一、基于Hough变换的检测前跟踪算法的性能分析(论文文献综述)
姚俊卿[1](2020)在《基于泊松多伯努利混合滤波器的弱小目标检测前跟踪算法研究》文中提出检测前跟踪技术在信噪比较低的环境下,相对于传统的跟踪前检测技术更加适合检测与跟踪弱小目标。随机有限集理论因其能削弱杂波关联影响,在与检测前跟踪技术结合后实现了对弱小目标的有效跟踪。泊松多伯努利混合滤波器作为随机集理论新成果具有跟踪精度高、目标数量估计准确的优点。本文重点研究了基于泊松多伯努利混合滤波器的弱小目标检测前跟踪算法,具体的研究内容安排如下:首先,针对泊松多伯努利混合滤波器所使用的动态模型中不包含目标衍生,无法对衍生目标进行有效跟踪等问题,提出了一种改进的泊松多伯努利混合滤波器。通过将衍生目标作为泊松项加入动态模型,保证预测前后的概率密度具有共轭性,给出改进滤波器的预测与更新过程以及具体的高斯混合实现算法。实验结果表明,相对于原始泊松多伯努利混合滤波器,增加衍生目标动态模型的泊松多伯努利混合滤波器能够同时跟踪多个衍生目标。其次,针对泊松多伯努利混合滤波器在弱小目标检测前跟踪领域未能有具体应用的问题,提出了一种基于泊松多伯努利混合滤波器的弱小目标检测前跟踪算法。根据量测模型的特点,计算相应的似然函数并带入更新方程。利用更新方程的概率生成泛函求解泊松项向伯努利项的转化率,得到适应检测前跟踪场景的更新步骤,并使用序贯蒙特卡洛技术实现所提出的算法。仿真实验验证了该算法在多种场景下的有效性和准确性。最后,针对传统检测前跟踪算法中数据传输量过大,对内存过度消耗等问题,提出了一种基于泊松多伯努利混合滤波器的阈值化量测检测前跟踪算法。通过设定阈值,将超过门限像素点的索引组成一个索引集,并计算每个像素点的检测概率。依靠检测概率再求出量测似然,以此降低似然计算复杂度。索引集避免了大量无用数据的传输与存储,提高了有限资源的利用率。仿真实验结果表明该算法能在有效跟踪弱小目标的同时降低算法复杂度,减小存储使用空间。
吴佩佩[2](2020)在《地波超视距雷达检测前跟踪技术研究》文中研究说明在弱目标检测跟踪过程中,传统方法首先对单帧数据进行杂波噪声抑制等处理,然后设置门限获得点迹,门限的设置需要考虑到虚警率,若为减小虚警率设置较高门限,则会有弱目标的漏检情况发生。因此,为优化针对弱目标的检测和跟踪,就出现了检测前跟踪(Track Before Detect,以下简称TBD)方法。在TBD方法中,可对回波数据进行积累,也就是不直接对单帧目标的数据使用门限进行处理,而是根据帧间数据关系,先对数据数据进行关联处理,再对多帧数据进行积累,检测和跟踪过程则基于积累结果得出。针对检测前跟踪技术的研究,本文将从以下三个方面展开讨论:第一:讨论了动态规划方法在检测前跟踪技术中的具体应用。动态规划方法作为一种递推算法,将单过程问题的解都储存下来,在之后的运算过程中,可以直接从储存的信息中提取需要的数据,因此无需重复运算,进而使得运算效率有所提升。动态规划方法本质是找到多个最优的决策,进而得出最终策略,对每一次积的累结果,都基于某种方案进行评估,从而找出最优的方式,与此同时,将其他值舍去。当完成积累过程时,再以门限为依据,得出检测结果,并以此回溯出目标轨迹。第二:讨论了在距离多普勒平面中,TBD技术的具体应用。由于现有TBD方法基于距离多普勒平面中的近似运动模型,因此存在能量集成效率低下的问题。本文中,基于伪谱的TBD方法通过精确的目标距离和多普勒时间演化方程,可以有效地结合目标能量,检测距离多普勒域中的弱目标。首先,依据笛卡尔坐标系中目标以恒定速度运动这一条件,可以通过目标距离多普勒与时不变速度平方的非线性函数,精确地描述距离和多普勒关于时间的演化方程,因而这种方法匹配的是目标速度平方而不是每个方向的速度。然后,根据所得的时间演化方程,将距离多普勒平面中的每个单元预测到最后一帧。