论文部分内容阅读
在现代战争中,尽早发现来自敌方的威胁并做出及时的反应至关重要。随着现代科技的发展,如隐身飞机、巡航导弹等回波能量很低的微弱目标越来越多的出现在现代战场上,在这种小信噪比环境中传统的跟踪前检测(Detect before Track,DBT)技术已经不再适合作为微弱目标的检测与跟踪技术。检测前跟踪算法(Track Before Detect,TBD)则在低信噪比环境对微弱目的标检测与跟踪中有不错的效果,得到了越来越多的关注和研究。本文研究的是基于粒子滤波(Particle Filter,PF)的检测前跟踪算法(Particle Filter Track Before Detect,PF-TBD)。PF-TBD算法对于非线性非高斯系统微弱目标的检测与跟踪问题有着独特的优势,但是传统的标准PF算法本身存在一些问题和限制,这对PF-TBD算法的性能也造成了一定程度的影响。本文重点研究了从重要性概率密度函数选取和重采样步骤优化两个角度对PF-TBD算法进行改进。首先在传统的标准PF算法的基础上,引进了无迹粒子滤波(Unscented Particle Filter,UPF)算法,再进一步介绍了基于MH(Metropolis Hastings,MH)准则的马尔可夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)移动算法,综合这两个方面提出了基于马尔可夫链蒙特卡洛移动的无迹粒子滤波算法,再针对该算法计算过于复杂而导致实时性差的问题,结合标准粒子滤波算法的算法结构简单的优点,提出了改进算法,并通过仿真实验对改进算法进行验证。综合了 UPF算法的优点,提出了基于无迹粒子滤波的检测前跟踪算法。由于传统PF-TBD算法中采取的传统重采样方法存在的重采样后粒子多样性丧失甚至导致粒子枯竭的问题,所以引入了遗传算法进一步对传统重采样算法提出改进,并综合前文所研究的MCMC移动算法提出了基于MH变异的遗传重采样算法,并在基于无迹粒子滤波的检测前跟踪算法中重采样步骤采用该算法,从而得到改进算法,即基于遗传重采样的无迹粒子滤波检测前跟踪算法,再通过匀速运动模型仿真实验对该改进算法进行验证。最后模拟红外背景下微弱目标检测和跟踪过程对这种改进算法进行进一步验证。