基于改進(jìn)粒子濾波的微弱信號(hào)檢測(cè)與跟蹤.pdf

1、近年來(lái)，微弱信號(hào)的檢測(cè)和跟蹤技術(shù)被廣泛的應(yīng)用在工業(yè)、交通和國(guó)防等領(lǐng)域，但隨著對(duì)檢測(cè)和跟蹤的精度要求越來(lái)越高，微弱信號(hào)分離的難題也日益突顯。基于此，本文提出基于改進(jìn)粒子濾波的檢測(cè)前跟蹤方法，在低信噪比下實(shí)現(xiàn)對(duì)微弱目標(biāo)的精確跟蹤。
　　首先，本論文對(duì)檢測(cè)前和檢測(cè)后兩種跟蹤方法優(yōu)勢(shì)和不足進(jìn)行論述，對(duì)無(wú)源傳感器的觀測(cè)模型和目標(biāo)運(yùn)動(dòng)模型進(jìn)行建模，并且詳細(xì)的介紹了貝葉斯估計(jì)和在其框架下的粒子濾波理論，引出粒子濾波檢測(cè)前跟蹤方法的優(yōu)越性，為后續(xù)

2、研究提供了理論依據(jù)。
　　其次，介紹了傳統(tǒng)的粒子濾波檢測(cè)前跟蹤算法，并對(duì)模型進(jìn)行驗(yàn)證。但是由于傳統(tǒng)算法自身的缺陷導(dǎo)致粒子分布不均及多樣性不足，介紹了幾種常用的改進(jìn)算法。并在改進(jìn)算法的基礎(chǔ)上，將進(jìn)化計(jì)算中的交叉與變異操作引入到蒙特卡羅算法中，在重采樣過(guò)程中引入Metropolis-Hastings（MH）重采樣方法，該算法在一定程度上改善了粒子多樣性匱乏的問(wèn)題并降低了算法的運(yùn)行時(shí)間。仿真結(jié)果證明改進(jìn)后的擬蒙特卡羅智能粒子濾波算法的效

3、率和追蹤精確度都大幅度提高。
　　最后，針對(duì)微弱目標(biāo)做勻加速和轉(zhuǎn)彎運(yùn)動(dòng)的檢測(cè)與跟蹤問(wèn)題，在改進(jìn)后的擬蒙特卡羅智能粒子濾波算法的基礎(chǔ)上提出多模型結(jié)合的建模方法，并在此基礎(chǔ)上提出基于改進(jìn)的擬蒙特卡羅智能粒子濾波交互式多模型檢測(cè)前跟蹤算法對(duì)模型進(jìn)行優(yōu)化。仿真結(jié)果表明，該改進(jìn)算法在保證跟蹤精度的前提下能在一定程度上降低粒子數(shù)，能精確的對(duì)勻加速和轉(zhuǎn)彎運(yùn)動(dòng)的微弱目標(biāo)進(jìn)行跟蹤。證明了改進(jìn)后的擬蒙特卡羅智能粒子濾波算法對(duì)微弱目標(biāo)檢測(cè)和跟蹤的有效性