度很慢, 平均速度大约每年1.8mm, 报道对超声形态符合成熟畸胎瘤且直径都小于6.0cm的患者使用了期待疗法, 结果都没有出现扭转或其他并发症[3], 因此, 有学者认为对于较小的肿瘤可以非手术处理。

经阴道超声检查是一种特殊的超声检查方法, 超声探头距离病灶近, 并且不受肥胖、膀胱、肠道气体和腹壁的影响, 提高了图像的分辨率, 能清晰地显示不同性质卵巢囊肿的细微结构以及与周围组织的关系, 血流信号的灵敏度也较经腹超声明显提高, 极大地提高了诊断的准确率。同时, 经阴道彩超操作简便、可重复性、患者无痛苦, 能够方便、准确地跟踪观察囊肿的变化, 了解囊肿的转归, 为临床大夫和患者提供有价值的治疗依据。

参考文献

[1]永昌, 郭万学.超声医学[M].5版.北京:科学技术文献出版社, 2002:1290-1300.

[2]顾美皎, 戴钟英, 魏丽惠.临床妇产科学[M].2版.北京:人民卫生出版社, 2011:666-677.

跟踪观察 篇3

关键词：状态检测,变步长,扰动观察法,加权

0 引言

作为光伏发电系统的核心,太阳能电池的发电效率受光照、温度、输出电压的影响,呈现强烈的非线性,因此在电池和负载中间加入功率跟踪装置调节电池的输出电压使其保持最大功率输出,成为提高太阳能利用率的一种途径。经典的最大功率跟踪(MPPT)方法有恒定电压法、扰动观察法、电导增量法等,同时,近几年也出现了模糊控制、神经网络、滑模控制等智能算法。经典算法跟踪速度快,但易在最大功率点附近波动;智能算法跟踪准确,但算法复杂,响应外界环境的变化比较慢,对硬件的要求高。本文基于光伏电池的电流—电压关系曲线,提出了一种新的MPPT方法,通过检测给定电压扰动下的功率变化率,判断出光伏电池的工作状态,然后采用变步长的跟踪方法,确保系统快速稳定地跟踪最大功率点。

1 MPPT工作原理

1.1 光伏电池特性分析

光伏电池的特性表达式:

式中,I为电池的输出电流;U为电池的输出电压;ISC为电池的短路电流;UOC为电池的开路电压;;C2=(Um/UOC-1)[ln(1-Im/ISC)]-1;,其中,Im为最大功率点电流,Um为最大功率点电压,a、b分别为参考日照下电流变化温度系数和电压变化温度系数,S为光照强度,Sref为标准光照强度(其值为1 000 W/m2),dT为温度变化量,Rs为等效电路的串联电阻(这里取0.2Ω)。

1.2 MPPT算法分析

能够实现功率跟踪的算法有恒定电压法、扰动观察法、电导增量法和智能算法,其中,扰动观察法的控制思路如下:以某一时刻为起始时刻,对电池的输出电压施加一个扰动量dV,在下一时刻对电池的输出电压和输出电流进行采样,并计算扰动施加后的电池输出功率。把当前的电池输出功率和上个时刻的电池功率进行比对,若电池的输出功率增大,则在原来电压扰动的基础上继续追加电压扰动dV;若施加扰动过后,电池的输出功率变小,则改变下一刻的电压扰动为-dV。如此,不间断地采样测试,直到电池输出稳定在最大功率点附近。

扰动观察法作为一种基本的功率跟踪方法,其优势在于算法简单,硬件上易于实现,缺点在于由于选用单一步长,其跟踪精度和跟踪速度不能同时满足,同时扰动观察法会在最大功率点附近不断波动,这些都大大降低了功率的输出效率。

1.3 新算法的提出

将式(1)代入到功率的计算公式P=UI中,得到光伏电池的功率计算公式:,并计算功率P关于输出电压U的导数,得下式:

