排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
2.
低信噪比环境下,原始数据未知门限的机动目标跟踪是一个比较棘手的问题。提出了一种交互式多模型伯努利(IMM-Bernoulli)检测前跟踪(TBD)算法,该算法结合交互式多模型算法对滤波器中每个目标状态的采样粒子进行预测,利用伯努利滤波对目标粒子进行递归,粒子更新阶段结合TBD算法进行,最终实现目标存在概率及分布密度的更新估计。算法对粒子预测时采用多个模型参与转移预测,使得预测粒子更加接近目标真实运动状态,兼备了伯努利TBD算法和交互式多模算法的特点,可用于处理低信噪比环境下机动弱目标检测跟踪问题,且对目标状态的估计更加精准。仿真实验表明,该滤波器能够实时地估计出目标位置,比传统的伯努利TBD算法具有更好的滤波性能。 相似文献
3.
4.
增加目标信号的积累时间是提高雷达对微弱目标探测能力的主要方法.但是,对于高速运动目标,在长时间相参积累期间,目标回波信号容易产生距离徙动和多普勒走动,若不进行补偿,目标信号能量不能有效积累.传统基于keystone变换的方法仅适用于目标作匀速运动的情形,当目标作机动运动时,距离弯曲不能通过keystone变换进行校正.针对目标作匀加速运动,且高速目标存在多普勒模糊情况,本文提出一种二维匹配滤波新方法,该方法将脉冲压缩后的目标回波转换到距离-多普勒二维频率域,通过构造一补偿函数进行匹配滤波处理.该方法不需要知道目标运动速度参数,由目标径向速度引起的距离走动和径向加速度引起的距离弯曲均能得到很好的消除,另外,所提算法可以有效地利用快速傅里叶变换实现而无需进行插值操作,运算量小.仿真结果表明本文方法具有良好的高速机动目标积累检测性能. 相似文献
5.
6.
针对单声矢量传感器(Acoustic vector sensor, AVS)脉冲噪声环境下的多声源波达方向(Direction of arrival, DOA)跟踪问题,利用α稳定分布能更好地建模脉冲噪声的性质,提出α稳定分布下的多伯努利DOA跟踪算法。由于α稳定分布不具有有限协方差,该算法采用分数低阶距(Fractional Lower Order Moment, FLOM)代替协方差矩阵,对FLOM进行特征分解构造噪声子空间,生成FLOM MUSIC空间谱函数作为多伯努利滤波器的伪似然函数,并对其指数加权,改善了传统似然函数的发散和平坦问题,使得粒子的重采样更有效。该算法的优点是不需要预先知道声源个数,利用先验信息和当前量测信息可以直接对当前声源进行跟踪。仿真结果表明,该算法能有效跟踪脉冲噪声环境下单一AVS声源的数目和状态。 相似文献
8.
9.
10.