与此同时,根据点扩展函数在预测位置周围构造伪谱,通过将几个单元格上的伪谱的采样值添加到最后一帧来实现多帧累积。最后,为了匹配未知目标速度平方,就需要有一组基于伪谱的速度平方滤波器(Pseudo-Spectrum based Speed Square Filter,以下简称PS-SSF),本文中在理论上推导了距离多普勒和速度平方域的目标输出包络。数值结果表明,这种PS-SSF方法不仅可以在距离多普勒域中实现有效的弱目标检测,而且可以实现更好的距离和多普勒以及目标速度参数估计。第三:讨论了基于伪谱的检测前跟踪方法在实测数据处理中的应用。对于地波超视距雷达回波数据进行预处理,并通过构建伪谱对多帧数据运用TBD方法进行处理。仿真结果表明,伪谱方法能有效提升在弱目标环境中的目标检测性能。
潘嘉蒙[3](2020)在《基于波形参数捷变雷达的非合作双基地雷达信号处理关键技术研究》文中进行了进一步梳理非合作双基地雷达利用第三方辐射源发射的信号实现目标探测,由于其本身不辐射信号,因此战场生存能力强,并且能够有效弥补传统单基地有源雷达在抗干扰和反隐身等方面的不足,具有广阔的军事应用前景。课题研究的非合作双基地雷达系统基于波形参数捷变相控阵雷达辐射源,其复杂的波形调制形式给非合作双基地雷达的信号处理带来了许多困难。本文在课题组研制的非合作双基地雷达系统样机的基础上,围绕系统在信号处理中面临的实际问题,开展非合作双基地雷达的时频参数同步和相参积累方法研究,为系统的性能提升和实际应用提供技术参考。论文的主要内容概括如下:第二章针对双基地雷达由于收、发分置的几何关系与单基地雷达在定位原理、雷达方程、探测范围以及距离分辨率和速度分辨率等方面的不同,结合几何模型和仿真实验进行了深入分析。然后,对于课题研究的非合作相控阵雷达辐射源特性进行了研究,并利用模糊函数对波形参数捷变信号的性能进行了分析。最后,对非合作双基地雷达系统样机的信号处理流程进行了梳理,并针对波形参数捷变给信号处理在时频参数同步和相参积累等方面带来的问题进行了分析,为后续章节的研究内容提供了基础。第三章针对基于波形参数捷变雷达辐射源的非合作双基地雷达系统的时频参数同步问题,提出了一种适用于工程应用的处理方法。论文研究的波形参捷变雷达采用载频、带宽、脉宽、脉冲重复周期均捷变的线性调频信号,所提方法将时频参数同步问题拆分为直达波参数模板库的构建与基于模板匹配的参数快速提取两个步骤。首先,针对直达波信号包含多个信号分量的特征,采用基于LVD的多分量线性调频信号参数估计方法,通过对大量直达波信号进行参数估计,结合统计分析方法从而构建发射信号的载频、带宽和脉宽参数模板库。然后,在参数模板库的基础上,论文提出了一种基于模板匹配的时频同步方法,该方法结合模板匹配、解线调算法和CLEAN算法,能够快速准确地提取直达波信号的脉宽、载频、带宽和脉冲到达时间等参数。最后,通过实测数据处理实验,对时频参数同步方法的有效性进行了验证。第四章针对非合作双基地雷达捷变频信号相参积累问题,提出了一种基于Radon-NUFFT的相参积累算法。首先,对于运动目标回波的信号模型进行了分析,结合信号模型明确了载频捷变给相参积累带来的问题。然后,通过结合Radon二维搜索算法和基于低秩矩阵逼近的NUFFT快速实现算法,能够有效实现距离单元走动的校正并对速度—慢时间—捷变频耦合项带来的非均匀相位波动进行补偿。最后,仿真实验验证了Radon-NUFFT算法的有效性,并验证了算法在目标检测和运算效率等方面的性能。第五章针对非合作双基地雷达时域参数捷变信号相参积累问题,提出了一种基于Radon-IAA的相参积累算法。时域参数捷变包括PRI捷变和脉宽捷变,因此在构建运动目标回波的信号模型后,对于PRI捷变和脉宽捷变给相参积累带来的问题进行了分析。然后,将PRI捷变导致的脉间非均匀相位波动问题转化为非均匀采样信号的频谱分析问题,对基于IAA的非均匀采样信号频谱分析性能进行了分析。最后,论文对于Radon-IAA算法的处理流程进行了介绍,该方法可以通过基于IAA的局部精细化分析提高相参积累增益和目标速度参数的估计精度。仿真实验验证了Radon-IAA算法的有效性,并对算法在多目标检测、参数估计精度和目标检测概率等方面的性能进行了分析。
