基于改進粒子濾波的紅外弱小目標(biāo)檢測前跟蹤算法.pdf

1、現(xiàn)代戰(zhàn)爭中制勝的關(guān)鍵是看哪方能盡早發(fā)現(xiàn)敵方威脅，相比早期雷達(dá)探測系統(tǒng)的主動跟蹤方式，紅外探測系統(tǒng)的被動跟蹤方式在軍事領(lǐng)域中應(yīng)用更為廣泛，但是紅外探測系統(tǒng)所獲得的含有弱小目標(biāo)的灰度圖像往往帶來觀測非線性、圖像信噪比低等問題，這給弱小目標(biāo)的檢測與跟蹤帶來了嚴(yán)峻挑戰(zhàn)。本文研究的主要目的就是為解決復(fù)雜背景下的紅外弱小目標(biāo)的檢測與跟蹤問題提供一種有效方法。
　　 檢測前跟蹤算法先對含有噪聲的所有可疑目標(biāo)進行跟蹤，利用噪聲不相關(guān)性，通過時間

2、上的連續(xù)濾波剔除虛假目標(biāo)，最終達(dá)到對弱小目標(biāo)檢測與跟蹤的目的。本文采用適用于非線性系統(tǒng)的粒子濾波算法來實現(xiàn)對紅外弱小目標(biāo)的檢測前跟蹤，并針對目標(biāo)模型特點，對算法加以改進，減輕算法的復(fù)雜度，提高跟蹤精度。
　　 本文在引入貝葉斯理論和蒙特卡羅方法的基礎(chǔ)上，對粒子濾波算法的基本理論加以研究，并對其存在的問題和改進方法加以討論，然后將粒子濾波算法應(yīng)用于強非線性、非高斯噪聲模型中，證明該算法是一種解決非線性、非高斯系統(tǒng)狀態(tài)估計問題的有效

3、方法。在此基礎(chǔ)上，針對目標(biāo)跟蹤模型往往包含線性、非線性狀態(tài)向量，應(yīng)用了一種邊緣化粒子濾波算法，用最優(yōu)卡爾曼濾波估計線性狀態(tài)，用粒子濾波估計非線性狀態(tài)，降低算法的復(fù)雜度，提高了估計精度。同時引入MCMC移動步驟緩解粒子退化問題，并對減小算法的計算量提出樣本數(shù)自適應(yīng)調(diào)整，純角度目標(biāo)跟蹤的仿真結(jié)果表明改進算法的有效性。隨后研究了基于粒子濾波的檢測前跟蹤算法，建立虛擬的紅外仿真場景，在不同條件下對PF-TBD、MPF-TBD、MPF-MCMC-