雷達微弱目標檢測及密集機動目標跟蹤技術研究.pdf

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

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

3、檢測方法，該方法不僅能夠校正由于長時間相參積累或目標高徑向運動產(chǎn)生的距離走動，而且在目標回波出現(xiàn)9個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)關聯(lián)（C-IMMPDA）算法的基礎上，通過考慮公共回波對關聯(lián)概率的影響，引入影響因子來對C-IMMPDA算法中的關聯(lián)概率進行修正