基于改進粒子濾波的檢測前跟蹤算法.pdf

1、近年來，在紅外和雷達領(lǐng)域的弱小目標檢測和跟蹤問題越來越受到重視，傳統(tǒng)的檢測后跟蹤方法已不能滿足低信噪比的情況，基于此問題提出了各類檢測前跟蹤算法，其中最突出的是基于粒子濾波的檢測前跟蹤算法。
　　基于粒子濾波的檢測前跟蹤算法，解決了非線性非高斯系統(tǒng)弱小目標的檢測與跟蹤問題，但粒子濾波自身仍存在許多問題和限制，這對基于粒子濾波實現(xiàn)的檢測前跟蹤性能造成影響。本文重點研究基于改進粒子濾波的檢測前跟蹤算法，單目標情況下，研究了包括重采樣、

2、似然函數(shù)、多模型三方面的檢測前跟蹤改進算法，多目標情況下，介紹了概率假設(shè)密度濾波算法，分析討論了多目標情況下檢測前跟蹤算法的實現(xiàn)。
　　第一，粒子濾波算法重采樣引起粒子多樣性缺乏，導致檢測和跟蹤性能的穩(wěn)定性難以保證。提出一種基于粒子優(yōu)化的重采樣算法，該算法通過在重采樣過程中采用擴展卡爾曼濾波引入觀測信息，使粒子分布所表征的概率密度函數(shù)更接近真實后驗概率密度，再將粒子以類sigma點隨機采樣的方式進行分裂復(fù)制，以保證粒子的多樣性，從

3、而提高檢測前跟蹤算法性能。
　　第二，粒子濾波實現(xiàn)檢測前跟蹤過程中，粒子權(quán)值由似然比函數(shù)確定。然而似然比函數(shù)與觀測噪聲的概率密度分布函數(shù)密切相關(guān)，在觀測噪聲未知的情況下，檢測和跟蹤的性能也無法得到保證。采用基于核估計思想的卷積粒子濾波，在優(yōu)化構(gòu)造粒子似然函數(shù)的同時，將粒子重采樣由離散分布采樣轉(zhuǎn)化為連續(xù)分布采樣，提高檢測前跟蹤的檢測和跟蹤性能以及魯棒性。
　　第三，針對強機動弱小目標，檢測前跟蹤算法中的單一模型難以與真實模型完