高速运动雷达弱小目标检测方法研究

针对强杂波下高速运动的雷达弱小目标的特点,提出了一种基于短时滑窗相参积累和改进动态规划的检测前跟踪相结合的算法。首先,将雷达的回波信号构成一个先入先出的队列,进行短时滑窗相参积累。其次,在航迹跟踪时采用了基于改进动态规划的检测前跟踪算法,并且在原来的状态转移的基础上又对后续状态进行了估计,从而降低了相邻两帧间目标强度起伏的影响。实测数据证明此算法检测性能好,计算量较小,实际可行。     

检测前跟踪应用中的传感器观测数据仿真研究

检测前跟踪是低信噪比环境下目标检测与跟踪的有效方法,应用时通常基于未作门限处理的传感器原始观测数据,而非经典跟踪中的点迹.鉴于当前还没有系统的用于检测前跟踪的传感器仿真建模研究工作,针对实际应用中常见的雷达、声纳和红外三类传感器,建立检测前跟踪处理模型,并仿真产生了各类传感器在单、多目标场景下的原始观测数据.仿真试验表明,传感器模型仿真逼真度较高,为其它种类传感器的观测数据仿真提供了参考,也为检测前跟踪算法的研究提供了便利.     

基于航迹检验的雷达检测前跟踪新算法

针对在低信噪比环境下雷达目标检测的问题,提出了一种基于航迹检验的检测前跟踪方法.该方法利用航迹检验和能量积累检测双重检测方法,在目标运动信息未知的情况下,在多脉冲回波间估计目标运动参数,获取目标航迹并沿着目标航迹的进行非相参积累,有效地积累目标回波能量,改善了积累后的信噪比,提高了检测性能.通过仿真表明,在目标匀速和匀加速运动时,该方法都具有较好的检测性能,与其它检测前跟踪方法相比,该方法鲁棒性更好.     

基于粒子滤波的弱目标检测前跟踪算法

针对低信噪比条件下弱目标的实时检测与跟踪,提出了一种基于粒子滤波,结合序贯概率比检验和固定样本长度似然比检验的递归检测前跟踪算法。粒子滤波用以解决跟踪中的非线性和非高斯问题;序贯概率比检验通过序贯累积多帧观测数据来提高信噪比,以最小时延检测到目标存在;固定样本长度似然比检验,通过选择合理的样本长度,保证持续检测到目标,且无延迟检测目标消失。仿真试验表明,该算法有着良好的检测与跟踪性能。     

基于隐马尔可夫模型的动态规划检测前跟踪算法

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。     

基于两级采样的粒子滤波检测前跟踪算法

针对粒子滤波检测前跟踪算法中高维状态采样效率低的问题,提出了一种基于两级采样的粒子滤波检测前跟踪算法。根据状态向量中各分量对量测有无直接影响,把粒子的高维状态采样转换为两个序列低维采样,提高了粒子采样效率,进而可获得更高的检测概率和估计精度。仿真结果验证了算法的有效性。