论文部分内容阅读
复杂的现代战争环境造成了目标的信噪比和信杂比的降低，使用传统的检测方法越来越难以捕捉弱目标，迫切需要针对弱目标的新的检测与跟踪算法。检测前跟踪（TBD）算法不再对观测数据直接设定门限，而是经过多帧数据的积累之后按照某种规则进行检测判决，如果检测到目标存在并同时给出航迹。粒子滤波是一种针对非线性系统的贝叶斯递归滤波算法，并且粒子的权重可以构造似然比，使得粒子滤波可以完整地进行检测与跟踪。基于粒子滤波的TBD算法是一种重要的TBD算法。本文主要研究了几种基于粒子滤波的TBD算法，并在不同模型下进行仿真，主要内容有：1、研究了两种基于存在概率检测的PF-TBD算法，即标准的PF-TBD算法和优效的PF-TBD算法，对两种算法的性能进行了比较。仿真表明，在0.6和0.5两种检测门限下，优效的PF-TBD在高信噪比和中等信噪比下检测性能高于标准的PF-TBD，在低信噪比下检测性能反之。前者的平均虚警概率要高于后者。2、针对基于序贯概率比检测（SPRT）的PF-TBD算法无法检测到目标消失的问题，提出了一种改进算法，即利用多个时刻的单次似然比进行滑窗处理，滑窗内的似然比都大于门限时判定目标存在，都小于门限时判定目标消失，其余情况维持原判决。有效地解决了检测目标消失的问题，并且相比于基于SPRT的PF-TBD算法提高了低信噪比时的检测概率。3、对几种PF-TBD算法进行比较，标准的PF-TBD算法相较于优效的PF-TBD算法，信噪比达到一定时平均有效检测概率要更小，优效的PF-TBD算法平均虚警概率更小，两种算法都能有效地检测到目标出现和消失。而基于修正的单次似然比PF-TBD算法较基于序贯概率比的PF-TBD算法，能够解决无法检测到目标消失的问题。4、将PF-TBD算法应用到天波超视距雷达模型中，天波超视距雷达模型将回波信号进行匹配滤波、快速傅里叶变换和波束形成处理之后产生的观测数据，可用于TBD处理。将观测数据运用标准的PF-TBD算法处理，实现了OTHR的弱目标检测。仿真验证了PF-TBD算法在天波OTHR运用的有效性。