论文部分内容阅读
隐身技术的出现和超低空突防导致雷达接收回波信号微弱,迫切需要提升雷达的探测能力。检测前跟踪(TBD)技术是通过时间上的观测累积以提高信噪比,能够有效地检测与跟踪微弱目标。粒子滤波(PF)的TBD (PF-TBD)技术适用于非线性非高斯条件下以数值逼近的方法近似估计,成为国内外的研究热点。但是目标的多样性和环境的复杂化限制了PF-TBD算法的探测能力,有效利用先验信息的知识辅助系统能够最大程度地改善TBD技术的探测性能。本文主要是挖掘利用目标与环境的先验信息,结合PF-TBD算法进行研究,其主要内容可以归纳为以下几个方面：1、针对ESIR-TBD算法无法有效地探测强机动性目标的问题,给出了基于多模型的ESIR-TBD算法。该算法通过多种运动模型描述目标运动特性,能够实时选择匹配的运动模型表征其运动模式,有效地检测强机动性目标。同时给出了目标幅度参数的估计方法。2、针对PF-TBD算法在状态空间过大时粒子初始化精度低的问题,利用目标的运动特性,提出了基于竞争机制的粒子初始化方法。该方法通过划分状态子空间,实时更新和选择最优的状态子空间进行初始化,提高了粒子初始化精度。3、针对PF-TBD算法的目标幅度统计模型不匹配问题,利用目标幅度统计分布特性,提出了基于目标幅度信息的PF-TBD算法。该算法有效利用幅度统计特性构造似然比,增强了帧间的幅度相关性,比标准的PF-TBD算法具有更优的检测性能和更高的跟踪精度。4、针对复杂道路场景下的地面移动目标的检测跟踪问题,利用道路交通信息,提出了基于道路交通信息约束的PF-TBD算法。该算法降低目标运动模型的不确定性,约束目标的速度和提高粒子的利用率,提高了微弱目标的探测性能。通过仿真实验的分析,验证了上述方法的有效性。基于知识辅助的粒子滤波TBD算法优于标准的粒子滤波TBD算法,能够更好地探测与跟踪微弱目标。