基于粒子濾波的雷達(dá)弱小目標(biāo)檢測(cè)前跟蹤算法研究.pdf

1、弱小目標(biāo)的檢測(cè)和跟蹤是現(xiàn)代雷達(dá)必須要面對(duì)的關(guān)鍵問題之一。當(dāng)目標(biāo)的回波信號(hào)能量很低或者背景干擾很強(qiáng)時(shí)，雷達(dá)傳感器接收到的目標(biāo)回波信噪比(SNR)就很低，此時(shí)基于單幀門限判決的傳統(tǒng)先檢測(cè)后跟蹤(TAD)方法已很難完成檢測(cè)和跟蹤的任務(wù)。檢測(cè)前跟蹤(TBD)方法為此類問題提供了一條有效的解決途徑。該方法集檢測(cè)和跟蹤于一體，不對(duì)單幀回波數(shù)據(jù)設(shè)置門限，沿著目標(biāo)可能的路徑進(jìn)行能量積累，能有效地對(duì)信噪比很低的弱小目標(biāo)進(jìn)行檢測(cè)和跟蹤。在諸多的TBD方法實(shí)

2、現(xiàn)算法中，基于貝葉斯遞推估計(jì)理論的粒子濾波TBD算法(PF-TBD)性能優(yōu)越，是本文研究的重點(diǎn)。
　　首先，本文研究了標(biāo)準(zhǔn)PF算法及其免重采樣改進(jìn)的高斯粒子濾波(GPF)算法的基本原理，針對(duì)將擬蒙特卡羅(QMC)方法應(yīng)用于GPF算法中雖提高了性能但同時(shí)增加了復(fù)雜度與運(yùn)算量的問題，用對(duì)基本粒子集的線性變換簡化原算法中 QMC采樣過程，提出了 SQMC-GPF算法，該算法具有更低的復(fù)雜度和運(yùn)算量。仿真實(shí)驗(yàn)表明SQMC-GPF算法與QM

3、C-GPF算法具有相近的濾波性能但擁有更高的運(yùn)算速度。
　　其次，針對(duì)基于標(biāo)準(zhǔn)PF的TBD算法因?yàn)榇嬖谥夭蓸硬襟E而導(dǎo)致粒子失去多樣性和并行性減弱的問題，將GPF算法與RPF-TBD算法相結(jié)合，提出RGPF-TBD算法，并給出了該算法詳細(xì)的推導(dǎo)過程。該新算法繼承了GPF算法的優(yōu)點(diǎn)，無需重采樣步驟，具有較高的并行性，且粒子的多樣性得到了保證，從而具有更好的檢測(cè)和跟蹤性能。
　　再次，本文用QMC方法取代RGPF-TBD算法中的蒙

4、特卡羅采樣(MC)方法，同時(shí)用超均勻序列取代 RGPF-TBD算法中新生后驗(yàn)概率估計(jì)中的偽隨機(jī)序列，提出了QMC-RGPF-TBD算法。該算法可有效提高粒子的多樣性和利用率。仿真實(shí)驗(yàn)表明，相對(duì)于RPF-TBD和RGPF-TBD算法，該算法具有不錯(cuò)的檢測(cè)和跟蹤性能，但因?yàn)橐肓?QMC方法，所以該算法具有較高的復(fù)雜度和運(yùn)算量，針對(duì)這一問題，本文又提出了SQMC-RGPF-TBD算法，用線性變換簡化連續(xù)后驗(yàn)概率分布估計(jì)中QMC采樣，同時(shí)用一

5、次擬隨機(jī)采樣代替新生后驗(yàn)概率分布的估計(jì)中的多次擬隨機(jī)采樣，仿真實(shí)驗(yàn)表明，該算法在具有不錯(cuò)的檢測(cè)和跟蹤性能的同時(shí)具有更快的運(yùn)算速度。
　　最后，本文對(duì)目標(biāo)運(yùn)動(dòng)和雷達(dá)量測(cè)系統(tǒng)進(jìn)行建模，將 RPF-TBD、RGPF-TBD、QMC-RGPF-TBD和SQMC-RGPF-TBD算法應(yīng)用到弱小目標(biāo)的檢測(cè)中，比較并分析了四種算法在不同信噪比和粒子數(shù)量下的檢測(cè)和跟蹤性能，最終得到如下結(jié)論：當(dāng)不考慮運(yùn)算量時(shí)，QMC-RGPF-TBD算法具有最好的