基于知識(shí)輔助的檢測(cè)前跟蹤算法研究.pdf

1、環(huán)境和目標(biāo)的日益復(fù)雜化使得現(xiàn)代雷達(dá)對(duì)微弱（低信噪/雜比）目標(biāo)的檢測(cè)面臨嚴(yán)峻挑戰(zhàn)。相比傳統(tǒng)檢測(cè)后跟蹤（DBT）技術(shù)，檢測(cè)前跟蹤（TBD）技術(shù)通過(guò)聯(lián)合處理多幀雷達(dá)回波數(shù)據(jù)，可以有效提高雷達(dá)系統(tǒng)對(duì)微弱目標(biāo)的檢測(cè)能力。動(dòng)態(tài)規(guī)劃（DP）算法作為TBD技術(shù)的一種有效實(shí)現(xiàn)手段，由于實(shí)現(xiàn)簡(jiǎn)單、性能優(yōu)異，得到國(guó)際雷達(dá)界的廣泛專注。在檢測(cè)均勻高斯雜波中的非起伏點(diǎn)目標(biāo)時(shí)，DP-TBD算法可以獲得良好的檢測(cè)性能。然而，在非均勻雜波、非高斯雜波、擴(kuò)展目標(biāo)等場(chǎng)景下

2、，由于 DP-TBD算法依賴測(cè)量值幅度的大小，而測(cè)量值幅度的大小不能很好的體現(xiàn)目標(biāo)與雜波在信號(hào)上的差異，算法性能嚴(yán)重下降。為了解決這一問(wèn)題，可以采用知識(shí)輔助技術(shù)，利用環(huán)境和目標(biāo)的信息更好的體現(xiàn)目標(biāo)與雜波在信號(hào)上的差異，改善多幀聯(lián)合處理效果，進(jìn)而提高微弱目標(biāo)檢測(cè)性能。
　　本研究主要內(nèi)容包括：⑴針對(duì)非均勻雜波場(chǎng)景，提出了固定門限雜波分區(qū)知識(shí)輔助DP-TBD算法和自適應(yīng)門限雜波分區(qū)知識(shí)輔助DP-TBD算法，有效改善了高功率區(qū)雜波測(cè)量產(chǎn)

3、生虛警、低功率區(qū)運(yùn)動(dòng)的微弱目標(biāo)發(fā)生漏檢等問(wèn)題。⑵針對(duì)雷達(dá)系統(tǒng)中常見(jiàn)的兩種非高斯雜波模型（K和G0）和三種目標(biāo)起伏模型（Swerling0、1和3），提出了幅度知識(shí)輔助DP-TBD算法，利用幅度信息修正DP積累，降低了非高斯雜波長(zhǎng)“拖尾”（即大幅度的雜波測(cè)量值）引起的性能損失。⑶針對(duì)高斯雜波中三種起伏（Swerling0、1和3）擴(kuò)展目標(biāo)的檢測(cè)問(wèn)題，提出了基于實(shí)測(cè)量值的擴(kuò)展目標(biāo)特征知識(shí)輔助 DP-TBD算法，利用擴(kuò)展目標(biāo)特征信息修正DP積

4、累，提高了擴(kuò)展目標(biāo)的檢測(cè)性能；提出了基于復(fù)測(cè)量值的擴(kuò)展目標(biāo)特征知識(shí)輔助 DP-TBD算法，在保留測(cè)量值相位信息的基礎(chǔ)上，利用擴(kuò)展目標(biāo)特征信息修正DP積累，增強(qiáng)了背景雜波抑制能力，改善了信雜比。⑷針對(duì)復(fù)合高斯雜波中擴(kuò)展目標(biāo)的檢測(cè)問(wèn)題，提出了基于非相干積累的擴(kuò)展目標(biāo)特征知識(shí)輔助 DP-TBD算法，利用擴(kuò)展目標(biāo)特征信息在幀內(nèi)對(duì)擴(kuò)展目標(biāo)能量進(jìn)行非相干積累，有效提高了擴(kuò)展目標(biāo)能量利用率；提出了基于廣義似然比（GLRT）的擴(kuò)展目標(biāo)特征知識(shí)輔助DP-