绘制出dP/dU的特性曲线,如图1所示。

对dP/dU特性曲线进行观察,电池输出电压从0开始增加到等于光伏电池空载电压的过程中,dP/dU特性曲线经历了3个具有明显特征的阶段,用2个点将曲线分成3段:从Isc到A点为第1阶段,在这个过程中dP/dU的值几乎保持不变,且在这一阶段dP/dU的值约等于电池的短路电流;第2阶段dP/dU的值从近似等于电池短路电流下降到0,其功率对电压的导数等于0的点,即电池最大功率点;第3阶段系统进入了最大功率点的右侧,dP/dU的值变为负数,且dP/dU的值急剧下降。

根据以上分析,笔者提出了如下的变步长控制方案:(1)定义系统任一工作时刻t,在t+1时刻加入一个扰动d,计算加入扰动后的输出功率P,与t时刻的输出功率作比较,计算出dP/dU的值。(2)若dP/dU的值为正,说明电池工作在最大功率点MPP左侧的2个阶段性曲线上,将dP/dU的值和电池的短路电流Isc相减,若其差在0附近,则dP/dU位于第1阶段,否则便处于第2阶段;若DP/dU的值为负数,则其处于曲线的第3阶段。(3)若dP/dU的值处于特性曲线第1阶段,则采用相对较大的扰动步长,使电池工作状态快速进入特性曲线的第2阶段;若dP/dU的值处于特性曲线的第2阶段,采用较小步长的扰动促使系统工作点向最大功率点靠拢;若dP/dU的值处于特性曲线的第3阶段,由于工作在第3阶段的电池输出电压值距离最大功率点电压较近,故采用小步长扰动向最大功率点靠拢。(4)采用基准步长加权的方法确定电池工作在不同阶段时应采用的步长。取D为基准步长,则变步长d的计算公式为:d=σ×dP/dU×D。当dP/dU的值为正时,σ取为1;当dP/dU为负值时,σ取为-0.1。其中,基准步长D=0.01。

2 算法仿真

为了验证算法的正确性,我们在SIMULINK中对新算法进行仿真试验。首先是搭建了光伏电池的模型,其原型在标准测试条件(T=25℃,S=1 000 W/m2)下,其开路电压UOC=21.7 V,短路电流ISC=1 A,最大功率点功率为16 W。

本文模拟的环境突变为光照强度从1 000 W/m2突降至800 W/m2,此时电池的功率输出曲线如图2所示。

由曲线图可知,在没有加入扰动之前,系统首先稳定地跟踪到了标准条件下的最大功率点。在0.02 s时刻,光照强度突然减为800 W/m2,系统则在0.02～0.03 s这段时刻对最大功率点进行了迅速的跟踪,最终稳定在新的最大功率点处。这证明无论是在环境稳定的情况下,还是在环境突变的情况下,系统都能够迅速跟踪到最大功率点,且功率曲线终值平滑稳定,有效地消除了波动现象。

3 结语

本文通过研究光伏电池的功率输出特性,并对扰动观察法的原理进行剖析,分析其优缺点,找出了扰动观察法缺陷产生的原因,在此基础上提出了基于状态检测的变步长扰动观察法。仿真验证表明,系统能够在迅速跟踪到最大功率点的同时消除在最大功率点处的上下波动,表现出良好的快速性和准确性。

参考文献

[1]张超,何湘宁.短路电流法结合扰动观察法在光伏发电最大功率点跟踪控制中的应用[J].中国电机工程学报,2006(20)

星载光电跟踪系统跟踪精度分析 篇4

关键词：星载平台,跟踪精度,跟踪误差,稳定跟踪

跟踪精度作为系统重要性能之一能够最直接地反映系统总体跟踪性能。影响星载光电跟踪系统跟踪精度的主要因素有卫星的振动、摄动及旋转、星载系统工作状态、机械结构及参照系误差、轨道预测误差和背景光噪声等。其中,参照系采取星载坐标系,其误差由实际工作情况决定。轨道预测误差由探测识别系统等星载前续系统给出的数据决定。背景光噪声影响主要来自太阳、悬浮粒子、尘埃及能对光产生反射和散射的星体等[1,2,3]。由于系统的工作状态及自身对跟踪精度都有影响,所以在工程应用中,需要根据实际情况分析影响跟踪精度的主要因素,并有针对性地提出提高系统跟踪精度的方法,满足系统指标的要求。

