论文部分内容阅读
由于现代战争中采用隐身技术或本身尺寸较小等因素，其回波信号能量低，用传统雷达等传感器探测这些微弱目标比较困难。检测前跟踪技术在检测之前引入跟踪算法，能够充分利用目标信号回波的信息，利用原始信号能量的多帧积累，能够提高强杂波下弱目标的检测与跟踪性能。考虑到实际战场环境中，敌方目标通常采用多批次或者集群模式攻击，如何在强杂波背景下准确估计出多个低信噪比目标的数目和各目标状态，具有重要的理论意义和军事价值，也是当今雷达探测领域研究的热点。本文在总装备部“十二五”预研项目的支持下，针对复杂环境中多个弱目标检测跟踪一体化的问题进行了研究。主要研究内容如下：1.针对单个弱目标的检测和跟踪问题，系统分析了基于粒子滤波（ParticleFilter，PF）的检测前跟踪算法（Tracking Before Detection，TBD）。利用带有权重的粒子集合近似表示出联合后验概率密度，进而估计目标状态及判断目标出现与否。通过对检测概率、估计精度等性能指标进行分析，可以看出PF-TBD算法可以很好的检测跟踪低信噪比目标。2.针对目标数目已知的多个微弱目标的检测前跟踪问题，研究了基于粒子滤波的多个弱目标的TBD算法。通过引入一个服从一阶Markov链的模型变量来描述目标的数目分布情况，利用假设检验判断目标出现与否，进而估计目标数目，及各目标运动状态，最终解决多个弱目标的联合检测和跟踪问题。仿真分析了不同的信噪比对算法检测和跟踪性能的影响，验证了算法的有效性和性能优势。3.针对目标数目未知的多个微弱目标的检测前跟踪问题，研究了基于概率假设密度（Probability Hypothesis Density，PHD）的TBD算法。通过处理多目标后验概率密度的一阶矩，递推地传递目标状态的分布信息，运用随机集理论可以直接提取多目标的个数和状态而不需要进行数据关联，最后通过聚类分析提取出状态确定其轨迹。将PHD与TBD相结合可解决低信噪比下多个微弱目标的检测和跟踪问题。仿真验证了PHD-TBD在未知目标数目的情况下可以准确估计出目标的数目，并具有良好的跟踪性能。