基于背景統(tǒng)計信息的高頻雷達多目標TBD技術(shù)研究.pdf

1、高頻地波雷達,也稱為地波超視距雷達(High Frequency Surface Wave Radar,HFSWR),他的工作原理是利用垂直極化電磁波可以在地球表面進行繞射,進而實現(xiàn)對遠至400km的范圍內(nèi)的海面移動目標和該范圍內(nèi)的海洋環(huán)境的超視距實時監(jiān)測。但是,就像其他類型的雷達一樣,高頻地波雷達也存在著其特有的問題和局限性。以電離層雜波和海雜波為主體的復雜的雜波背景給艦船目標的檢測和跟蹤都帶來了不小的挑戰(zhàn),也成為知識界一直研究的重點

2、和熱點。
　　因此,研究在這樣復雜的電磁、時變的海態(tài)環(huán)境下,如何提高對微弱目標的檢測與跟蹤的效能,就變得異常的具有挑戰(zhàn)性和必要性了。針對上面提出的問題,本文試圖尋找一種跟蹤檢測算法,使之能夠提高在統(tǒng)計特性復雜、同質(zhì)異質(zhì)雜波共存的檢測背景中的弱目標的跟蹤檢測性能。這一過程包括對已有的傳統(tǒng) TBD算法的研究、對多目標復雜雜波背景下的F-Viterbi算法研究、新算法BD-Viterbi算法的效果演示、多種算法的跟蹤效果的基于云模型的模

3、糊綜合評價四個主要模塊。該四個模塊的主要內(nèi)容如下:
　　1.對現(xiàn)存的檢測前跟蹤算法進行整理、分類,并給出傳統(tǒng) Viterbi算法的處理過程,對其處理過程中的優(yōu)點和缺點進行分析總結(jié)。對于復雜環(huán)境下的弱目標的檢測與跟蹤,提高信噪比是很重要的一步,而檢測前跟蹤技術(shù)很好的利用了待檢測目標的多幀信息,提高其信噪比,進而提高了低信噪比目標的檢測概率。但是要想對其進行進一步的改進,首先應(yīng)該充分的了解該方法的方方面面,在了解它的優(yōu)勢在哪里,它的缺

4、點在哪里之后,改進的方向就大概確定了。所以應(yīng)該說這些工作是后面提出新的改進算法的基礎(chǔ)和必須進行的步驟和工作。
　　2.在對傳統(tǒng)的檢測前跟蹤技術(shù)進行研究之后,進一步對F-Viterbi算法進行研究比較。之所以選擇該算法,是因為它是最近提出來的一種針對復雜環(huán)境下的單目標跟蹤檢測的方法,它不但可以獲得非常好的檢測效果,還可以保持較少的計算量,在檢測效果和計算量兩個方面同時獲得改進,所以該算法確實是值得借鑒和研究。該算法是針對單目標環(huán)境的

5、算法,本文將其應(yīng)用于多目標下后,對其表現(xiàn)出來的效果進行比對研究,以便為后續(xù)的算法改進提供數(shù)據(jù)支撐和突破口。傳統(tǒng)Viterbi算法利用反向搜索的方式,可以很好的利用歷史幀信息,但是由于這個過程中每一個數(shù)據(jù)單元都要參與計算,所以計算量很大,實時效果差。而F-Viterbi算法在這個基礎(chǔ)上提出了正向搜索方式,并在軌跡匹配之前,先進行了CFAR恒虛警處理,將干擾數(shù)據(jù)單元濾除,減少了計算量,提高了計算速度和算法實時性處理能力。
　　3.在以

6、上兩方面內(nèi)容的研究之后,綜合傳統(tǒng)Viterbi算法和F-Viterbi算法的優(yōu)點,并且針對他們各自的缺點,提出了BD-Viterbi算法。傳統(tǒng)Viterbi算法的優(yōu)勢在于方向搜索,充分利用目標的歷史幀信息,進而可以大幅度的提高目標信噪比。缺點是任意數(shù)據(jù)單元都要參見計算,造成計算量過大,影響算法實時性;F-Viterbi算法的優(yōu)點是在每一幀處理之前,都會先進行一步CFAR處理,剔除那些干擾數(shù)據(jù)單元,減少參與計算的數(shù)據(jù)單元的數(shù)量,所以可以將

7、有限的計算資源更多的應(yīng)用于有效的數(shù)據(jù)單元的處理中。BD-Viterbi算法很好的結(jié)合了上述兩種算法的優(yōu)勢。它采用雙向搜索的方式,以便更好的利用歷史幀信息,同時對每一幀數(shù)據(jù)先期進行一步 OS-CA-CFAR處理,以便獲得更好的計算效能。通過上述的改進,在檢測性能和計算量兩個方面獲得更好的效能。
　　4.最后為了對新的改進算法有一個更加全面的綜合評價,運用基于云模型的模糊綜合評價方法對算法的跟蹤效果進行綜合評價。應(yīng)該說在評價領(lǐng)域模糊手

8、段是一直以來應(yīng)用比較多的,雖然它能夠很好的對概念的模糊性進行總結(jié),但是卻不能更好的表示出其隨機性。而云模型是近年來開始逐漸被大家所認可的一種新的手段,它能夠很好的將概念的模糊性和隨機性進行結(jié)合,從而給出一個更加綜合,可信度更高的評價。所以本文運用基于云模型的模糊綜合評價方法,更好的利用了兩者的優(yōu)勢,對多種算法的跟蹤效果給出了綜合評價和比較。
　　本文提出的新的TBD處理算法可以很好的適應(yīng)HFSWR低信噪比目標的檢測與跟蹤,完全可以