基于粒子濾波的雷達弱小目標(biāo)檢測前跟蹤算法研究.pdf

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

2、現(xiàn)算法中，基于貝葉斯遞推估計理論的粒子濾波TBD算法(PF-TBD)性能優(yōu)越，是本文研究的重點。
　　首先，本文研究了標(biāo)準(zhǔn)PF算法及其免重采樣改進的高斯粒子濾波(GPF)算法的基本原理，針對將擬蒙特卡羅(QMC)方法應(yīng)用于GPF算法中雖提高了性能但同時增加了復(fù)雜度與運算量的問題，用對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)雜度和運算量。仿真實驗表明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算速度。
　　其次，針對基于標(biāo)準(zhǔn)PF的TBD算法因為存在重采樣步驟而導(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的推導(dǎo)過程。該新算法繼承了GPF算法的優(yōu)點，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，同時用超均勻序列取代 RGPF-TBD算法中新生后驗概率估計中的偽隨機序列，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。仿真實驗表明，相對于RPF-TBD和RGPF-TBD算法，該算法具有不錯的檢測和跟蹤性能，但因為引入了 QMC方法，所以該算法具有較高的復(fù)雜度和運算量，針對這一問題，本文又提出了SQMC-RGPF-TBD算法，用線性變換簡化連續(xù)后驗概率分布估計中QMC采樣，同時用一

5、次擬隨機采樣代替新生后驗概率分布的估計中的多次擬隨機采樣，仿真實驗表明，該算法在具有不錯的檢測和跟蹤性能的同時具有更快的運算速度。
　　最后，本文對目標(biāo)運動和雷達量測系統(tǒng)進行建模，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)量下的檢測和跟蹤性能，最終得到如下結(jié)論：當(dāng)不考慮運算量時，QMC-RGPF-TBD算法具有最好的