高广顺[4](2020)在《基于粒子群优化的多目标粒子滤波检测前跟踪算法研究》文中进行了进一步梳理在多雷达多目标联合检测跟踪问题中,及时正确发现目标并提高其跟踪精度是国内外研究者们研究的主要任务和热点。基于粒子滤波的检测前跟踪算法是一种经典的检测前跟踪算法,该算法依靠一组带权值的粒子来近似目标状态的后验概率密度函数,不受非线性非高斯条件的限制,有广泛的适应性,是多雷达多目标联合检测跟踪算法中的一个重要方向,具有重要理论研究意义和国防军事价值。在对多个信噪比相差较大目标的检测跟踪中,传统的基于粒子滤波的检测前跟踪算法在进行粒子群重采样时,容易将高权值粒子大量复制,导致只检测到信号强度较高的目标,遗漏信号强度相对较弱目标,造成漏检情况,或者将低权值粒子大量采样,导致虚假目标出现。为了提高多雷达多目标检测跟踪问题中的目标正确检测率,本论文在双层粒子滤波算法结构的基础上,针对基于粒子滤波的多雷达多目标检测前跟踪算法进行研究,主要工作如下:1.首先介绍了基于粒子滤波检测前跟踪算法的基本原理,目标运动模型和雷达观测模型,并描述了多雷达单目标粒子滤波检测前跟踪算法的具体实现步骤。2.提出了一种基于自适应遗传操作的多雷达多目标检测前跟踪算法(IGPF-T BD),用于改善目标信号强度相差较大时的目标漏检问题。算法受遗传算法启发,通过自适应遗传操作产生新生粒子,提高粒子分布多样性。并使用锦标赛选择方法,以粒子权值的相对值作为选取粒子的标准,增加较高权值粒子的采样概率,避免高权值粒子大量复制,从而改善目标漏检情况。仿真结果表明,相比传统多雷达多目标粒子滤波检测前跟踪算法,该算法可以在目标信噪比相差较大时,有效检测到信噪比小的目标。3.提出了一种基于粒子群融合的多雷达多目标粒子滤波检测前跟踪算法(PSFPF-TBD),用来提高多雷达多目标检测前跟踪算法的目标跟踪精度。算法设计了一种粒子群融合思想,用于新检测目标的粒子群和已发现目标的粒子群的有机融合,通过合理保留两类粒子群的优势粒子,改善目标跟踪粒子群状态,提高目标跟踪精度。仿真结果表明,相比传统多雷达多目标粒子滤波检测前跟踪算法,该算法可以有效提高目标跟踪精度。4.提出一种混合多雷达多目标检测前跟踪算法(HMPF-TBD),用于改善多雷达多目标检测前跟踪问题中的目标漏检问题并提高跟踪精度。该算法在双层粒子滤波结构的基础上,通过将IGPF-TBD和PSFPF-TBD的算法结构进行有机融合,结合两种算法优点,仿真结果表明,该混合算法可以改善目标正确检测率和目标跟踪精度。
郑虹福[5](2020)在《基于贝叶斯框架的雷达目标跟踪方法研究》文中提出隐身技术的日趋成熟使得隐身目标的雷达散射截面积(Radar Cross Section,RCS)锐减,导致雷达接收的目标回波信号微弱,给雷达探测系统的检测与跟踪任务带来了极大的挑战。基于贝叶斯框架的雷达目标跟踪方法能为雷达探测系统提供先验信息,其中的概率数据关联(Probabilistic Data Association,PDA)滤波算法和贝叶斯检测前跟踪(Track Before Detect,TBD)方法在微弱目标的检测跟踪任务中表现出优异的性能,逐渐成为近年来的研究热点。但PDA滤波算法进行状态估计时综合考虑关联波门内所有的候选回波,在密集杂波场景中相比理想检测条件下仅使用正确观测的卡尔曼滤波算法滤波误差增大,可能导致探测系统误跟或丢失目标;而贝叶斯检测前跟踪算法通过光学红外传感器模型对原始观测数据建模,算法性能对模型中的传感器模糊量参数非常敏感。