论文部分内容阅读
微弱目标的检测跟踪问题是雷达信号处理领域面临的巨大挑战之一。当回波信号的信噪比较低时,传统的单帧检测已经无法给出可靠的检测结果,而检测前跟踪(TBD)技术可以解决该问题。TBD技术利用目标帧间的关联性,通过采用多帧联合处理的手段,可以可靠地实现对微弱目标的检测。基于粒子滤波的检测前跟踪(PF-TBD)技术因其能解决实际工程项目的非线性、非高斯问题而广受关注,但其在雷达领域的相关应用仍处于起步阶段。因此,本文针对天波超视距雷达(SKW-OTHR)中的弱目标检测问题,研究了针对该体制雷达的PF-TBD算法。本文首先研究了PF-TBD算法下SKW-OTHR目标状态向量的选取以及系统量测模型。针对SKW-OTHR的特性,合理选取距离、径向速度、幅值作为目标状态向量组成元素;然后,利用无噪声下理想雷达回波基本信号处理后的RD谱作为能量扩散模型;最后给出正交双通道模型高斯复噪声背景下,粒子滤波过程粒子权值的计算公式。之后研究了多种PF算法。重点研究了序贯重要性重采样(SIR)粒子滤波算法、辅助粒子滤波(APF)算法和代价参考粒子滤波(CRPF)算法。APF算法通过辅助变量可解决重采样算法中的粒子退化问题;CRPF算法不需要获取动态系统噪声分布的先验信息,通过风险和代价函数实现目标状态的估计。然后,针对多种PF算法研究了相应的PF-TBD算法,并基于标准粒子滤波的检测前跟踪(SPF-TBD)算法提出了改进的粒子滤波TBD算法(ISPF-TBD),该算法能够有效解决目标出现初始阶段新生粒子命中目标概率低而导致的目标存在概率曲线收敛慢的问题。最后,研究了针对多目标粒子滤波的TBD算法。针对多目标问题重点研究了基于多模粒子滤波的多目标TBD算法(MM-MT-PF-TBD),该算法通过将所有目标存在的可能情况对应成一种模式,通过“三层”粒子滤波算法递归估计出目标的存在概率和目标状态。仿真实验表明了该算法的有效性。