论文部分内容阅读
现代战场上,尤其是城市环境作战,针对微弱目标(尤其是隐身目标或者是隐蔽目标)的检测前跟踪(Track Before Detect,TBD)技术愈加受到关注。TBD的基本思想是将连续帧数据做联合处理,在检测目标之前先跟踪目标的轨迹,从而实现多帧数据的非相干积累,达到检测性能的提升。本文选择对目标运动不做任何先验性限制的基于动态规划(Dynamic Programming,DP)的TBD算法,开展了室内人员目标穿墙检测跟踪问题研究。取得以下主要研究成果:1)分析了影响DP-TBD算法的关键参数,给出了传统DP-TBD算法的适用条件。分析了动态规划应用于最优化问题求解的理想特性,给出了DP-TBD算法的基本递推方程。研究了检测跟踪室内人员目标的DP-TBD算法:该算法利用图像幅度值作为目标函数,能对信噪比大于-10dB以上的室内人员目标进行有效跟踪监测。2)针对DP-TBD算法计算量大的缺点,提出了适合规则质点目标检测跟踪的NS-TPDP-TBD算法。分析并给出了TPDP-TBD算法中第一级门限的选取准则。提出了适合检测跟踪室内规则质点目标的NS-TPDP-TBD算法:该算法引入目标先验信息,对DP-TBD算法进行改进,使得搜索次数不再与图像像素大小相关,并减少了第一级门限检测可能产生的疑似目标轨迹的数目,进而减低算法的搜索量,提高了算法的时效性。仿真验证表明NS-TPDP-TBD算法比DP-TBD算法更有效,性能更好,对室内人员目标闪烁问题不敏感。3)针对NS-TPDP-TBD算法面临的实际问题进行改进,提出了适合不规则扩展目标检测跟踪的ADNS-TPDP-TBD算法。分析了NS-TPDP-TBD算法面临的实际问题,提出了一种适合检测跟踪室内不规则扩展目标的改进算法——ADNS-TPDP-TBD算法。该算法引入等价邻域,分析了邻域的动态扩展,可以避免多径反射造成的强杂波干扰,解决人员目标的不规则扩展以及运动速度的变化问题。仿真及实测数据表明ADNS-TPDP-TBD算法能实现多人跟踪,能够适应多径杂波环境,对人员目标的不规则扩展以及速度变化不敏感,比NS-TPDP-TBD算法更适于实际应用,具有较好的实际应用价值。