1 星载光电跟踪系统跟踪精度

1.1 星载光电跟踪系统跟踪误差的主要来源

对星载光电跟踪系统来说,从光电探测器开始敏感外界信号到伺服控制器收到脱靶量信息要有一定的延迟时间,其中包括探测器的积分延迟、信号处理延迟和通讯传输延迟等。在探测系统中,由于图像处理器与主控制器之间,主控制器与伺服控制系统之间均通过总线进行信息传输,这都增加了伺服控制器收到脱靶量的延迟时间。长延迟的存在对跟踪系统的带宽、跟踪精度等造成严重的影响。因此,分析跟踪误差的主要来源,建立星载光电跟踪系统的稳定跟踪技术对于提高系统的跟踪性能有着重要的意义。

图1为普通跟踪系统的主要跟踪误差源,总的跟踪误差包括静态偏置误差和动态随机误差[4]。

根据以上对跟踪误差主要误差源的分析,结合星载光电跟踪系统的组成和工作模式,列举星载光电跟踪系统的跟踪误差的主要来源:

(1)动态跟踪滞后误差;

(2)光电图像传感器误差;

(3)角度位置传感器光电码盘误差;

(4)图像定位算法误差;

(5)卫星平台振动误差;

(6)其他误差。

1.2 影响跟踪精度的因素分析

1.2.1 动态跟踪滞后误差

动态滞后是由于目标运动引起的一项误差,是控制器延时、D/A转换延时、执行机构响应速度等这些原因造成的。在跟瞄伺服系统达到稳定状态时,系统输入与对应的稳态输出之间的差便是动态跟踪滞后误差ε(t):

1.2.2 光电图像传感器误差

光电图像传感器误差是由光电探测器噪声引入误差、光电探测器不均匀性引入误差和空间量化误差所组成。

(1)光电探测器噪声误差是各项误差源中最主要的误差源,它的噪声包括信号和背景的散弹噪声、暗电流、读出噪声等。工程上对这些噪声的综合影响给出一个噪声等效角σNEA:

其中:S为信号,Δt为曝光时间,N为质心窗口半宽,Np为质心窗口像素目,Np=(2N+1)2,RF为单个像素lσ固定噪声,RT为单个像素上的背景信号(包括杂散光和暗电流),则光电探测器器件噪声功率谱密度为:

fs为光电探测器件采样频率,则由光电探测器件噪声引起的跟踪误差为:

(2)光电探测器不均匀性是单个像素的光电响应属性,这是由探测器制作过程中搀杂浓度的不均匀、淀积厚度的差异以及光刻误差等造成的。

(3)空间量化误差是由于有限的探测器像元尺寸造成的,它是光束形状、像元尺寸和光斑质心窗口尺寸的函数。间量化引入的误差通常变化比较慢,其大小由光斑的亚像素位置决定。通常,光斑质心窗口应当取大一些,以减小由于图像截断导致的空间量化误差,但质心窗口尺寸增大同样会接收更多的噪声,导致噪声等效角σNEA增大。因此,在两种误差控制上需要折衷。

1.2.3 角度位置传感器光电码盘误差

光电码盘是一种数字式角度传感器,它能将角位移量转换为与之对应的电脉冲输出,主要用于机械转角位置和旋转速度的检测与控制。影响光电码盘精度的主要因素有:码盘的刻划误差、主轴系的回转精度、码盘的安装偏心、狭缝的刻划误差和狭缝的装配误差。光电码盘角度编码器的量化误差对跟踪精度影响最大。

对于用光电码盘进行转角位置的检测,传统方法是检测码盘输出脉冲数来计算角位移。光电码盘系统总的误差可由下式合成:

其中:σ为光电码盘均方根精度,ε为光电码盘编码器精度,ξ为精密弹性联轴器传动精度,γ为编码器转换电路精度。

1.2.4 图像定位算法误差

图像定位算法一般采用质心定位、形心定位、峰值定位、边缘定位等常用算法。当目标的形状和预测精度一定时,对目标估计精度影响最大的因素就是目标窗口的中心位置。误差对窗口中心位置非常敏感,因为误差的均值直接正比于xt-xc,xt为目标的实际位置,xc为目标窗口的中心坐标。由图像定位算法引起的误差可以写为:

