题名 | 基于改进粒子滤波弱小目标检测前跟踪方法的研究 |
作者 | 赵多禄 |
答辩日期 | 2019 |
导师 | 陈辉 |
关键词 | 检测前跟踪 弱小目标 多模型粒子滤波 机动目标 |
学位名称 | 硕士 |
英文摘要 | 随着目标隐身技术的逐步发展和改进,在现代军事如协同作战以及导航制导等领域,弱小目标检测与跟踪的重要性日益凸显。当靶场中的目标辐射出比较微弱的信号能量或者目标所处的环境比较复杂时,雷达观测站接受目标信号的信噪比较低。对此,常规的跟踪前检测方法(Detect-Before-Track,DBT)不能有效的解决弱小目标的检测与跟踪,相应的检测前跟踪方法(Track-Before-Detect,TBD)可以较好地实现弱小目标的检测与跟踪。TBD方法将检测与跟踪集于一体,对单帧观测数据不进行滤波处理,而是沿着目标回波能量较大的路径进行能量的积累。由于粒子滤波算法(Particle filtering,PF)在解决非线性,非高斯系统有着较好的跟踪精度以及检测性能。因此,本文重点研究基于改进的PF算法实现弱小目标检测与跟踪问题。1)本文首先介绍了DBT和TBD方法,详细的阐述了这两种方法在解决目标检测与跟踪问题上的各自特点,重点突出TBD在应对弱小目标检测与跟踪问题上的优势。其次,给出了基于贝叶斯估计理论框架下实现贝叶斯递推滤波的基本过程,对其实现过程中存在的问题进行了分析。随后介绍了基于序贯重要性采样方法,此方法可以有效解决贝叶斯递推滤波过程中无法获得解析解的问题。接着分析了重要性概率密度函数选取的恰当与否对于状态估计性能的影响,同时阐述了引入重采样方法可以有效的克服粒子退化现象。最后,对标准PF实现过程进行阐述。2)本文对机动弱小目标的检测前跟踪问题进行了讨论分析。首先,给出了多模型粒子滤波弱小目标检测前跟踪(Multiple model particle filter track before detection,MMPF-TBD)算法的运动模型和量测模型。其次,结合MMPF-TBD算法提出了一种改进的多模型粒子滤波弱小目标检测前跟踪(Improved multiple model particle filter track before detection,IMMPF-TBD)算法。IMMPF-TBD算法通过对混合状态进行采样粒子,以此获得粒子加速度信息,然后根据采样粒子的特性对每一个粒子建立其状态转移矩阵,进一步衍生出多个机动模型,以此来快速匹配目标的机动运动。最后,通过实验仿真来检验该算法对弱小目标的检测与跟踪效果。3)在PF算法实现过程中,重采样过程复制权值大的粒子而忽略权值小的粒子,往往会导致粒子多样性减少。因此,标准的粒子滤波弱小目标检测前跟踪(Particle filter track before detection,PF-TBD)算法会影响到弱小目标的跟踪效果以及检测性能。针对此问题,提出一种基于粒子优化的弱小目标检测前跟踪(Optimized particle filter track before detection,OPF-TBD)算法,此算法的核心在于对粒子进行采样过程中借鉴扩展卡尔曼滤波(Extended Kalman Filter,EKF)思想引入目标状态的观测信息,以及对权值较小的粒子进行交叉变异操作,这样能使得所采样的粒子分布能够进一步逼近目标的真实后验概率密度,然后利用类sigma点方法对重采样的粒子进行分裂以及复制,此方法可以有效的解决粒子多样性问题。通过实验仿真验证该方法在实现弱小目标检测与跟踪问题上的有效性。 |
语种 | 中文 |
页码 | 66 |
URL标识 | 查看原文 |
内容类型 | 学位论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/95179] |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 赵多禄. 基于改进粒子滤波弱小目标检测前跟踪方法的研究[D]. 2019. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论