基于隨機(jī)有限集的弱小目標(biāo)TBD方法研究.pdf

1、隨著無人偵察機(jī)、隱身技術(shù)的不斷提高，紅外弱小目標(biāo)檢測(cè)與跟蹤技術(shù)在反導(dǎo)、防御、紅外預(yù)警、衛(wèi)星遙感系統(tǒng)等現(xiàn)代軍事領(lǐng)域中的作用日益凸顯。對(duì)于復(fù)雜環(huán)境下的弱小目標(biāo)檢測(cè)和跟蹤問題，由于目標(biāo)數(shù)目的隨機(jī)性，且受噪聲、雜波等復(fù)雜背景的影響，導(dǎo)致目標(biāo)的信噪比低，使弱小目標(biāo)很難檢測(cè)與跟蹤到。本論文以隨機(jī)有限集為理論基礎(chǔ)，重點(diǎn)研究了多個(gè)弱小目標(biāo)的檢測(cè)前跟蹤算法、未知新生目標(biāo)信息下弱小目標(biāo)的檢測(cè)與跟蹤、高斯混合約簡(jiǎn)算法等關(guān)鍵問題，為實(shí)現(xiàn)弱小目標(biāo)檢測(cè)與跟蹤工程應(yīng)

2、用提供理論和方法支撐。取得的主要研究成果如下：
　　1.針對(duì)現(xiàn)有基于PHD檢測(cè)前跟蹤方法在實(shí)現(xiàn)低信噪比下未知時(shí)變的多個(gè)弱小目標(biāo)檢測(cè)與跟蹤存在算法復(fù)雜度高，計(jì)算量大以及粒子枯竭和跟蹤精度差等問題，提出了一種基于高斯混合粒子實(shí)現(xiàn)PHD的TBD算法。仿真結(jié)果表明，所提算法在保證多弱小目標(biāo)跟蹤性能的同時(shí)能有效減少運(yùn)行時(shí)間，具有良好的工程應(yīng)用前景。
　　2.在低信噪比、未知新生目標(biāo)信息條件下，使用一種搜索機(jī)制，采用多個(gè)貝努利分量在全局

3、范圍內(nèi)搜索新生目標(biāo)，從而避免了對(duì)目標(biāo)新生過程的精確建模。針對(duì)新生目標(biāo)進(jìn)行搜索存在延遲、跟蹤精度差等問題，使用高斯擬合采樣，搜索新生目標(biāo)快，且計(jì)算復(fù)雜度低。仿真結(jié)果表明，改進(jìn)算法在沒有任何新生目標(biāo)先驗(yàn)信息的條件下可達(dá)到與理想情況相似的跟蹤效果，有效提高了跟蹤的性能，并降低了算法的復(fù)雜度。
　　3.針對(duì)現(xiàn)有GM-PHD濾波算法在目標(biāo)交叉運(yùn)動(dòng)和相鄰運(yùn)動(dòng)時(shí)存在目標(biāo)狀態(tài)估計(jì)不準(zhǔn)確問題，提出了一種基于加權(quán)KL距離的修剪合并準(zhǔn)則，它考慮每個(gè)目標(biāo)