針對(duì)密集雜波下現(xiàn)有的多機(jī)動(dòng)目標(biāo)跟蹤算法計(jì)算量大且性能?chē)?yán)重衰退的問(wèn)題,提出了聯(lián)合幅度信息的多模型標(biāo)簽多伯努利（AI-MM-LMB）濾波器。首先,對(duì)目標(biāo)狀態(tài)進(jìn)行擴(kuò)展,引入幅度信息;然后,建立幅度信息及位置信息的聯(lián)合量測(cè)似然函數(shù);最后,基于MM-LMB濾波器框架,給出新的更新方程。仿真實(shí)驗(yàn)結(jié)果表明:低雜波下,AI-MM-LM算法同MM-LMB算法跟蹤性能相當(dāng);高雜波下,AI-MM-LMB算法性能明顯優(yōu)于MM-LMB算法。 

【文章來(lái)源】：海軍工程大學(xué)學(xué)報(bào). 2020,32(02)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

強(qiáng)雜波下目標(biāo)勢(shì)估計(jì)結(jié)果

位置觀(guān)測(cè)噪聲wk～N(0,Qw),Qw=diag([1,1])δ2w,δw=20 m。目標(biāo)存活概率ps=0.98。設(shè)定虛警概率pτF=0.1、信噪比SNR=15 dB,則可計(jì)算得到:檢測(cè)門(mén)限τ為2.146、檢測(cè)概率pτD(S)為0.931 9;回波信號(hào)信噪比范圍[10 dB,30 dB]。假設(shè)雜波在觀(guān)測(cè)區(qū)域內(nèi)均勻分布,其個(gè)數(shù)滿(mǎn)足泊松分布,λ=100,圖1所示為單次實(shí)驗(yàn)的目標(biāo)航跡圖。圖2、3分別為MM-LMB及AI-MM-LMB濾波器單次實(shí)驗(yàn)結(jié)果�？梢钥闯�,在高雜波(λ=100)、高量測(cè)誤差(δw=20 m)下,MM-LMB濾波器會(huì)將部分雜波錯(cuò)判為目標(biāo),從而導(dǎo)致目標(biāo)過(guò)估,本文算法仍能有效跟蹤目標(biāo)。

MM-LMB單次實(shí)驗(yàn)結(jié)果


本文編號(hào)：3623295