本文關(guān)鍵詞：基于分布式MIMO雷達的多目標檢測前跟蹤算法研究

  更多相關(guān)文章： MIMO雷達 隨機有限集 概率假設(shè)密度 檢測前跟蹤

【摘要】：多輸入多輸出(MIMO)雷達作為雷達研究的新興領(lǐng)域,通過設(shè)置多個發(fā)射站發(fā)射不同的波形信號(通常設(shè)置為正交信號),多個接收站對經(jīng)過目標反射的信號進行匹配濾波并進行聯(lián)合處理,實現(xiàn)信號在空間范圍內(nèi)的多通道并行傳輸和接收。與傳統(tǒng)雷達相比,MIMO雷達的目標分辨能力更高,角度估計也更加精確,可以提高目標在復(fù)雜環(huán)境下的檢測與跟蹤性能。其中,分布式MIMO雷達由于其特殊的布站方式,能夠獲取較大的空間分集增益,但是這種空間分集增益在低信噪比下并不明顯,因此一種提高MIMO雷達在低信噪比環(huán)境下檢測與跟蹤性能的可行方法是使用TBD技術(shù)。TBD技術(shù)直接對原始數(shù)據(jù)進行處理,進行長時間的非相參積累,最后同時給出檢測和跟蹤結(jié)果,是解決微弱目標檢測跟蹤的有效手段。本文圍繞分布式MIMO雷達場景下多目標檢測和跟蹤問題,重點研究了基于隨機集理論的多目標檢測與跟蹤算法,以及適應(yīng)于低信噪比環(huán)境下的基于概率假設(shè)密度(PHD)的檢測前跟蹤算法。首先,針對目標數(shù)未知或時變情形下的多目標跟蹤問題,本文介紹了隨機集相關(guān)理論,重點研究了基于隨機有限集理論的概率假設(shè)密度濾波算法,并介紹了PHD濾波的兩種實現(xiàn)形式:高斯混合PHD和粒子濾波PHD。針對高斯混合PHD,分析了改進的帶有平滑器的高斯混合PHD,并在仿真實驗驗證了高斯混合平滑PHD對目標狀態(tài)提取更加精確;針對粒子濾波PHD,研究分析了基于當前觀測信息的改進重要性密度函數(shù)的粒子濾波PHD,仿真實驗驗證了這種改進方法的性能更優(yōu)。其次,針對多個微弱目標的檢測與跟蹤問題,本文重點研究了適用于檢測前跟蹤框架的PHD濾波器,并就其粒子濾波實現(xiàn)方式中計算量大,粒子使用率低、濾波精度差等問題,優(yōu)化了粒子新生機制,提出了改進的粒子濾波實現(xiàn)的PHD檢測前跟蹤算法。仿真結(jié)果表明改進算法一定程度上提高了目標狀態(tài)估計性能。最后,針對分布式MIMO雷達,重點分析了MIMO雷達的信號模型和觀測模型,針對MIMO雷達的多傳感器信息融合問題,采用了聯(lián)合融合濾波的策略,研究出一種多傳感器檢測前跟蹤處理方法。仿真結(jié)果表明這種算法適用于MIMO雷達場景,且提高了雷達目標的檢測跟蹤性能。針對仿真中目標交叉引起的目標丟失問題,采用了聚類判斷策略,研究了適用于鄰近弱目標的檢測與跟蹤算法。
【關(guān)鍵詞】：MIMO雷達 隨機有限集 概率假設(shè)密度 檢測前跟蹤
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN958
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-18
• 1.1 選題背景及意義10-11
• 1.2 論文相關(guān)技術(shù)的國內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 檢測前跟蹤研究現(xiàn)狀11-13
• 1.2.2 隨機集理論研究現(xiàn)狀13-14
• 1.2.3 MIMO雷達研究現(xiàn)狀14-16
• 1.3 本文的主要工作及內(nèi)容安排16-18
• 第二章 基于隨機集理論的多目跟蹤算法研究18-37
• 2.1 概率假設(shè)密度濾波器18-23
• 2.1.1 隨機集理論18-19
• 2.1.2 多目標隨機集跟蹤理論19-21
• 2.1.3 隨機集PHD濾波21-23
• 2.2 高斯混合平滑PHD濾波算法23-26
• 2.3 粒子PHD濾波算法26-30
• 2.3.1 基本的P-PHD算法流程26-28
• 2.3.2 改進的P-PHD算法28-30
• 2.4 仿真實驗及分析30-36
• 2.4.1 多目標狀態(tài)估計性能評價方案30-31
• 2.4.2 仿真及分析31-36
• 2.5 本章小結(jié)36-37
• 第三章 基于PHD濾波器的多目標檢測前跟蹤算法研究37-52
• 3.1 TBD問題描述與模型建立37-41
• 3.1.1 目標狀態(tài)模型38-39
• 3.1.2 基于雷達傳感器量測的TBD建模39-40
• 3.1.3 多目標TBD似然比函數(shù)建立40-41
• 3.2 基于粒子濾波的PHD-TBD算法41-43
• 3.3 改進的粒子濾波PHD-TBD算法43-47
• 3.3.1 輔助粒子濾波43-45
• 3.3.2 改進的粒子濾波PHD-TBD算法45-47
• 3.4 仿真實現(xiàn)和分析47-51
• 3.5 本章小結(jié)51-52
• 第四章 MIMO雷達場景下的多目標檢測前跟蹤算法研究52-70
• 4.1 分布式MIMO雷達52-55
• 4.1.1 MIMO雷達信號模型52-54
• 4.1.2 目標運動和觀測模型54-55
• 4.2 基于粒子PHD的MIMO雷達檢測前跟蹤算法55-64
• 4.2.1 多傳感器多目標TBD建模56-58
• 4.2.2 基于MIMO雷達的多目標檢測前跟蹤算法實現(xiàn)58-60
• 4.2.3 仿真實驗和分析60-64
• 4.4 改進的MIMO雷達多目標檢測前跟蹤算法64-68
• 4.4.1 算法原理64-66
• 4.4.2 仿真實驗及分析66-68
• 4.5 本章小結(jié)68-70
• 第五章 總結(jié)與展望70-72
• 5.1 總結(jié)70-71
• 5.2 展望71-72
• 致謝72-73
• 參考文獻73-77

