微弱信號的定位與跟蹤技術(shù)研究.pdf

1、微弱信號的定位與跟蹤在軍用和民用領(lǐng)域都有著廣泛的應(yīng)用。由于傳感器截獲的目標信號強度較小，難以將其從噪聲中分離，采用傳統(tǒng)目標檢測與跟蹤方法性能較差。檢測前跟蹤（Track Before Detect, TBD）算法基于原始觀測數(shù)據(jù)，在檢測之前建立跟蹤模型，在進行一定時間的信號能量積累之后對目標進行檢測判決，同時輸出跟蹤結(jié)果，可有效地解決微弱信號的檢測與跟蹤問題。粒子濾波（Particle Filter, PF）算法是實現(xiàn)TBD算法的一種有

2、效手段。本文主要從非合作方的角度，利用PF技術(shù)，開展基于角度測量信息的無源傳感器機動弱目標檢測和跟蹤算法的研究工作，主要研究成果如下：
　　首先，介紹了貝葉斯估計和粒子濾波的理論基礎(chǔ)，提出了基于角度測量信息的無源傳感器TBD處理模型，并在該模型基礎(chǔ)上研究了基于粒子濾波檢測前跟蹤（PF-TBD）的原理和統(tǒng)一理論框架，根據(jù)該原理實現(xiàn)了基于未歸一化權(quán)值的優(yōu)效PF-TBD算法。通過仿真實驗驗證了基于TBD處理實現(xiàn)無源傳感器對微弱目標定位與

3、跟蹤的可行性，并分析了算法性能的影響因素。
　　其次，針對機動弱目標的檢測和跟蹤問題，研究了多模型粒子濾波（MM-PF）算法，并將其應(yīng)用到TBD算法中。根據(jù)一定準則隨機選擇各粒子的運動模型，通過重采樣技術(shù)對符合目標運動特性的粒子進行自適應(yīng)篩選，并將其融合得到目標的運動狀態(tài)，可解決無源機動弱目標的定位與跟蹤問題，并將UKF引入到算法中，提高了算法的性能。
　　最后，針對MM-PF算法，研究了模型集的設(shè)計準則，針對多模型PF-T