基于多帧相关算法的稀布阵雷达目标航迹检测

为提高稀布阵脉冲孔径雷达探测能力和小目标的发现概率,采用降低信号处理门限的方法,致使虚警概率高。常规方法难以完成目标航迹检测,需要通过TBD处理来完成目标检测。文中给出了基于多帧相关的TBD算法,利用目标的运动特性,通过对多帧数据的帧间相关处理,沿目标轨迹累积能量,从而提高信噪比,实现了在高虚警环境下的目标航迹检测。     

一种基于相参积累的检测前跟踪算法

现有的TBD方法基本思想通过对多帧数据作非相参积累改善检测性能来检测弱小目标,但是非相参积累存在固有的积累损失.文中提出了基于相参积累的TBD方法,将若干帧数据中可能航迹上的点作相参积累,有效利用了回波信号的相位信息,克服了非相参积累的固有积累损失.仿真结果表明该方法与非相参积累的TBD方法相比,在检测概率为0.9条件下信噪比有1.5 dB以上的改善.     

基于动态规划和离散调频傅里叶变换的相参检测前跟踪算法

针对基于速度搜索和离散调频傅里叶变换(DCFT)的多帧相参积累检测前跟踪(TBD)算法运算效率低的问题,提出了一种基于动态规划(DP)和DCFT的多帧相参积累TBD算法。该算法利用DP算法搜索位于不同距离单元和方位单元的目标回波,极大地优化了搜索过程,提高了运算效率。仿真实验表明,与传统非相参积累DP-TBD算法相比,在检测概率90%处,所提算法有1.6 dB的提高;与基于速度搜索和DCFT的多帧相参积累TBD算法相比,所提算法运算效率提高了3.6倍。     

基于TBD方法的弱小目标预警研究

运用了检测前跟踪(TBD)方法对多普勒警戒雷达中的弱小目标早期预警问题进行了研究.根据入侵目标的轨迹特点,分析了它在距离-多普勒平面中的转移规律,设计了新的建立在距离一多普勒域上的基于Viterbi搜索算法的帧间能量积累方法.最后,比较了该方法与传统的先检测后跟踪方法的检测性能,并给出了TBD方法的理论检测性能.     

采用粒子滤波的先跟踪后检测算法

先跟踪后检测(TBD)算法能够有效解决低信噪比条件下弱小目标的检测与跟踪问题.与传统的先检测后跟踪方法相比,它的优点在于可完整传感器数据,随时间累积起来能获得更好的检测与跟踪性能,特别是检测与跟踪弱小目标.同时与传统的跟踪算法相比,先跟踪后检测算法提供给跟踪器的信息更多,适合于跟踪低信噪比的弱小目标.探讨了先跟踪后检测问题的两个方面:滤波和检测.为了检测目标的出现与消失,在状态向量中增加一个二元变量对应目标存在.对于非线性、非高斯的跟踪问题,使用粒子滤波器跟踪弱小目标,基于粒子滤波器的权值实现最优检测器.给出粒子滤波器的TBD算法的理论推导以及数值计算过程.仿真实验表明:基于粒子滤波器的TBD算法能够检测与跟踪低信噪比的目标.     

多帧相参积累检测前跟踪方法

为了提高雷达对微弱目标的检测能力,提出了一种多帧相参积累的检测前跟踪(TBD)方法.通过对多帧时间内运动目标回波的分析,建立了相参积累的回波信号模型,其中目标回波出现距离单元走动和多普勒单元走动.利用目标回波的空-时相关性,采用速度匹配法和离散Chirp- Fourier变换(DCFT)联合估计目标径向速度、多普勒频率...     

基于GM-PHD平滑器的检测前跟踪技术

雷达观测下弱小目标的检测前跟踪(TBD)问题中,针对基于高斯混合概率假设密度滤波器(GM-PHD)的TBD算法在信噪比降低时,存在目标的数目估计不准确、状态估计精度下降的问题,提出了基于GM-PHD平滑滤波器(SGM-PHD)的检测前跟踪算法(SGM-PHD-TBD)。该算法在TBD标准多目标观测模型框架下,采用平滑递归方法,利用多个量测数据对滤波值进行平滑,在牺牲一定运算效率的基础上提升了算法的估计精度。仿真结果表明,该算法在信噪比较低的情况下对目标数目估计的准确度和目标状态估计的精度均优于基于GM-PHD的TBD算法。     

粒子滤波算法在TBD目标检测中的应用

提出了基于生存概率模型的目标检测滤波器设计,实现了基于序惯Monte-Carlo采样粒子滤波方法.优化设计了目标生存概率的算法;给出了粒子滤波器的TBD算法的理论推导及数值计算过程.仿真实验表明:基于粒子滤波器的TBD算法能够检测低信噪比的目标.     

非合作双基地雷达弱目标KCF⁃TBD方法

非合作双基地雷达因其特殊的探测方式，致使回波中目标信噪比较低，雷达扫描周期的帧与帧之间探测并不稳定，因此传统的先检测后跟踪（Detect?Before?Track, DBT）在这种场景下并不适用。本文利用动态规划检测前跟踪（Dynamic Programming Track?Before?Detect, DP?TBD）值函数累积的思想，结合现用于视觉跟踪中的核相关滤波器（Kernelized Correlation Filters, KCF），将峰值旁瓣比（Peak Sidelobe Ratio, PSR）作为值函数，提出了KCF?TBD，并采用深度学习技术对跟踪框进行修正，以解决实际目标跟踪中出现的漂移、丢失等问题，从而提高跟踪过程的稳定性和适应性。在实际的海面目标数据上的验证结果显示，所提算法具有较高的跟踪稳定性和适应性。     

红外图像中弱小目标检测前跟踪算法研究综述

文中分析了低信噪比复杂背景中红外弱小目标检测与跟踪的难点,比较了DBT与TBD两种检测与跟踪算法的性能,分析了TBD的检测机理,总结了典型的TBD方法,展望了TBD的发展.     