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳忠碧,張啟衡;一種適合于多目標檢測的圖像分割方法[J];光電工程;2004年05期

2 曲長文;黃勇;蘇峰;;基于動態(tài)規(guī)劃的多目標檢測前跟蹤算法[J];電子學(xué)報;2006年12期

3 尹玉紅;張群飛;黃建國;王蕾;;對角加載技術(shù)在多目標檢測中的應(yīng)用[J];計算機仿真;2007年07期

4 樊玲;張曉玲;;基于聯(lián)合多目標概率密度模型的多目標檢測前跟蹤算法[J];計算機應(yīng)用;2012年07期

5 周志宇,汪亞明;基于運動區(qū)域的多目標檢測[J];計算機自動測量與控制;2002年07期

6 劉龍;柳恭;尤亞;;基于顯著對象的貝葉斯多目標檢測方法[J];軟件導(dǎo)刊;2013年07期

7 郎建華;姚金杰;韓焱;;多目標檢測系統(tǒng)的設(shè)計與仿真[J];山西電子技術(shù);2010年03期

8 逄勃;范廣偉;;分數(shù)階傅里葉變換在雷達多目標檢測和參數(shù)估計中的應(yīng)用[J];雷達與對抗;2010年01期

9 丁艷;楊東勇;陳晉音;;基于全方位視覺的多目標檢測跟蹤[J];計算機系統(tǒng)應(yīng)用;2008年02期

10 蘇軍海;李亞超;邢孟道;;窄帶雷達高速多目標檢測研究[J];西安電子科技大學(xué)學(xué)報;2009年06期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 匡宇;游志勝;;精子運動圖象的多目標檢測與分割[A];中國圖象圖形科學(xué)技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

2 牟新剛;張桂林;丁全心;張國華;周曉;;基于DSP+FPGA的紅外多目標檢測系統(tǒng)設(shè)計[A];2007年光電探測與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會論文集[C];2007年

3 王智靈;路婷婷;張碩奇;陳宗海;羅楊宇;李成榮;;基于全局光流的多目標檢測與跟蹤[A];'2008系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 葉剛;城市環(huán)境基于三維激光雷達的自動駕駛車輛多目標檢測及跟蹤算法研究[D];北京理工大學(xué);2016年

2 范帥芳;基于多站時差的被動多目標檢測與跟蹤[D];電子科技大學(xué);2016年

3 梅秀飛;基于分布式MIMO雷達的多目標檢測前跟蹤算法研究[D];電子科技大學(xué);2016年

4 鄭兮;多目標檢測前跟蹤算法研究[D];電子科技大學(xué);2012年

5 郭會文;監(jiān)控視頻中的快速多目標檢測與跟蹤研究[D];湖南大學(xué);2013年

6 丁艷;基于全方位視覺的多目標檢測跟蹤[D];浙江工業(yè)大學(xué);2007年

7 郭曉慧;復(fù)雜場景下視頻監(jiān)控系統(tǒng)中多目標檢測的研究與實現(xiàn)[D];北京郵電大學(xué);2013年

8 黃超;基于視頻的人體多目標檢測與跟蹤算法研究[D];西華大學(xué);2014年

9 王允;基于TMS320DM642的多目標檢測系統(tǒng)的硬件設(shè)計[D];重慶大學(xué);2009年

10 蔡俊林;醫(yī)學(xué)圖像中多目標檢測與跟蹤技術(shù)研究[D];華南理工大學(xué);2012年

，

本文編號：772836