雜波中的弱小目標(biāo)檢測與跟蹤研究.pdf

1、檢測與跟蹤是警戒和監(jiān)視雷達(dá)最基本的任務(wù)。隨著隱身技術(shù)的發(fā)展與廣泛應(yīng)用，典型軍事目標(biāo)如戰(zhàn)斗機、導(dǎo)彈、坦克和巡洋艦的雷達(dá)截面積銳減，它們的回波信號微弱，而且常隱藏在強雜波和各種支援干擾中，給雷達(dá)的檢測與跟蹤帶來了極大的挑戰(zhàn)。傳統(tǒng)的檢測與跟蹤方法很難保證此類弱小目標(biāo)的可靠檢測與跟蹤，因此，非常有必要研究新的理論與方法，提高此類弱小目標(biāo)的檢測與跟蹤性能。
　　 本文以雜波中弱小目標(biāo)的檢測與跟蹤為研究對象，重點針對“強雜波下的恒虛警(CF

2、AR)檢測器”、“檢測前跟蹤(TBD)方法”和“基于波形優(yōu)化的目標(biāo)檢測”等關(guān)鍵技術(shù)開展了較為系統(tǒng)、深入的研究，主要工作和主要貢獻總結(jié)如下：
　　 1)總結(jié)了衡量檢測性能的指標(biāo)，包括檢測概率、散度、偏差系數(shù)以及Kullback-Leibler距離，利用這些指標(biāo)評估了確切信號、隨機信號及參數(shù)未知信號的檢測性能，在此基礎(chǔ)上，研究了復(fù)合高斯雜波中子空間信號的廣義似然比檢測器和CFAR檢測器，推導(dǎo)了檢測概率的近似解析式。
　　 2

3、)分析了卡爾曼濾波(KF)和粒子濾波(PF)框架下，針對非線性非高斯系統(tǒng)的多種近似跟蹤算法，在此基礎(chǔ)上，根據(jù)工程實際，建立了機載雷達(dá)對海跟蹤模型，比較了代價函數(shù)修正KF算法與PF算法在閃爍噪聲環(huán)境下的跟蹤性能。
　　 3)提出了一種完整的基于擬合優(yōu)度檢驗的CFAR檢測器并把它運用到合成孔徑雷達(dá)圖像目標(biāo)檢測中，提高了CFAR檢測器在強雜波與多目標(biāo)干擾環(huán)境下的檢測性能。
　　 4)針對低重復(fù)頻率警戒雷達(dá)中的弱小目標(biāo)預(yù)警，提出

4、了一種基于動態(tài)規(guī)劃的TBD方法，通過利用模糊多普勒信息縮小搜索范圍，有效地實現(xiàn)了目標(biāo)軌跡及多普勒模糊數(shù)序列的聯(lián)合最大后驗概率估計。
　　 5)針對數(shù)目未知多目標(biāo)環(huán)境，提出了一種基于Rao-Blackwellised PF的TBD方法，通過遞歸估計聯(lián)合多目標(biāo)概率密度(JMPD)實現(xiàn)目標(biāo)數(shù)目及狀態(tài)的估計；通過融入CUSUM檢測和固定幀似然比檢測，分別實現(xiàn)新生目標(biāo)的快速檢測和消亡目標(biāo)的及時刪除。
　　 6)推導(dǎo)了擴展目標(biāo)的檢測

5、概率與發(fā)射波形的近似解析式，為擴展目標(biāo)的最優(yōu)檢測波形設(shè)計提供了基礎(chǔ)，然后，針對秩-1目標(biāo)模型，提出了最優(yōu)檢測波形、次優(yōu)檢測波形及漸近最優(yōu)檢測波形的設(shè)計方法。
　　 本文重點關(guān)注能夠提高雜波中弱小目標(biāo)檢測與跟蹤性能的理論與方法，在“強雜波下的CFAR檢測器”、“TBD方法”和“基于波形優(yōu)化的目標(biāo)檢測”等方面開展了較為深入的研究，取得了一定的成果。下一步，希望能夠把本文提出的方法應(yīng)用到具體型號，提高它們對弱小目標(biāo)的檢測與跟蹤性能。<