异类传感器多目标检测跟踪与识别随机集模型

为在空中预警监视系统中实现多异类传感器多目标联合检测、跟踪与识别,在多目标检测、跟踪的随机有限集模型基础上,进行多异类传感器多目标联合检测、跟踪与识别的理论模型与处理框架研究。通过对目标的运动学状态与目标识别属性状态统一描述,把多目标状态建模为一个用随机有限集描述的全局状态。通过对运动学传感器与属性传感器模型分析,把各异类传感器建模为一个全局传感器,并把各传感器的测量建模为一个用随机有限集描述的全局测量。根据全局状态与全局测量模型,把异类传感器多目标联合检测、跟踪与识别过程描述为Bayes滤波过程,并给出了相应的多异类传感器多目标联合检测、跟踪与识别处理框架。通过仿真试验验证了理论模型与框架的有效性。     

用综合识别法检测风廓线雷达湍流目标

风廓线雷达探测时,由于湍流回波信号弱,易受到地杂波的干扰。为了改善目标检测效果,分析得到地杂波的如下特点：地杂波为宽度很窄的高斯谱、地杂波关于多普勒零速度点对称分布、地杂波离多普勒零速度点很近、地杂波谱峰两侧有很大的梯度、相邻高度层上的地杂波谱峰值有很小的梯度。据此,提出了进行风廓线雷达目标检测的综合识别法。其主要步骤是：以分段平均法确定噪声电平,以谱的形状和谱宽大小进行初步识别,以分类检测去除地杂波影响,再适当进行连续性修正后得最终检测结果。实测数据处理表明：检测效果令人满意,不同波束的检测结果具有对称性,在弱信号时也可以取得合理的检测结果。     

基于FSVM的雷达多目标识别

重点分析了支撑矢量机多分类问题中存在的误分、拒分现象,针对雷达目标提出解决这一现象的模糊支撑矢量机。采用模糊支撑矢量机的分类机理对样本数据有限且残缺不全的高分辨一维雷达距离像进行多目标识别。实测数据(4种飞机雷达距离像)的多目标识别结果表明,模糊支撑矢量机与一般多类支撑矢量机相比在多目标识别时简单易行,而且在识别率上有显著的提高。     

雷达目标识别

本文讨论用雷达来进行目标识别。目标识别的可能性严格地取决于系统提取目标特征的能力,这些目标特征对识别非常有用。以往的一些文献已就这一课题提出了许多技术,本文将对其中最为重要的几个问题进行讨论。     

分布式干扰下组网雷达目标检测与跟踪技术

针对分布式干扰下组网雷达目标检测与跟踪,提出一种基于分布式干扰下雷达量测模型的跟踪技术。该跟踪技术包括分布式干扰下量测模型和组网雷达序贯滤波跟踪两部分,分布式干扰下量测模型根据雷达采取抗干扰措施前后的接收机输入端的信干比分别计算检测概率,进而模拟传感器在分布式干扰下对目标的检测情况。在组网雷达序贯滤波中,首先对分布式干扰下各雷达的量测数据进行串行合并和点迹合成,然后采用基于交互多模型的序贯滤波方法对压缩后的数据进行跟踪。该检测与跟踪技术可模拟出雷达在分布式干扰下因检测概率下降造成的目标暂消现象,提高组网雷达跟踪航迹的连续性和稳定性。仿真结果证明了该技术的可行性和有效性。     

自适应高斯模型与多基地雷达机动目标跟踪

为改善多基地雷达系统对高机动目标的跟踪性能,提出了基于自适应高斯模型和扩展卡尔曼滤波(EKF)的机动目标跟踪算法.将目标加速度的概率密度特性描述为一具有均值和方差的高斯分布,建立了系统的离散状态方程和非线性观测方程进行EKF滤波,并在每个采样周期实现对输入控制信号及过程噪声协方差的更新,使加速度符合目标的实际变化情况.Monte Carlo仿真结果显示,对目标的变加速轨迹,该算法在位置和加速度上的均方根误差均比Singer模型小,且误差曲线平滑,表明了该算法能对机动目标实现准确跟踪.     

