低信噪比擴展目標(biāo)跟蹤方法研究.pdf

1、雷達(dá)數(shù)據(jù)處理的主要功能是完成對目標(biāo)的跟蹤。經(jīng)典的目標(biāo)跟蹤算法以點目標(biāo)假設(shè)為前提，通過航跡起始、點航關(guān)聯(lián)及狀態(tài)濾波等操作來實現(xiàn)航跡處理，但是隨著雷達(dá)分辨率的不斷提高，目標(biāo)量測將會分布在多個分辨單元內(nèi)，采用傳統(tǒng)的跟蹤算法對擴展目標(biāo)進(jìn)行跟蹤時會面臨數(shù)據(jù)關(guān)聯(lián)復(fù)雜度高及跟蹤發(fā)散等難題，有必要研究適用于擴展目標(biāo)的跟蹤方法。
　　本文首先介紹了點目標(biāo)跟蹤基礎(chǔ)理論，包括經(jīng)典的航跡起始算法、數(shù)據(jù)互聯(lián)算法及濾波算法。其中航跡起始算法主要有邏輯法和Ho

2、ugh變換法；數(shù)據(jù)關(guān)聯(lián)算法主要有最近鄰域互聯(lián)算法、強近鄰域互聯(lián)算法、概率數(shù)據(jù)互聯(lián)算法以及聯(lián)合概率數(shù)據(jù)互聯(lián)算法；濾波算法主要有卡爾曼濾波、擴展卡爾曼濾波、不敏卡爾曼濾波以及交互式多模型濾波算法。結(jié)合仿真實驗，對比分析了上述典型算法的性能。
　　然后對比研究了噪聲背景下的兩種點目標(biāo)跟蹤算法，其中一種是線性非高斯系統(tǒng)中的序貫貝葉斯估計方法，該方法具有高斯和濾波算法的優(yōu)點，并通過引入模型階數(shù)降低步驟解決了高斯和濾波算法模型階數(shù)呈指數(shù)型增長

3、的問題。接著重點提出了一種基于軌跡增強的 IMM-TBD算法，采用一組增強算子對目標(biāo)軌跡進(jìn)行增強檢測，并將該算子與交互多模型算法有效結(jié)合，從而解決了低信噪比情況下高機動目標(biāo)的跟蹤問題。
　　最后對比研究了兩種基于概率假設(shè)密度（PHD）的擴展目標(biāo)跟蹤算法，其中一種算法基于隨機有限集理論，該算法將擴展目標(biāo)的量測集合建模為隨機有限集，適用于雜波背景下非鄰近多目標(biāo)的跟蹤。另一種算法為基于隨機矩陣的PHD濾波方法，該算法將目標(biāo)的擴展情況建模