基于改進(jìn)粒子濾波的紅外弱小目標(biāo)檢測(cè)前跟蹤算法.pdf

1、現(xiàn)代戰(zhàn)爭(zhēng)中制勝的關(guān)鍵是看哪方能盡早發(fā)現(xiàn)敵方威脅，相比早期雷達(dá)探測(cè)系統(tǒng)的主動(dòng)跟蹤方式，紅外探測(cè)系統(tǒng)的被動(dòng)跟蹤方式在軍事領(lǐng)域中應(yīng)用更為廣泛，但是紅外探測(cè)系統(tǒng)所獲得的含有弱小目標(biāo)的灰度圖像往往帶來(lái)觀測(cè)非線性、圖像信噪比低等問(wèn)題，這給弱小目標(biāo)的檢測(cè)與跟蹤帶來(lái)了嚴(yán)峻挑戰(zhàn)。本文研究的主要目的就是為解決復(fù)雜背景下的紅外弱小目標(biāo)的檢測(cè)與跟蹤問(wèn)題提供一種有效方法。
　　 檢測(cè)前跟蹤算法先對(duì)含有噪聲的所有可疑目標(biāo)進(jìn)行跟蹤，利用噪聲不相關(guān)性，通過(guò)時(shí)間

2、上的連續(xù)濾波剔除虛假目標(biāo)，最終達(dá)到對(duì)弱小目標(biāo)檢測(cè)與跟蹤的目的。本文采用適用于非線性系統(tǒng)的粒子濾波算法來(lái)實(shí)現(xiàn)對(duì)紅外弱小目標(biāo)的檢測(cè)前跟蹤，并針對(duì)目標(biāo)模型特點(diǎn)，對(duì)算法加以改進(jìn)，減輕算法的復(fù)雜度，提高跟蹤精度。
　　 本文在引入貝葉斯理論和蒙特卡羅方法的基礎(chǔ)上，對(duì)粒子濾波算法的基本理論加以研究，并對(duì)其存在的問(wèn)題和改進(jìn)方法加以討論，然后將粒子濾波算法應(yīng)用于強(qiáng)非線性、非高斯噪聲模型中，證明該算法是一種解決非線性、非高斯系統(tǒng)狀態(tài)估計(jì)問(wèn)題的有效

3、方法。在此基礎(chǔ)上，針對(duì)目標(biāo)跟蹤模型往往包含線性、非線性狀態(tài)向量，應(yīng)用了一種邊緣化粒子濾波算法，用最優(yōu)卡爾曼濾波估計(jì)線性狀態(tài)，用粒子濾波估計(jì)非線性狀態(tài)，降低算法的復(fù)雜度，提高了估計(jì)精度。同時(shí)引入MCMC移動(dòng)步驟緩解粒子退化問(wèn)題，并對(duì)減小算法的計(jì)算量提出樣本數(shù)自適應(yīng)調(diào)整，純角度目標(biāo)跟蹤的仿真結(jié)果表明改進(jìn)算法的有效性。隨后研究了基于粒子濾波的檢測(cè)前跟蹤算法，建立虛擬的紅外仿真場(chǎng)景，在不同條件下對(duì)PF-TBD、MPF-TBD、MPF-MCMC-