论文部分内容阅读
弱小目标的检测和跟踪是现代雷达必须要面对的关键问题之一。当目标的回波信号能量很低或者背景干扰很强时,雷达传感器接收到的目标回波信噪比(SNR)就很低,此时基于单帧门限判决的传统先检测后跟踪(TAD)方法已很难完成检测和跟踪的任务。检测前跟踪(TBD)方法为此类问题提供了一条有效的解决途径。该方法集检测和跟踪于一体,不对单帧回波数据设置门限,沿着目标可能的路径进行能量积累,能有效地对信噪比很低的弱小目标进行检测和跟踪。在诸多的TBD方法实现算法中,基于贝叶斯递推估计理论的粒子滤波TBD算法(PF-TBD)性能优越,是本文研究的重点。首先,本文研究了标准PF算法及其免重采样改进的高斯粒子滤波(GPF)算法的基本原理,针对将拟蒙特卡罗(QMC)方法应用于GPF算法中虽提高了性能但同时增加了复杂度与运算量的问题,用对基本粒子集的线性变换简化原算法中QMC采样过程,提出了SQMC-GPF算法,该算法具有更低的复杂度和运算量。仿真实验表明SQMC-GPF算法与QMC-GPF算法具有相近的滤波性能但拥有更高的运算速度。其次,针对基于标准PF的TBD算法因为存在重采样步骤而导致粒子失去多样性和并行性减弱的问题,将GPF算法与RPF-TBD算法相结合,提出RGPF-TBD算法,并给出了该算法详细的推导过程。该新算法继承了GPF算法的优点,无需重采样步骤,具有较高的并行性,且粒子的多样性得到了保证,从而具有更好的检测和跟踪性能。再次,本文用QMC方法取代RGPF-TBD算法中的蒙特卡罗采样(MC)方法,同时用超均匀序列取代RGPF-TBD算法中新生后验概率估计中的伪随机序列,提出了QMC-RGPF-TBD算法。该算法可有效提高粒子的多样性和利用率。仿真实验表明,相对于RPF-TBD和RGPF-TBD算法,该算法具有不错的检测和跟踪性能,但因为引入了QMC方法,所以该算法具有较高的复杂度和运算量,针对这一问题,本文又提出了SQMC-RGPF-TBD算法,用线性变换简化连续后验概率分布估计中QMC采样,同时用一次拟随机采样代替新生后验概率分布的估计中的多次拟随机采样,仿真实验表明,该算法在具有不错的检测和跟踪性能的同时具有更快的运算速度。最后,本文对目标运动和雷达量测系统进行建模,将RPF-TBD、RGPF-TBD、QMC-RGPF-TBD和SQMC-RGPF-TBD算法应用到弱小目标的检测中,比较并分析了四种算法在不同信噪比和粒子数量下的检测和跟踪性能,最终得到如下结论:当不考虑运算量时,QMC-RGPF-TBD算法具有最好的检测和跟踪性能;当要求实时性和性能兼顾时,SQMC-RGPF-TBD算法是首选。