其中,k与背景和目标像素之比即目标误判概率有关。

1.2.5 卫星平台振动误差

卫星轨道产生的不均匀引力、太阳的辐射压力或空间站内部的一些操作都有可能引起卫星平台的振动。在星载光电跟踪系统中,平台的振动造成的角振幅干扰可能显著地影响系统的总跟瞄误差的值,因而需要采取抑制措施。目前的卫星平台一般采用振动隔离或者是设计具有优良扰动抑制能力精跟踪系统来抑制卫星振动,所以在经过抑制卫星振动后产生的卫星平台振动误差几乎可以忽略不计。

1.2.6 其他误差

其他误差如电源波动、温度变化引入的随机噪声,系统调试校准误差等。

由于星载系统自身特点,跟踪精度可以用视轴稳定误差来表示。再根据星载空间环境特殊性,量化的跟踪误差主要由光电传感器NEA、控制系统机械误差及动态滞后误差决定。总跟踪精度为:

其中:σ为总跟踪精度,σ1,σ2,…,σn为各因素引起的误差。

2 计算跟踪精度及提高跟踪精度的方法

实例:某星载光电跟踪系统,跟踪精度要求60″。根据实际情况,列出对本系统影响较大的跟踪误差:

系统采用的光电码盘的精度是16位20″,假设光电码是线性变化的,则运用光电码盘对探测器满程定标的误差大约是σ1=10″;

跟踪相机的帧频为60Hz,则一帧的时间是16 ms。系统伺服响应时间为10 ms,所以系统总响应时间为26 ms。目标的运动速度为1°/s,由于一帧的滞后引起的误差为σ2=26 ms×1°×3 600=93.6″;

由形心算法计算得到的误差为:;

跟踪相机探测器面阵大小为1 024×1 024,光敏元大小为12μm×12μm,所对应的视场大小为2°×2°,由它引起的误差最大为0.5个像元点,即误差为;

这样,跟踪精度为σ=σ12+σ22+σ32+σ42,计算得σ=94.2″。

为保证系统的可靠跟踪和精度测量,可采用以下技术途径来提高系统的跟踪精度:

2.1 改善伺服控制系统的性能

提高伺服响应速度,减小响应时间,提高跟踪系统的带宽,减小系统响应的动态误差。

2.2 提高探测帧频

本系统的相机采用了窗口读出模式,在目标位置初步判定后,可设置一个局部图像窗口,视频读出数据率不变,帧频可提高,脱靶量检测频率也同样可提高。这对伺服控制系统的响应性能有更高的要求。

2.3 采取稳定跟踪技术

星载光电跟踪系统依靠传感器提供运动目标信息,捕获并稳定跟踪目标。由于图像传感器系统在提取目标时需要一定的处理时间,控制系统得到的运动目标的信息都有一定的滞后,在跟踪快速运动目标时,该滞后量必然成为影响控制系统的稳定性和跟踪精度的主要因素。预测滤波算法就是根据在前面的目标信息以及目标信息的滞后量已知的情况下,预推出当前目标信息,克服目标信息的滞后量对控制系统的影响。

常用的数据滤波方法有有限记忆最小平方滤波、α-β-γ滤波、Kalman滤波和综合预测器,这些滤波方法有他们各自的优势和适用场合。

(1)有限记忆最小平方滤波是用靠近现在时刻的N个带有随机噪声的测量数据,估计现在时刻或预测未来时刻目标运动参数,并使估值或预测的均方误差最小。此方法虽然简单,但精度有限,记忆点数多,当目标机动性加强时,滤波器不能及时反应,致使系统误差加大。

(2)α-β-γ滤波即常增益最优递推滤波。滤波效果优于有限记忆滤波,并且不太复杂,但是精度有限,适用中等精度系统和计算速度有限时应用。

(3)Kalman滤波精度高,高精度跟踪采用的滤波算法主要以Kalman滤波器为主要技术。但是Kalman滤波计算量大,实时性差,而且容错能力不够好,对它的适用范围也有了一定的限制。