多站雷达中机动目标高精度跟踪分析

在快速卡尔曼滤波跟踪算法的基础上,提出了一种机动目标位置和速度的高精度卡尔曼滤波算法,用于仅提供距离和测量的多站雷达系统对机动目标的高精度定位和高精度测速。多站雷达系统提供给数据处理中心的距离和信息,通过滤波迭代算法估算出目标的位置和速度。对机动目标的仿真实验结果表明,该算法不仅改善了以前文献中目标位置的定位精度,而且对目标速度也同样具有优良的测量性能。     

双基地MIMO雷达多目标高精度跟踪算法

针对双基地多输入多输出(multiple input multiple-output,MIMO)雷达自适应非对称联合对角化(adaptive-asymmetric joint diagonalization,AAJD)跟踪算法在低信噪比时失效的问题,提出一种双基地MIMO雷达高精度跟踪算法。首先,针对低信噪比时AAJD算法信号子空间扩展问题,利用主成分顺序估计原理求出特征值,根据特征值的大小对导向矢量进行排序,得到更加精确的信号子空间。其次,根据跟踪状态的不同,将多目标分类(multiple signal classification,MUSIC)算法分为两步:第一步全空域大步长扫描,对应跟踪非稳定状态;第二步小空域小步长扫描,对应跟踪稳定状态,空域范围由上一时刻估计角度和运动速度确定,并将峰值搜索过程变为取最大值操作,降低了计算量。算法解决了低信噪比时信号子空间扩展问题,提高了跟踪性能,且采用了性能更高的MUSIC算法,并对其进行改进,降低了计算量。仿真结果证明了算法的有效性。     

雷达与声纳能够识别目标

应用雷达、声纳与弹性波发射装置来识别目标已有了理论性的突破。信号回波分析法使雷达与声纳有可能识别目标。该方法通过波动穿透地层还可用来识别导弹地下井与探测石油蕴藏量。本文作者描述的这项理论是由美国海军支持而发展起来的。     

多基地雷达的目标检测性能

本文研究了在白噪声情况下,由M部采用检测后积累工作方式的接收机构成的多基地雷达系统检测部分相关Rayleigh目标时的检测概率。给出了计算这种系统检测概率的方法。得到了在不同脉冲数N和站数目M情况下检测概率随信噪比变化的曲线。同时还计算了由于采用多基地雷达带来的检测增益。对于实际雷达设计者来说,了解检测增益可以使其在系统复杂性和系统性能之间作出最佳的选择。     

机载雷达、红外、电子支援措施协同跟踪与管理

针对辐射限制下的目标跟踪问题,提出了一种机载雷达、红外传感器(infrared search and track, IRST)、电子支援措施(electronic support measure, ESM)协同跟踪与管理的方法。针对雷达、红外、ESM量测时间不一致的特点,采用顺序处理结构的多传感器集中式融合方式对目标进行跟踪,利用跟踪过程中的预测协方差与预定门限进行比较控制雷达辐射,并分析了红外、ESM不同间歇时间、不同控制门限与雷达辐射时间的相对关系。研究结论有助于提高作战飞机的抗侦察和抗干扰能力,从而提升整体的生存能力。     

基于PHD滤波的相控阵雷达多目标跟踪算法

对于相控阵雷达方向余弦量测,采用扩展卡尔曼概率假设密度(extended Kalman probability hypothesis density, EK PHD)滤波进行多目标跟踪时,存在目标数估计偏高和目标状态估计准确度低的问题。针对上述问题,提出了一种新的多目标跟踪算法——无偏转换量测概率假设密度(unbiased converted measurements PHD, UBCM PHD)滤波算法。该算法采用方向余弦量测下的量测转换方法,保留了更多的量测信息;同时对转换后的量测偏差进行补偿,使量测转换误差的均值、方差准确近似原始量测高斯分布的一、二阶矩。仿真实验表明,所提算法可提高目标数和目标状态估计准确性。     

基于时域特性的非相参雷达目标检测与跟踪

将跟踪雷达的目标检测策略应用于搜索雷达数据处理,提升对复杂低空空域非相参雷达图像中小弱目标的检测与跟踪能力。首先,根据跟踪目标的生命周期等时域特性,修正“最优分类面”中目标预估位置邻域内的分割阈值,以提高目标检测灵敏度。然后,利用杂波在雷达图像序列中的时域特性进一步修正“最优分类面”,剔除剩余杂波。最后,将本算法与已经实现的基于空域特性的杂波抑制算法相结合,分别应用于仿真和实测数据,并采用多种方法评价检测结果。检测结果表明,本算法能够在提高检测率的同时,进一步降低虚警率。     

