论文部分内容阅读
弱小目标的检测是现代雷达经常会遇到的关键问题之一。当目标的回波信号很弱,信杂比较低时,传统的对目标先检测后跟踪方法难以实现单帧数据的有效检测。相比于检测后跟踪方法,检测前跟踪(TBD)方法利用几乎没有信息损失的相关数据,通过数次扫描的积累处理,能够有效提高低信噪比下目标的检测与跟踪性能。本文主要研究了基于粒子滤波(PF)的TBD算法。本文首先总结分析了基于PF的雷达弱小目标TBD算法中常用的三种量测模型,在此基础上研究了一种基于改进粒子滤波的TBD算法。其次,针对超视距雷达弱小目标模型的特点,充分挖掘了系统模型中的线性高斯部分,将目标状态向量重新划分线性部分和非线性部分。区别于文献[36]中只将目标幅度视为线性状态的做法,本文将目标状态向量中的幅度和由加速度引起的多普勒频率增量都归为线性状态,只有多普勒频率一维为非线性状态,然后再用Rao-Blackwellised粒子滤波算法进行目标状态的估计。计算机仿真结果表明,改进后的算法的检测性能以及目标状态各分量的跟踪精度都有一定的提高。最后,针对算法的实时性问题,引入了一种基于拟蒙特卡罗(QMC)高斯粒子滤波的TBD算法,应用于超视距雷达弱小目标的检测与跟踪。该算法采用误差收敛更快的QMC积分方法,并且直接利用状态协方差矩阵构造检测统计量实现目标检测,节省了大量计算量。计算机仿真结果表明,该算法对弱小目标具有良好的检测和跟踪能力,并且算法的实时性比较高。此外,该算法结构简单,适于工程实现。