(4)综合预测器是在某一次预测算法所涉及的范围内,目标的运动可看作直线运动和曲线运动的某种组合,因此可以用多种预测结果的综合作为最终的预测值。

3 结语

根据以上实例可以看出,在星载光电跟踪系统中,对跟踪精度影响最大的是动态滞后误差和伺服系统的响应延时。在对系统的跟踪精度进行分析之后,采用了改善伺服控制系统的性能、提高探测帧频和启用综合滤波器等切合工程实际应用的方法来提高系统的跟踪精度。经过以上的改善,系统的跟踪精度达到了60″,满足了系统跟踪精度指标的要求。

本文在理论分析的基础上,对实际系统的跟踪精度做了定量分析。可以看出,确定并提高系统跟踪性能既要考虑实际系统的工作环境特殊性,又要考虑技术实现的可能性,合理的分析和设计对实现良好的光电跟踪设备总体性能是非常重要的。

参考文献

[1]Shinhak L.Pointing Accuracy Improvement Using Model-basedNoise Reduction Method[J].SPIE,2002,4635(5):65-71.

[2]马佳光.捕获跟踪与瞄准系统的基本技术问题[J].光学工程,1989(3):38-42.

[3]张秉华,张守辉.光电成像跟踪系统[M].成都:电子科技大学出版社,2002.

[4]张秉华,熊金涛,胡渝.光通信中光束瞄准的误差分析[J].电子科技大学学报,1998,27(5):478-481.

[5]Amon S,Kopeika N S.Possible Solutions to Mitigate Vibra-tion Effects in Laser Inter Satellite Links[J].SPEI,2002,4489(3):202-207.

[6]周晓东.预测滤波技术在电视跟踪系统中的应用研究[D].长春:中国科学院研究生院(长春光学精密机械与物理研究所),2007.

[7]姜复兴,陈希军,昊征能.提高图像跟踪精度的一种算法[J].应用激光,2001,21(6):392-395.

[8]高浩军,杜宇人.目标跟踪技术及应用前景[J].现代电子技术,2004,27(24):1-2.

跟踪观察 篇5

静态图像的人脸检测已经不能满足实际应用的需要。在视频会议、远程教学、考场监控等场合,都需要对特征目标对象人脸进行实时检测。在通常的跟踪算法中,当轮廓不连续或出现多路径时,跟踪容易失败,Snake算法是经典的主动轮廓模型, 采用结合局部图像和所希望的轮廓信息的方法,为轮廓跟踪提供了明确的指导,所以Snake算法能够容忍图像强度信息的局部不连续性和多路径的不确定性,但是Snake跟踪得到的物体二值轮廓模型不一定总是闭合的,如果对非闭合轮廓采用填充技术,那么得到的物体掩模(Object Mask)中不可避免地含有矩形空洞,势必会造成VOP信息的缺失。因此,在对物体内部填充之前要建立闭合的对象轮廓模型;采用基于Hausdorff距离的对象跟踪器确定前景对象在后继帧中的最佳匹配位置,然后利用Snake技术拟合发生在该匹配位置上的非刚性形变,建立闭合的物体轮廓模型,这种思路可以提高静态背景下运动人脸对象提取的正确性。

1 豪斯道夫跟踪器

1.1 Hausdorff距离

第q帧待跟踪的对象二值模型点的集合设为${\rm O}{}_q=\left\{o{}_1,o{}_2,\cdots ,o{}_m\right\}$,其中m为模型点的数量,第q+1帧中由Canny算子检测的所有边缘像素的集合定义为$E{}_{q+1}=\left\{e{}_1,e{}_2,\cdots ,e{}_n\right\}$。现在需要求解Oq在q+1帧中的位置。在Oq和Eq+1间的Hausdorff距离${\rm H}\left({\rm O}{}_q,E{}_{q+1}\right)$定义如下:

${\rm H}\left({\rm O}{}_q,E{}_{q+1}\right)=\max \left\{h\left({\rm O}{}_q,E{}_{q+1}\right),h\left(E{}_{q+1},{\rm O}{}_q\right)\right\}(1)$

其中,

$\begin{array}{l}h\left({\rm O}{}_q,E{}_{q+1}\right)=\underset{o\in {\rm O}{}_q}{{\displaystyle \max }}\underset{e\in E{}_{q+1}}{{\displaystyle \min }}\parallel o-e\parallel (2)\\ h\left(E{}_{q+1},{\rm O}{}_q\right)=\underset{e\in E{}_{q+1}}{{\displaystyle \max }}\underset{o\in {\rm O}{}_q}{{\displaystyle \min }}\parallel e-o\parallel (3)\end{array}$

