论文部分内容阅读
随着科学技术水平的高速发展以及军事、民用需求的不断提升,针对弱小目标的检测与跟踪技术日益重要。在目标检测与跟踪领域,传统的检测后跟踪(Detect-Before-Track,DBT)技术由于采用门限判决,在弱目标场景下性能表现不佳,相比之下,一种单帧不设门限判决的检测前跟踪(Track-Before-Detect,TBD)技术应运而生。检测前跟踪技术通过时间上的多帧积累,在最大程度保留原始观测信息的同时,实现对微弱目标的检测和跟踪处理。粒子滤波(Particle Filter,PF)技术由于具有非线性、非高斯应用场景下的递归处理特性,是实现检测前跟踪技术的一种高效方法。本文围绕基于粒子滤波的检测前跟踪(PF-TBD)算法进行研究,主要研究内容如下:(1)进行了基于贝叶斯粒子滤波的TBD算法的理论研究,分析了红外和雷达两种传感器量测场景下的TBD建模方式,并仿真对比和分析了基于存在变量混合估计的SPF-TBD算法以及基于未归一化粒子权值的RPF-TBD算法。结果表明RPF-TBD算法的检测性能和跟踪性能均要优于SPF-TBD算法。(2)提出了一种基于BOX粒子的BOX-PF-TBD算法,通过引入一种由区间分析(Interval Analysis)理论与贝叶斯滤波理论有机结合而生的广义BOX粒子滤波算法,实现了对传统点粒子PF-TBD算法的滤波性能改进。通过3dB信噪比下的仿真对比分析得出,在达到相同检测性能和跟踪精度的同时,BOX-PF-TBD算法相较于基于点粒子的RPF-TBD算法有14倍左右的加速比。(3)研究了基于粒子滤波的TBD算法的多目标场景扩展,分析了雷达多目标场景的TBD建模方式。分别描述了RPF-TBD和SPF-TBD方法的多目标处理流程,并仿真分析了两种算法在不同目标信噪比组合下的多目标检测性能。(4)针对雷达实测数据处理进行了PF-TBD算法的工程应用改进,研究了背景噪声功率估计方法以及目标回波功率起伏分布特性。针对算法在高信噪比应用场景下粒子权值有可能会溢出这一问题,进行了粒子权值计算的数值优化处理。最终将工程应用改进后的BOX-PF-TBD算法应用于雷达实测回波数据处理,并与传统DBT方法中的CA-CFAR处理进行对比,结果表明BOX-PF-TBD算法在低信噪比场景下能更有效的检测目标存在并跟踪出目标运动轨迹。