基于PHD滤波和数据关联的多目标跟踪

针对杂波环境下的多目标跟踪,概率假设密度（probability hypothesis density, PHD）滤波不能提供目标航迹信息的问题,提出一种基于PHD滤波和数据关联的多目标跟踪方法。利用PHD滤波消除杂波并得到各个时刻的目标个数和目标状态估计。将PHD滤波的结果重新定义为量测数据,通过数据关联进一步消除虚警和漏警并给出目标航迹。仿真结果表明,该算法可以在有效地提高杂波环境下多目标跟踪精度的同时提供各目标航迹信息。     

集中式雷达网鉴别虚假航迹的假设检验方法

针对电子战飞机(ECAV)编队实施的航迹欺骗容易对雷达网产生虚假空情的问题,提出了一种集中式雷达网鉴别虚假航迹的假设检验(HT)方法。首先,根据航迹欺骗的具体实际,建立了虚假目标量测的误差模型,在此基础上,利用量测数据以及目标状态估计构造了样本的量测误差协方差阵;然后,采用统计分析的方法对误差协方差阵进行假设检验,完成单雷达对航迹真实性的判决;最终,利用M/N逻辑加强判决可靠性,突出雷达网的抗干扰优势。与目前在雷达战术或技术上广泛运用的具有较强试探性的方法相比,HT方法立足理论分析,具有更好的可靠性和可行性,其虚假航迹正确鉴别率能够达到90%以上。     

基于IMM的高脉冲重复频率雷达解距离模糊方法

针对高脉冲重复频率（high pulse repetition frequency, HPRF）雷达多假设解距离模糊方法在模糊区间发生变化时会出现解距离模糊错误的现象,提出一种基于交互式多模型（interacting multiple model, IMM）的混合滤波解距离模糊方法。通过把脉冲间隔数和脉冲间隔变化量作为目标待估计状态,对离散的脉冲间隔数、间隔变化量和连续的目标状态（径向距离和速度）进行混合滤波,从而将解距离模糊转换为混合滤波问题。仿真结果表明,在第一个驻留时间内,在两帧以上同时检测到目标和只有一帧检测到目标两种情况下,该方法均可以克服现有多假设方法的不足,随着模糊区间的变化,正确地解距离模糊。