每一个模型点o∈Oq到最近边缘像素e∈Eq+1的距离如式(2),其Max设为$h\left({\rm O}{}_q,E{}_{q+1}\right)$;每个边缘像素e到最近模型点o的距离如式(3),其Max设为$h\left(E{}_{q+1},{\rm O}{}_q\right)$;两个极大值的较大值就是Hausdorff距离。$h\left({\rm O}{}_q,E{}_{q+1}\right)$和$h\left(E{}_{q+1},{\rm O}{}_q\right)$如图1所示。

由于离散点容易影响式(2)和式(3)的$h\left({\rm O}{}_q,E{}_{q+1}\right)$和$h\left(E{}_{q+1},{\rm O}{}_q\right)$,假定其他所有点都匹配良好,但是存在某个远离中心的模型点或边缘像素,那么Hausdorff距离就比较大,所以实际应用常常采用广义Hausdorff距离[1],因为它可以克服以上问题。广义Hausdorff距离将距离以升序排列并选择第k个值替代式(2)和式(3)中的最大值,即:

$\begin{array}{l}h{}_k\left({\rm O}{}_q,E{}_{q+1}\right)=\underset{o\in {\rm O}{}_q}{{\displaystyle kth}}\underset{e\in E{}_{q+1}}{{\displaystyle \min }}\parallel o-e\parallel (4)\\ h{}_l\left(E{}_{q+1},{\rm O}{}_q\right)=\underset{e\in E{}_{q+1}}{{\displaystyle lth}}\underset{o\in {\rm O}{}_q}{{\displaystyle \min }}\parallel e-o\parallel (5)\end{array}$

当k=m时,则式(4)与式(2)相等;若k<m,则不影响Hausdorff距离的远离中心的离散点有m-k个。学术上一般选取$k\approx 0.6m‚l\approx \left[0.3n,0.6n\right]‚m$和n分别为Oq的模型点数和Eq+1中边缘像素个数。Hausdorff距离选择k(或l)个最佳匹配点时,不需要模型点与边缘像素间的对应关系。

1.2 Chamfer距离变换

从式(4)和式(5)可以看出,只有获取每个模型点到最近边缘像素的距离,才能计算Hausdorff距离,反之亦同。Chamfer距离变换[2](DT)计算Hausdorff距离的方法描述如下:

当前有Chamfer3-4和Chamfer5-7-11计算距离变换,也即小邻域内距离的整数近似,如图2所示。DT先将边缘像素设为0,将非边缘像素设为无穷大或很大的数。然后在两次扫描中把模板中心轮流置于每个像素上并更新像素的距离。由于Chamfer5-7-11模板精确度比Chamfer3-4更高,此处采用前者。

到最近边缘像素/模型点的较小值如图3中的暗值所示,到最近边缘像素/模型点的较大值如图3中的亮值所示,Chamfer5-7-11距离变换结果如图3所示。

现在从任意模型点o的距离变换中可以直接读出hk(Oq,Eq+1)的$\underset{e\in E{}_{q+1}}{{\displaystyle \min }}\parallel o-e\parallel$项的距离值。具体来说,模型点o的坐标设为(x,y),(x,y)处的距离变换值即是o到最近边缘像素的距离,即$\underset{e\in E{}_{q+1}}{{\displaystyle \min }}\parallel o-e\parallel$。对所有模型点o∈Oq,重复这个过程且将结果以升序排列, hk(Oq,Eq+1)即为第k个排序的距离值。

1.3 Hausdorff距离的实现

Huttenlocher[5]提出:假定Hausdorff距离小于某一阈值τ时才能得到匹配,这样就有效实现了Hausdorff距离的匹配方法,使得误匹配可以较早地排除。

相对于边缘图像Eq+1,只需寻找当$h{}_k\left({\rm O}{}_q,E{}_{q+1}\right)\le \tau (\tau$为常数)时,对象Oq的那些平移。从定义式(4)得知,只有不超过m-k个模型点到最近边缘图像的距离大于τ时,以上假设才能成立。所以,只要在大于τ的距离内发现m-k+1个模型点o,就可以排除相应平移而不需任何进一步的搜索,这个过程称为早期扫描。

