基于粒子濾波的微弱雷達(dá)目標(biāo)檢測(cè)方法.pdf

1、機(jī)動(dòng)微弱目標(biāo)檢測(cè)是雷達(dá)信號(hào)處理領(lǐng)域面臨的嚴(yán)峻挑戰(zhàn)之一。當(dāng)目標(biāo)回波信噪比過(guò)低,基于單幀數(shù)據(jù)的相干或非相干累積方法無(wú)法保證可靠檢測(cè)時(shí),可采用檢測(cè)前跟蹤技術(shù)。檢測(cè)前跟蹤技術(shù)是一種長(zhǎng)時(shí)間信號(hào)累積方法,通過(guò)聯(lián)合處理多幀觀測(cè)數(shù)據(jù)同時(shí)實(shí)現(xiàn)目標(biāo)檢測(cè)和跟蹤。但早期的基于動(dòng)態(tài)規(guī)劃、Hough變換以及最大似然估計(jì)的檢測(cè)前跟蹤算法僅適合處理近似直線運(yùn)動(dòng)的目標(biāo)。粒子濾波器(算法)解決統(tǒng)計(jì)特性已知的非線性、非高斯問(wèn)題具有現(xiàn)有算法無(wú)可比擬的優(yōu)勢(shì),而代價(jià)參考粒子濾波器

2、(算法)具有處理統(tǒng)計(jì)特性未知的非線性問(wèn)題的優(yōu)勢(shì)。上述粒子濾波器和代價(jià)參考粒子濾波器可有效實(shí)現(xiàn)雷達(dá)機(jī)動(dòng)微弱目標(biāo)長(zhǎng)時(shí)間累積檢測(cè)和跟蹤。因此,研究和設(shè)計(jì)基于粒子濾波器和代價(jià)參考粒子濾波器的檢測(cè)前跟蹤算法對(duì)于檢測(cè)和跟蹤低信噪比機(jī)動(dòng)目標(biāo)具有重要的理論意義和應(yīng)用價(jià)值。
　　本論文的主要工作是研究和設(shè)計(jì)檢測(cè)前跟蹤算法。提出的方法包括基于輔助粒子濾波器的似然比檢驗(yàn),基于代價(jià)參考粒子濾波器的廣義似然比檢驗(yàn),基于代價(jià)參考粒子濾波器的存在概率檢驗(yàn),和基

3、于前向-后向代價(jià)參考粒子濾波器的具有全變差懲罰的廣義似然比檢驗(yàn)。這些方法能夠?qū)崿F(xiàn)低信噪比條件下機(jī)動(dòng)微弱目標(biāo)的有效檢測(cè)和跟蹤。
　　本論文內(nèi)容可概括為以下四個(gè)部分:
　　1.粒子濾波算法。通過(guò)介紹和分析粒子濾波算法和代價(jià)參考粒子濾波算法,提出了兩種改進(jìn)的代價(jià)參考粒子濾波算法。粒子濾波算法,如序貫重要性重采樣(sequential importance resampling, SIR)和輔助粒子濾波算法(auxiliary pa

4、rticle filter, APF)等,利用大量帶有權(quán)值的隨機(jī)樣本近似目標(biāo)狀態(tài)的后驗(yàn)概率密度函數(shù),基于近似后驗(yàn)概率密度函數(shù)可實(shí)現(xiàn)多種準(zhǔn)則下的目標(biāo)狀態(tài)估計(jì)。然而粒子率濾波算法要求動(dòng)態(tài)系統(tǒng)的統(tǒng)計(jì)特性已知,實(shí)際情況往往無(wú)法滿足。代價(jià)參考粒子濾波算法針對(duì)系統(tǒng)統(tǒng)計(jì)特性未知情況下的狀態(tài)估計(jì)問(wèn)題,采用用戶自定義的風(fēng)險(xiǎn)和代價(jià)函數(shù)代替粒子濾波中的預(yù)測(cè)和更新后驗(yàn)概率密度函數(shù)實(shí)現(xiàn)重采樣和更新過(guò)程。通過(guò)重新定義改進(jìn)的代價(jià)和風(fēng)險(xiǎn)函數(shù),提出了兩種改良的代價(jià)參考粒

5、子濾波器,提高了統(tǒng)計(jì)特性未知時(shí)的狀態(tài)估計(jì)性能。
　　2.基于粒子濾波的似然比檢測(cè)方法。通過(guò)分析基于SIR的似然比檢測(cè)方法的不足,提出了基于APF的似然比檢測(cè)方法和基于代價(jià)參考粒子濾波算法的廣義似然比檢測(cè)方法。采用APF重采樣前的未歸一化權(quán)值構(gòu)造近似似然比,本文提出了基于APF的似然比檢測(cè)方法。該方法性能優(yōu)于基于SIR的似然比檢測(cè)方法,可有效檢測(cè)和跟蹤統(tǒng)計(jì)特性已知時(shí)的機(jī)動(dòng)微弱目標(biāo)。然而,基于SIR和APF的似然比檢測(cè)方法只適合處理統(tǒng)

