雷達(dá)微弱目標(biāo)檢測及密集機(jī)動目標(biāo)跟蹤技術(shù)研究.pdf

1、面對現(xiàn)代戰(zhàn)爭中微弱目標(biāo)以及密集機(jī)動目標(biāo)的威脅，如何提高對微弱目標(biāo)的檢測能力以及對密集機(jī)動目標(biāo)的跟蹤能力成為現(xiàn)代雷達(dá)系統(tǒng)中信號處理和數(shù)據(jù)處理的一項(xiàng)極其重要而嚴(yán)峻的使命。
　　本文重點(diǎn)對信號處理中的微弱目標(biāo)檢測技術(shù)以及數(shù)據(jù)處理中的密集機(jī)動目標(biāo)跟蹤技術(shù)進(jìn)行了深入的研究。論文的主要研究工作如下：
　　1、研究分析了基于Keystone變換的長時(shí)間相參積累技術(shù)以及基于動態(tài)規(guī)劃的檢測前跟蹤（DP-TBD）技術(shù)，并對這兩種技術(shù)進(jìn)行了詳細(xì)的

2、仿真分析。
　　2、針對DP-TBD算法跟蹤性能差，分別采用Hough變換和方向加權(quán)對DP-TBD算法進(jìn)行改進(jìn)，得到了基于 Hough變換的 DP-TBD改進(jìn)算法和基于方向加權(quán)的DP-TBD改進(jìn)算法。并通過仿真試驗(yàn)證明了這兩種改進(jìn)算法能夠有效的去除由于能量擴(kuò)散產(chǎn)生的虛假航跡。同時(shí)在將基于Keystone變換的長時(shí)間相參積累技術(shù)與基于方向加權(quán)的DP-TBD改進(jìn)算法相結(jié)合的基礎(chǔ)上，提出了基于Keystone變換與加權(quán)DP的雷達(dá)微弱目標(biāo)

3、檢測方法，該方法不僅能夠校正由于長時(shí)間相參積累或目標(biāo)高徑向運(yùn)動產(chǎn)生的距離走動，而且在目標(biāo)回波出現(xiàn)9個(gè)距離單元走動的情況下其檢測性能相比傳統(tǒng)的單幀CFAR檢測提高了接近20dB。
　　3、在研究分析概率數(shù)據(jù)關(guān)聯(lián)（PDA）算法、交互式多模型（IMM）算法以及將PDA與IMM算法有效合的聯(lián)合交互式多模型概率數(shù)據(jù)關(guān)聯(lián)（C-IMMPDA）算法的基礎(chǔ)上，通過考慮公共回波對關(guān)聯(lián)概率的影響，引入影響因子來對C-IMMPDA算法中的關(guān)聯(lián)概率進(jìn)行修正