基于多模粒子滤波的机动弱目标检测前跟踪

检测前跟踪技术是低信噪比环境下目标检测与跟踪的有效方法。该文针对目标作复杂运动的情况,提出了机动弱目标检测前跟踪的多模粒子滤波算法。该算法在目标状态矢量中增加了表示目标存在与否以及目标运动模型的变量,采用粒子滤波实现了包含两个离散变量的混合滤波过程。仿真试验表明,该算法在经典跟踪方法难以发挥作用的低信噪比条件下,能够有效实现机动目标的检测与跟踪。     

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.     

基于动态规划的雷达检测前跟踪新算法

 为解决低信杂比下雷达检测前跟踪技术存在末级检测门限设置困难和动态规划算法对运动目标跟踪能力弱的问题,本文首先分析了两级检测门限的雷达检测前跟踪算法自身特点.在瑞利杂波条件下,对经过动态优化后的信号进行杂波置信检验和航迹检测和校正.该算法末级检测门限设置简单并且提高了跟踪概率.仿真验证了新方法的有效性.     

基于PHD滤波的雷达起伏目标检测前跟踪算法研究

针对雷达微弱起伏目标的检测和跟踪问题,研究了Swerling 0,1,3三类起伏目标模型,提出了概率假设密度滤波下幅度起伏的雷达微弱目标检测前跟踪算法.该算法建立了概率假设密度检测前跟踪算法下复似然比和幅度似然比两种跟踪模型,其中复似然比方法弥补了幅度似然比在计算过程中只考虑量测的幅度信息,而忽略相位信息的缺陷,从而更...     

基于动态规划的多目标检测前跟踪算法

本文针对低信杂比条件下的多目标检测与跟踪问题,提出了一种基于动态规划的多目标检测前跟踪算法.该算法能够比较准确地估计搜索空间中潜在的目标数量,并且最佳地分离出每个目标的航迹,从而较好地解决了以往检测前跟踪算法在目标数量未知的条件下容易出现漏警和虚警较多的问题.     

一种无格点动态规划检测前跟踪算法研究

目标的多样化和环境的复杂化,对现代雷达的探测能力与航迹处理提出了更高的要求。随着雷达技术的迅速发展, 弱目标的检测与跟踪也受到了更为广泛的关注。检测前跟踪技术可以减少虚假航迹,提高微弱目标的检测和跟踪性能。为改善传统的基于动态规划的检测前跟踪算法计算复杂的缺点,提出了一种无格点DP-TBD改进算法,分析了适用模型, 给出了运动及量测模型。仿真实验表明,该算法具有较好的检测跟踪性能。     

用于雷达弱小目标检测的改进TBD算法

针对基于动态规划的检测前跟踪算法存在的问题,提出了一种改进的动态规划算法。该方法的创新之处在于：在原来可能的状态转移的基础上又对后续状态进行了估计,因此可以减少目标强度起伏的影响。文中利用改进的动态规划与数学形态学相结合的检测前跟踪算法对雷达微弱目标进行检测。实测数据验证了该算法可以提高雷达回波中弱小目标的检测性能,且计算量较小,实际可行。     

一种基于QMC-APF的检测前跟踪算法

针对粒子滤波检测前跟踪算法中存在的粒子数目大,导致计算量和存储量大的问题,提出了一种基于拟蒙特卡罗的辅助粒子滤波检测前跟踪算法。该算法通过引入拟蒙特卡罗思想,产生低差异序列代替原来算法中的伪随机序列,使得粒子分布更加均匀,可以有效降低粒子数;采用辅助粒子滤波算法,对粒子进行两次加权操作。实验仿真表明,在对雷达弱目标进行检测与跟踪的过程中,该算法能够在保证算法性能的同时减少算法中的粒子数目,有效降低计算量和存储量。     

雷达微弱目标检测前跟踪技术研究综述

战场环境的改变、武器系统的发展和隐身技术的应用,使得现代雷达系统对目标的检测和跟踪面临很大挑战,检测前跟踪技术是解决微弱目标检测和跟踪问题的一种有效方法。首先介绍了检测前跟踪技术的基本原理,然后重点综述了雷达微弱目标检测前跟踪算法的发展历程和研究现状,包括三维匹配滤波、动态规划、Hough变换、粒子滤波等检测前跟踪算法,并对常用的几种算法进行了对比分析,最后结合目前研究动态提出了雷达微弱目标检测前跟踪技术需要重点关注的问题和未来发展趋势。     

基于标签多伯努利滤波器的机动小目标检测前跟踪

标签多伯努利(LMB)滤波器在传统多伯努利滤波器基础上引入标签空间,能够实现真正意义上的多目标轨迹级滤波.文章对红外小目标的运动和量测进行建模,将标签多伯努利应用到红外小目标检测前跟踪领域.在此基础上,为了实现对运动模型时变目标的检测前跟踪,将交互式多模型(IMM)与LMB检测前跟踪算法相结合,提出IMM-LMB检测前跟踪算法.此外,给出了该算法的序贯蒙特卡罗实现.仿真结果表明,所提算法能够从输入的原始图像中直接实现轨迹级多目标检测和跟踪,且能够在线更新多模型概率,更好的适应多机动目标场景.     

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.     

一种改进的外推动态规划检测前跟踪算法

检测前跟踪(TBD)方法能够有效地检测弱小目标从而提高雷达作用距离,但其计算量较大,制约其在工程中的应用。针对上述问题,文中提出了一种改进的外推动态规划TBD方法。将数据先经过恒虚警处理来减少待处理的状态,在后面的递推积累阶段,对邻帧关联不上的状态进行隔帧搜索,以降低失跟的概率。经蒙特卡洛仿真表明,该方法在提高运算速度的同时能够保证检测性能。     

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。     

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。     

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。      

基于道路约束的粒子滤波检测前跟踪算法

标准的多模型粒子滤波检测前跟踪技术是在低信噪比环境下检测与跟踪机动性的微弱目标的有效手段。但是由于其采用固定的运动模型数量,当运动模型数量过大时,模型之间的竞争会导致性能的下降。针对此问题,利用道路信息提出了一种变结构的多模型粒子滤波检测前跟踪算法。在每一时刻,根据目标的估计状态和挖掘的道路信息自适应地更新和改变运动模型集以能够选择更加有效的模型集,同时减少了模型数量,并且利用道路信息对目标的运动状态进行约束和限制。最后通过Monte Carlo仿真实验表明,基于文中所提出的算法在检测跟踪性能方面明显优于标准的多模型粒子滤波检测前跟踪算法。     

运动弱小目标先跟踪后检测技术的研究进展

对低信噪比下图像序列运动小目标先跟踪后检测技术进行了较为系统地研究。首先针对运动弱小目标检测问题,分析比较了先检测后跟踪技术与先跟踪后检测技术;详细阐述了先跟踪后检测技术的主流算法,包括时空域匹配滤波器、基于投影变换与三维匹配滤波相结合的算法、多阶假设检验、动态规划算法、高阶相关方法、递推贝叶斯滤波等算法,并比较了其中几种算法。     

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。     

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.