基于势概率假设密度滤波的检测前跟踪新算法

基于势概率假设密度滤波(Cardinalized Probability Hypothesis Density, CPHD)检测前跟踪(Track before detect, TBD)算法能有效解决未知目标数的弱小目标检测跟踪.文章深入研究了CPHD算法, 从标准CPHD滤波的粒子权重更新出发, 结合检测前跟踪的实际, 合理地推导出CPHD-TBD算法的粒子权重更新表达式; 分析了CPHD滤波目标势分布的物理意义, 实现了目标势分布更新计算在检测前跟踪的应用.将CPHD滤波和TBD进行有效结合, 提出了基于势概率假设密度滤波的检测前跟踪算法, 并给出其详细实现步骤.仿真实验证明提出的CPHD-TBD算法与现有概率假设密度检测前跟踪(PHD-TBD)算法相比, 能更详细地传递目标分布信息, 从本质上改变了PHD-TBD对目标数估计的方式, 能更准确稳定估计目标数, 实现了对目标的发现和状态准确估计, 性能明显更优.     

目标数未知时基于粒子滤波的多目标TBD方法

针对现有粒子滤波微弱多目标检测前跟踪（TBD）算法要求目标数目或者目标最大数目已知,且无法对邻近微弱目标有效检测的不足,提出了一种基于粒子滤波和目标相继消除（PF-STC）的多目标TBD算法。该算法通过将多目标状态的联合搜索过程简化为多个独立的单目标检测过程,实现数目未知的多目标跟踪和检测。与现有粒子滤波多目标TBD算法相比,新算法克服了现有方法在较弱目标接近较强目标时出现的检测困难,并降低了算法复杂度,能对数目未知的微弱多目标进行有效检测。      

雷达微弱目标检测前跟踪算法综述

军事隐身目标的出现,给雷达带来了严峻的挑战.检测前跟踪算法是雷达微弱目标检测和航迹处理的一种有效方法.文中对雷达微弱目标检测前跟踪算法进行了综述,首先介绍了三维匹配滤波、Hough变换、动态规划和粒子滤波4类最常用的检测前跟踪实现算法的基本原理,然后述评了4类检测前跟踪算法的研究进展情况,最后在分析现有检测前跟踪算法问题的基础上,展望了雷达微弱目标检测前跟踪算法的发展趋势.     

一种适用于天波超视距雷达的TBD工程化算法

从天波超视距雷达探测目标信噪比伏大的实际情况出发,提出了一种适用的检测前跟踪(TBD)工程化算法。通过对信噪比起伏大的重点目标进行关联降门限检测,大幅提高了重点目标的检测概率。相比于常规的TDB算法,文中提出的算法原理更加简单,算法复杂度低,十分易于工程实现。     

MIMO雷达多目标检测前跟踪算法研究

 本文基于检测前跟踪技术研究了MIMO雷达系统中多个运动目标的早期预警问题,在推导已知目标数量时的二元广义似然比检验的基础上,提出了一种次优的基于“逐目标消除和极坐标Hough变换（STC-PHT）”的多目标检测前跟踪算法,并推导了该算法的虚警概率和检测概率表达式。与以往的多目标检测前跟踪算法相比,新算法具有较低的计算量,且本质上无需目标数量的先验信息,避免了目标数量未知时需执行多元假设检验的问题。仿真分析表明,新算法能有效地改善MIMO雷达在低信噪比条件下的检测性能。     

基于动态规划方法的检测前跟踪

讨论了基于动态规划的检测前跟踪（TBD）算法,介绍了检测前跟踪算法的实现,并通过仿真来说明该算法的性能及可处理的信噪比底线,同时给出了该算法的优缺点。     

粒子初始化对TBD算法性能的影响探究

基于粒子滤波的检测前跟踪(TBD)算法是检测微弱目标的有效手段,但现有粒子滤波方法在进行微弱目标检测时,通常是在已知粒子初始参数范围的条件下进行研究的,没有考虑粒子初始参数对算法性能的影响。在对粒子状态预测过程中涉及的参数进行理论分析的基础上,发现粒子初始速度范围和初始状态范围两种参数对算法性能有较大影响。通过大量实验证明粒子初始参数的优化对算法的检测能力、跟踪精度和时间复杂度3方面性能都有所改善,为研究利用基于粒子滤波的TBD微弱目标检测提供新的思路。     

Geodesic流多伯努利检测前跟踪方法

由于粒子退化,基于粒子滤波的多伯努利检测前跟踪滤波器对多目标后验密度的估计不准确,导致量测非相参积累的效果不理想.为此,将Geodesic粒子流引入多伯努利检测前跟踪算法,以提升后验密度估计的准确度.此外,合并航迹时利用目标的航向信息,从而降低航迹交叉时不同目标的航迹被错误合并的概率.通过Rayleigh杂波中Swerling 1型起伏目标的检测及跟踪结果证明了所提算法的性能.