最佳匹配过程[3,4]概括如下:

①根据Chamfer5-7-11模板进行距离变化计算边缘图像和模型的距离,于是对每个模型点和边缘点,就求解到最近边缘像素和最近模型点的距离。

②对所有位移$d=\left(d{}_x,d{}_y\right)$,计算$h{}_{k,d}\left({\rm O}{}_q,E{}_{q+1}\right)$,该项表示对象模型位移d后在模型点o位置上的距离变换$h\left({\rm O}{}_q,E{}_{q+1}\right)$,这些距离然后以升序排列且选择第k个值,从而得到$h{}_{k,d}\left({\rm O}{}_q,E{}_{q+1}\right)$。对所有位移d进行早期扫描的结果就是满足条件$h{}_{k,d}\left({\rm O}{}_q,E{}_{q+1}\right)\le \tau$的位移d。

③以同样的方法计算$h{}_{l,d}\left(E{}_{q+1},{\rm O}{}_q\right)$,并比较$h{}_{l,d}\left(E{}_{q+1},{\rm O}{}_q\right)$和$h{}_{k,d}\left({\rm O}{}_q,E{}_{q+1}\right)$取其较大值,最终得到${\rm H}{}_d\left({\rm O}{}_q,E{}_{q+1}\right)$。最小的Hausdorff距离${\rm H}{}_d\left({\rm O}{}_q,E{}_{q+1}\right)$则表明了对象的新位置,即模型经历的位移d。

2 模型跟踪

由于匹配对象存在遮挡问题和严重偏离对象模型的个别像素存在,导致匹配不精确,使式(1)定义的Hausdorff距离在实际应用中精度不够,所以可以通过基于排序的Hausdorff对象跟踪器来解决这个问题。但是基于排序的Hausdorff距离含有代表最佳匹配点个数的参数k和l,这两个参数对匹配结果有影响:该值过小,则降低对象的匹配精度,参数值过大,受离散点的影响就越大。有鉴于此,进行对象跟踪需要改进Hausdorff距离,改进方法如下所示:

$\begin{array}{l}h{}_{{\rm M}}\left({\rm O}{}_q,E{}_{q+1}\right)=\frac{1}{{\rm N}{}_{{\rm O}}}{\displaystyle \sum _{o\in {\rm O}{}_q}\underset{e\in E{}_{q+1}}{{\displaystyle \min }}}\parallel o-e\parallel (6)\\ h{}_{{\rm M}}\left(E{}_{q+1},{\rm O}{}_q\right)=\frac{1}{{\rm N}{}_E}{\displaystyle \sum _{e\in E{}_{q+1}}\underset{o\in {\rm O}{}_q}{{\displaystyle \min }}}\parallel e-o\parallel (7)\\ {\rm H}{}_{{\rm M}}\left({\rm O}{}_q,E{}_{q+1}\right)=\\ \max \left\{h{}_{{\rm M}}\left({\rm O}{}_q,E{}_{q+1}\right),h{}_{{\rm M}}\left(E{}_{q+1},{\rm O}{}_q\right)\right\}(8)\end{array}$

其中,NO是集合Oq的元素个数,NE是集合Eq+1的元素个数。改进的Hausdorff距离能够自适应地确定参数k和l,算法的自适应性和自动分割视频对象平面的能力大大提高。

另一方面,绝大部分的位移均不满足条件$h{}_{k,d}\left({\rm O}{}_q,E{}_{q+1}\right)\le \tau$,对于位移d的选择有必要在一定范围内进行。当提取目标移动缓慢和过快时,应该选择不同的位移范围。由于本文的分割算法主要针对于头脸像序列,前景目标通常运动不会太快,因而将对象模型附近的5×5邻域作为位移选择的范围。以便加快对象的跟踪。

改进的基于Hausdorff距离的对象跟踪步骤如下:

①利用Chamfer5-7-11距离变换初始分割得到的运动对象的二值模板O,得到距离图像O'。

②采用Canny算子边缘检测后继图像,生成边缘图像E,然后Chamfer5-7-11距离变换,得到距离图像E'。

③对预先选择的位移$d=\left(d{}_x,d{}_y\right)$如此处理:对二值图像O中所有模型点$o\left(x{}_o,y{}_o\right)$,查找距离图像E'中$\left(x{}_o+d{}_x,y{}_o+d{}_y\right)$点的值,求其Avge并存放在数组Fe中。

④进行早期扫描,确定该位移是否被排除:若被排除,则调回步骤③,否则跳转步骤⑤。

⑤对二值图像E中所有被图像O覆盖的$\left(x{}_e-d{}_x,y{}_e-d{}_y\right)$的边缘点$e\left(x{}_e-d{}_x,y{}_e-d{}_y\right)$,查找距离图像O'中$\left(x{}_e-d{}_x,y{}_e-d{}_y\right)$点的值,求其均值Avgo并存放在数组Fo中。

⑥若所有位移都早期扫描过,则跳转下一步⑦;否则调回步骤③。

⑦数组Fo和Fe中元素的依次比较大小,将较大值放入数组F中。

⑧求数组F中最小的值,该值对应的位移d便是对象模型在后继帧中经历的位移。

3 模型修改

后继帧中对象形变被划分刚性变形和非刚性变形,但是非刚性变形估计是比较困难的。基于Hausdorff距离的跟踪器虽然在后继帧中找到对象的最佳匹配位置,但是对象的形状可能在该位置上发生变化,针对这点,可以使用改进的Metropolis抽样算法求解Snake,进一步匹配运动对象的非刚性形变,拟合结果如图4所示。

4 实验结果与分析

为了验证上述方案的有效性,算法是在WindowXP 操作系统平台上,采用Matlab 工具和VC 相结合实现的。序列格式为352×288大小的CIF格式(背景基本不动,前景人物对象跳舞运动)。采用Hausdorff距离的跟踪器与否的Snake技术提取VOP的效果可以从图5与图6的比较中可以得出结论: 基于Hausdorff距离的跟踪器的Snake技术提取VOP是有效的。

5 结束语

传统Snake模型对运动图像的对象提取存在对初始轮廓的敏感性,受噪声影响比较大等缺点,在采用Snake匹配非刚体形变之前,将基于Hausdorff距离的对象跟踪器结合到这个过程中来,从而将信息丢失或者错误边缘定位的可能性降低到最小。这与直接采用Snake技术进行运动对象的跟踪相比,该提取过程能够进一步提高结果的正确性。但对于剧烈运动的背景图像或完全静止的前景人脸对象提取,实际效果差强人意。如何将运动分割信息与空间分割信息更好地融合,提升复杂运动图像环境下的前景人脸对象识别效果还有待进一步研究。

摘要：Snake算法能够跟踪运动图像中对象的非刚性运动,但是对于背景复杂的图像,Snake跟踪的结果不够理想。因而在首帧分割得到对象轮廓的二值模型后,再采用基于Hausdorff距离的跟踪器,找到对象模型在后继帧中的最佳匹配位置;然后采用Snake模型对该匹配位置上的非刚性形变的像素进行匹配。实验表明:对于具有静止背景且前景对象不是快速运动的视频序列,与直接采用Snake技术进行运动对象的跟踪相比,该提取视频对象平面过程能够进一步提高结果的正确性。

关键词：Snake算法,Hausdorff距离,人脸跟踪,视频对象平面

参考文献

[1]史立,张兆扬.基于运动跟踪匹配技术的视频对象提取[J].通信学报,2001,22(11):77-85.

[2]Chung-Ming Kuo,Chaur-Heh Hsieh.A New Mesh-Based Temporal-Spatial Segmentation for Image Sequence[C].Computer Softwareand Applications Conference,2000:395-400.

[3]Thomas Meier,King N Ngan.Automatic Segmentation of MovingObjects for Video Object Plane Generation[J].IEEE Transactionson Circuits and Systems for Video Technology,Sept.1998,8(5).

[4]Oh-Kyn Know,Dong-gyn Sim,Rae-Hong Park.New hausdorff dis-tances based or robust statics for comparing images[C].Proc ICIP’96,1996.