排序方式： 共有3条查询结果，搜索用时 93 毫秒
1
1.
针对目标雷达截面积(radar cross section, RCS)空间起伏,不易于常规雷达进行长时间积累检测的问题,结合正交频分复用(orthogonal frequency division multiplexing, OFDM)波形与分布式多输入多输出(multiple input multiple output, MIMO)雷达的特点,提出了一种基于分布式OFDM MIMO雷达的非相参积累目标检测方法。该方法使获得的多路回波信号短时间内非相参并行处理,削弱了长时间积累、复杂的相位补偿以及RCS快起伏对检测性能的影响,有效实现了多个目标的积累和检测。仿真结果证实了提出方法的有效性。 相似文献
2.
传统的动态规划检测前跟踪(dynamic programming track-before-detect, DP-TBD)算法能有效实现对匀速直线运动目标的检测跟踪,但其忽略了目标帧间状态转移概率,因此在对机动目标进行检测跟踪时容易受噪声干扰,产生错误的状态关联。对此提出了一种基于隐马尔可夫模型的DP-TBD算法。该算法利用隐马尔可夫模型对目标的运动过程建模,用一系列隐状态表示目标转弯速率并利用隐马尔可夫模型的隐状态估计理论实现对转弯速率的估计和预测,进而得到当前目标状态的预测值,根据此预测状态与下一时刻回波数据分辨单元间的距离来计算转移概率。然后将转移概率应用于DP-TBD算法的能量积累过程中以提高检测跟踪性能。仿真实验基于机动目标,给出了所提算法的检测跟踪性能,并与传统的DP-TBD算法、方向加权DP-TBD算法以及线性最小二乘DP-TBD算法进行了分析比较,验证了该算法的有效性。 相似文献
3.
针对粒子滤波存在粒子退化,会导致检测前跟踪(TBD)算法的检测和跟踪性能下降这一不足,提出了一种基于高斯-哈密顿滤波(GHF)高斯粒子滤波的TBD算法.该算法基于高斯粒子滤波,采用GHF算法构造的重要性密度函数采样连续出现粒子,考虑了最新的量测信息,采样粒子更逼近于真实的后验概率密度,克服了粒子退化问题.仿真结果表明:与基本TBD算法相比,所提出的TBD算法提高了对目标的检测和跟踪性能. 相似文献
1