基于MeMBer濾波器的弱小目標(biāo)檢測前跟蹤方法研究.pdf

1、低信噪比下紅外弱小目標(biāo)的檢測與跟蹤是光電探測跟蹤體系的核心技術(shù)。隨著現(xiàn)代科學(xué)的發(fā)展，各種空中飛行器的機動性和反隱身性越來越高，這就對弱小目標(biāo)的檢測手段提出更高的要求。將隨機集理論應(yīng)用到多弱目標(biāo)的檢測與跟蹤領(lǐng)域，并用各種多目標(biāo)跟蹤算法與檢測前跟蹤（Tracking Before Detection，TBD）相結(jié)合實現(xiàn)低信噪比環(huán)境下未知弱小目標(biāo)數(shù)目的檢測與跟蹤，豐富了隨機集理論的內(nèi)容，凸顯了TBD算法的優(yōu)勢。本論文基于多目標(biāo)多伯努利（Mul

2、ti-Target Multi-Bernoulli， MeMBer）濾波器的弱小目標(biāo)TBD方法研究，提出一些新的改進算法并給予實現(xiàn)。
　　首先，詳細(xì)介紹了 MeMBer濾波器和紅外弱小目標(biāo) TBD模型，重點講解MeMBer-TBD算法原理及其基于高斯粒子的實現(xiàn)。針對在多目標(biāo)交叉和相鄰的復(fù)雜場景，傳統(tǒng)的修剪合并算法存在合并錯誤而丟失目標(biāo)信息及穩(wěn)定性差的缺陷，提出一種采用標(biāo)號思想的改進合并方法。多個場景下的仿真實驗表明新的合并方法能很

3、好地實現(xiàn)穩(wěn)定檢測并跟蹤，特別是在低信噪比條件下，仍能準(zhǔn)確地完成目標(biāo)合并。
　　其次，針對傳統(tǒng) TBD算法存在高存儲空間和高復(fù)雜度的難題，提出一種點擴散函數(shù)下的閾值化量測TBD算法，并將其與MeMBer濾波結(jié)合應(yīng)用到紅外多弱目標(biāo)的檢測并跟蹤。用索引集代替圖像數(shù)據(jù)作為量測集，由檢測概率計算似然函數(shù)。仿真結(jié)果表明算法能高效的實現(xiàn)多弱小目標(biāo)的檢測與跟蹤，降低算法復(fù)雜度和存儲空間。同時適應(yīng)現(xiàn)有的閾值化傳感器，使得算法在實際工程應(yīng)用中有良好的