天波超视距雷达的多路径融合多目标跟踪算法

针对天波超视距雷达(over-the-horizon radar, OTHR)的信号多路径传播特点,提出一种融合多路径信息的多目标跟踪算法。该算法利用概率多假设跟踪(probabilistic multi hypothesis tracker, PMHT)算法中量测与目标关联的“软”决策模型优势,并对多路径观测函数显式建模,推导了多路径量测融合处理公式。仿真实验结果表明,相比于标准PMHT算法,所提出算法实现了在低检测概率、高杂波的OTHR环境下对多个目标的更有效跟踪,获得更高的目标状态估计精度和更低的失跟率。     

基于L型阵列MIMO雷达的多目标分辨和定位

针对多输入多输出(multiple input multiple output, MIMO)雷达的自由度特性,提出了一种单基地L型阵列MIMO雷达的空间多目标分辨和定位方案和基于Capon波束形成器的MIMO Capon二维空间谱估计方法。该方法可对空间目标二维DOA进行估计从而完成对多目标的分辨定位,对方案中可分辨定位目标数目进行了分析。分析和仿真结果表明,将该方案应用于雷达目标定位系统中,在实际阵元数目不变的情况下,可提高系统自由度的利用率,增加可分辨目标数目,节约成本。     

双频率高频地波雷达船只目标点迹关联与融合处理

单频率高频地波雷达海上目标探测会受到一阶海杂波和高频谐振区目标回波强度起伏的影响,引起目标漏检。利用实测船只探测实验数据,分析了双频地波雷达目标探测的特点,并重点分析了海杂波对目标探测的影响,指出双频雷达可以克服单一频率目标探测中漏检的缺陷,提高船只目标的检测率。通过分析双频地波雷达检测结果的不同分类及处理方式,给出了双频地波雷达目标点迹融合处理方法,讨论和分析了目标点迹关联中距离门、速度门和方位门等参数的选取原则及影响因素。最后利用实测同步的自动识别系统数据,评价了目标点迹融合的探测精度。     

惯导误差下分布式雷达多目标空间配对算法

当分布式高速雷达组网平台存在大的惯导误差时,要实现多目标环境下的组网信号级融合检测,必须解决多目标的空间配对问题。因此,提出了一种利用目标距离信息,结合多路径信息冗余特点的方法来实现多目标空间配对。首先,从理论上推导了判别目标正确配对的表达式,并分析了表达式结果与目标配对情况的对应关系。然后,根据当前目标配对情况设计出相应的目标配对方法。最后,仿真结果验证了该目标配对算法的有效性。     

组网雷达自适应模糊CFAR检测融合算法

为提高组网雷达的分布式恒虚警(constant false alarm rate, CFAR)检测性能, 基于模糊逻辑和最大选择筛选平均检测器(maximum-censored mean level detector, MX-CMLD)提出一种自适应多传感器分布式模糊CFAR检测算法。该方法是一种基于无信噪比信息的检测融合算法, 通过传输单部雷达站接收信号的检验统计量、检测可信度来完成全局的CFAR检测。该方法通过表决模块和反馈模块, 控制传输到融合中心的数据量, 并自适应选取相关的雷达数据进行融合, 在一定程度上可以实现雷达资源的管理。仿真结果表明, 在均匀背景、多目标干扰背景的目标检测中, 自适应分布式模糊MX-CMLD均有较好的检测性能。     

基于随机集理论的模糊观测多目标跟踪方法

为解决传感器观测数据具有不确定性和模糊性的多目标跟踪问题, 首先给出了模糊观测的随机子集表示及其似然函数构造方法; 然后利用所构造的似然函数, 并结合概率假设密度(PHD)滤波器来实现模糊观测的多目标跟踪. 仿真结果显示, 标准PHD滤波器在模糊观测下会出现目标数目估计不准确的问题. 针对这一问题, 在分析了该问题产生原因的基础上, 通过改进PHD滤波器的更新过程, 提出了一种单量测独立更新的PHD滤波方法. 仿真结果表明, 在模糊观测下, 改进算法能得到比标准PHD滤波方法更准确的目标数目估计和更高的跟踪精度.