基于小波變換的目標(biāo)機動檢測.pdf

1、在過去的20多年里，人們已對機動目標(biāo)的跟蹤問題進行了大量的研究，并在建立系統(tǒng)模型、機動檢測及采用卡爾曼濾波器的自適應(yīng)算法方面取得了一些有益的結(jié)果。機動目標(biāo)跟蹤的難點在于如何確定是否有機動，何時開始機動，據(jù)此及時、準確地轉(zhuǎn)換系統(tǒng)模型，以實現(xiàn)對機動及非機動目標(biāo)的良好跟蹤。但在實際應(yīng)用中，難以選擇與目標(biāo)運動情況相匹配的合適模型，跟蹤濾波器對噪聲和擾動特別敏感，尤其在強噪聲中，相對小的機動幾乎淹沒在噪聲中，目標(biāo)模型易于受噪聲觸發(fā)而錯誤轉(zhuǎn)換，結(jié)果

2、導(dǎo)致目標(biāo)模型和目標(biāo)運動情況失配。如果模型不正確，跟蹤系統(tǒng)就可能發(fā)散而導(dǎo)致跟蹤失敗。 本文首先詳細地介紹了以下幾種傳統(tǒng)的機動檢測算法：可調(diào)白噪聲模型機動檢測方法、輸入估計法和變維算法，分析出了它們的缺陷：無論檢測門限怎樣選取，都會產(chǎn)生兩類錯誤概率一虛警概率和漏警概率；而且這些傳統(tǒng)的方法也不具有抗干擾的能力，在低信噪比的情況下可能導(dǎo)致機動檢測失敗。 為解決上述問題，Hong首先將基于小波變換的多分辨率技術(shù)用于目標(biāo)跟蹤中，給出

3、了多分辨率目標(biāo)跟蹤方法，利用小波變換實現(xiàn)了單分辨率測量數(shù)據(jù)到多分辨率測量數(shù)據(jù)的轉(zhuǎn)換。當(dāng)含噪聲的原始數(shù)據(jù)分解到低分辨級時，由于小波變換的低通濾波效果，噪聲被大大降低，而目標(biāo)的機動狀態(tài)變得清晰可見，從而能及時、準確地檢測到機動，使目標(biāo)跟蹤變得容易。盡管噪聲中機動目標(biāo)的多分辨率跟蹤方法顯示出獨特的性能，對于目標(biāo)跟蹤這個實時性問題，運算量的成倍增加會嚴重制約其在實際跟蹤系統(tǒng)中的實時應(yīng)用。針對這個問題，本文對Hong提出的多分辨率目標(biāo)跟蹤算法進行