6、計(jì)特性已知的問(wèn)題。對(duì)于統(tǒng)計(jì)特性未知的機(jī)動(dòng)微弱目標(biāo)檢測(cè)問(wèn)題,本文提出了基于代價(jià)參考粒子濾波的廣義似然比檢側(cè)方法。該方法利用代價(jià)參考粒子濾波器輸出的估計(jì)狀態(tài)序列構(gòu)造廣義似然比,無(wú)需系統(tǒng)的統(tǒng)計(jì)信息。
　　3.基于粒子濾波的存在概率檢測(cè)方法。針對(duì)統(tǒng)計(jì)特性未知時(shí)的機(jī)動(dòng)微弱目標(biāo)檢測(cè)和跟蹤問(wèn)題,提出了基于代價(jià)參考粒子濾波器的存在概率檢測(cè)方法。在長(zhǎng)觀測(cè)時(shí)間情況下,目標(biāo)常常在觀測(cè)期間進(jìn)入和離開(kāi)一個(gè)雷達(dá)分辨單元。因此,有時(shí)除了要求檢測(cè)器給出一個(gè)分辨單

7、元內(nèi)是否存在目標(biāo)外,還要求其報(bào)告目標(biāo)進(jìn)入和離開(kāi)分辨單元的時(shí)刻。在動(dòng)態(tài)系統(tǒng)的狀態(tài)向量中引入一個(gè)模擬目標(biāo)存在和消失的存在變量,可得到各個(gè)時(shí)刻的存在概率。各個(gè)時(shí)刻的存在概率決定目標(biāo)是否出現(xiàn)在某一分辨單元內(nèi),也可確定目標(biāo)進(jìn)入和離開(kāi)分辨單元的時(shí)刻。對(duì)于統(tǒng)計(jì)特性已知的動(dòng)態(tài)系統(tǒng),基于 SIR的存在概率檢驗(yàn)?zāi)軌蚝芎玫貙?shí)現(xiàn)機(jī)動(dòng)微弱目標(biāo)檢測(cè)和跟蹤。對(duì)于統(tǒng)計(jì)特性未知的動(dòng)態(tài)系統(tǒng),通過(guò)引入存在變量和相關(guān)系數(shù)提高存在概率的估計(jì)準(zhǔn)確性,本文提出了基于代價(jià)參考粒子濾波

8、的存在概率檢驗(yàn)方法并用于統(tǒng)計(jì)特性未知的機(jī)動(dòng)微弱目標(biāo)檢測(cè)和跟蹤。另外,基于所有時(shí)刻的存在概率構(gòu)建一個(gè)二元判決的檢驗(yàn)統(tǒng)計(jì)量,通過(guò)該統(tǒng)計(jì)量可以給出一個(gè)分辨單元目標(biāo)存在的二元判決。
　　4.基于前后-向代價(jià)參考粒子濾波的包含全變差懲罰的廣義似然比檢測(cè)。針對(duì)噪聲背景下未知非線性調(diào)頻信號(hào)檢測(cè)問(wèn)題,提出了一種基于前向-后向代價(jià)參考粒子濾波的包含全變差懲罰的廣義似然比檢測(cè)方法。上述方法將非線性調(diào)頻信號(hào)建模為分段線性調(diào)頻信號(hào)。每個(gè)線性調(diào)頻片段的中心

9、頻率、調(diào)頻率以及調(diào)頻率的變化率形成當(dāng)前時(shí)刻的狀態(tài)向量。將信號(hào)和觀測(cè)隨時(shí)間的演化建模為統(tǒng)計(jì)特性未知的非線性動(dòng)態(tài)系統(tǒng)。通過(guò)定義新的代價(jià)和風(fēng)險(xiǎn)函數(shù),提出了前向-后向代價(jià)參考粒子濾波算法估計(jì)信號(hào)的狀態(tài)序列和瞬時(shí)頻率曲線?；诠烙?jì)狀態(tài)序列可構(gòu)造廣義似然比檢測(cè)統(tǒng)計(jì)量,基于估計(jì)瞬時(shí)頻率曲線可構(gòu)造全變差檢測(cè)統(tǒng)計(jì)量。廣義似然比和全變差是檢驗(yàn)非線性調(diào)頻信號(hào)存在與否的重要特征。因此,將上述特征融合,提出了具有全變差懲罰的廣義似然比檢測(cè)器。與兩種經(jīng)典的檢測(cè)方法