微弱信號(hào)的定位與跟蹤技術(shù)研究.pdf

1、微弱信號(hào)的定位與跟蹤在軍用和民用領(lǐng)域都有著廣泛的應(yīng)用。由于傳感器截獲的目標(biāo)信號(hào)強(qiáng)度較小，難以將其從噪聲中分離，采用傳統(tǒng)目標(biāo)檢測(cè)與跟蹤方法性能較差。檢測(cè)前跟蹤（Track Before Detect, TBD）算法基于原始觀測(cè)數(shù)據(jù)，在檢測(cè)之前建立跟蹤模型，在進(jìn)行一定時(shí)間的信號(hào)能量積累之后對(duì)目標(biāo)進(jìn)行檢測(cè)判決，同時(shí)輸出跟蹤結(jié)果，可有效地解決微弱信號(hào)的檢測(cè)與跟蹤問題。粒子濾波（Particle Filter, PF）算法是實(shí)現(xiàn)TBD算法的一種有

2、效手段。本文主要從非合作方的角度，利用PF技術(shù)，開展基于角度測(cè)量信息的無源傳感器機(jī)動(dòng)弱目標(biāo)檢測(cè)和跟蹤算法的研究工作，主要研究成果如下：
　　首先，介紹了貝葉斯估計(jì)和粒子濾波的理論基礎(chǔ)，提出了基于角度測(cè)量信息的無源傳感器TBD處理模型，并在該模型基礎(chǔ)上研究了基于粒子濾波檢測(cè)前跟蹤（PF-TBD）的原理和統(tǒng)一理論框架，根據(jù)該原理實(shí)現(xiàn)了基于未歸一化權(quán)值的優(yōu)效PF-TBD算法。通過仿真實(shí)驗(yàn)驗(yàn)證了基于TBD處理實(shí)現(xiàn)無源傳感器對(duì)微弱目標(biāo)定位與

3、跟蹤的可行性，并分析了算法性能的影響因素。
　　其次，針對(duì)機(jī)動(dòng)弱目標(biāo)的檢測(cè)和跟蹤問題，研究了多模型粒子濾波（MM-PF）算法，并將其應(yīng)用到TBD算法中。根據(jù)一定準(zhǔn)則隨機(jī)選擇各粒子的運(yùn)動(dòng)模型，通過重采樣技術(shù)對(duì)符合目標(biāo)運(yùn)動(dòng)特性的粒子進(jìn)行自適應(yīng)篩選，并將其融合得到目標(biāo)的運(yùn)動(dòng)狀態(tài)，可解決無源機(jī)動(dòng)弱目標(biāo)的定位與跟蹤問題，并將UKF引入到算法中，提高了算法的性能。
　　最后，針對(duì)MM-PF算法，研究了模型集的設(shè)計(jì)準(zhǔn)則，針對(duì)多模型PF-T