现有文献在仿真实验中通常给定传感器模糊量参数,但在工程实践中该参数往往未知或与雷达系统参数不匹配,使得贝叶斯检测前跟踪技术难以应用于实际的雷达探测系统。本文针对上述问题,对PDA滤波算法和贝叶斯检测前跟踪算法进行改进,提升两种方法对微弱目标的跟踪性能,主要内容总结如下:1.围绕贝叶斯框架下的雷达目标跟踪方法,研究了贝叶斯估计和系统动态空间理论,将贝叶斯框架下的目标跟踪问题形式化为目标状态的后验概率密度估计问题;研究了递推贝叶斯估计的最优算法和次优算法,为后续研究奠定理论基础。2.针对PDA滤波算法在密集杂波场景中滤波误差增大的问题,研究了融合RT-S(Rauch-Tung-Striebel)平滑的PDA平滑算法。该算法基于概率数据关联滤波算法,在PDA滤波的基础上结合最优平滑思想,将平滑作为一种事后数据处理技术提高了数据处理精度;并且在前向滤波的同时后向平滑,缓解了平滑估计输出滞后的问题,进而提高PDA滤波算法在杂波密集场景中跟踪精度。3.针对贝叶斯检测前跟踪技术中传感器模糊量未知和失配的问题,给出了一种自适应设置传感器模糊量的方法。该方法基于高斯分布的分位数思想,根据雷达系统参数自适应调节传感器模糊参数,使得目标强度分布和噪声强度分布在给定的分位点处分开。通过一系列计算机数值仿真实验证明,给出的自适应传感器模糊量设置方法能够有效改善雷达系统目标的检测、跟踪性能,同时增强贝叶斯检测前跟踪算法的稳健性。
杨升[6](2020)在《多雷达点迹融合前目标跟踪方法研究》文中研究表明为适应现代战争目标机动性强、信噪(杂)比低、检测概率低等复杂的作战环境,以多雷达为核心的多雷达组网系统得到了快速的发展。与单雷达相比,多雷达对探测范围、系统可靠性与鲁棒性、目标识别能力、目标精度等均有显着提高。但同时利用多个雷达通过协同探测完成对多目标的跟踪成为难点。主要研究多雷达目标检测与跟踪算法,常规方法是航迹融合和点迹融合技术。但是航迹融合无法充分利用所有雷达的原始探测信息,点迹融合会在时间配准和估计融合过程中造成点迹失真,由于杂波较多而造成数据关联困难从而产生虚假航迹、冗余航迹等问题。本文提出一种基于Hough变换与多假设跟踪相结合的多雷达点迹融合前目标跟踪方法,该方法充分利用信息融合前的雷达获得的点迹信息,更能有效降低计算复杂度,在各种复杂的环境下准确地对目标进行检测和跟踪。本文主要工作如下:1.首先,综述多雷达点迹融合前目标跟踪相关重要理论,包括检测前跟踪和数据关联方法基本理论,多雷达数据融合设计框架、异步采样的多传感器时间、空间配准方法。2.其次,针对传统Hough变换不适用于异步采样的多雷达模型。提出了一种基于三维Hough变换的检测前跟踪方法,充分利用量测值的时间信息改善当前多雷达目标跟踪问题,并通过Robert最佳直线表示方法,优化的参数离散方法来降低Hough变换的计算复杂度,并通过“投票”机制以及“非极大值抑制”的原理改善的检测模型,在提高检测概率的同时降低了虚警率。3.针对三维Hough变换只能有效检测目标直线运动模型的局限性,提出了将三维Hough变换法与多假设跟踪方法相结合的目标跟踪方法。该方法包含两个阶段,在一阶段,量测值将被用固定大小的时间窗分割,时间窗内的量测值采用三维Hough变换法进行检测得到航迹段。在二阶段,将相邻时间窗得到的航迹段采用最优次模式分配距离计算方法进行相似度计算,根据其相似程度使用多假设法形成假设集,根据假设的得分判断出源于目标的量测值,最终输出目标航迹。仿真了多雷达环境下目标直线运动模型以及机动目标运动模型,仿真结果充分验证了本文所提方法的有效性以及性能的优越性,并对某双雷达系统的实测数据进行验证,充分证明了算法的可行性。
花文号[7](2020)在《基于权值选择的多雷达多目标粒子滤波检测前跟踪技术研究》文中指出预警系统多采用雷达组网系统对多目标进行联合检测跟踪,当一个或几个雷达的探测效果不佳时,直接进行融合,可能会降低整体探测效果,导致目标丢失或者发现大量虚假目标,甚至远不如单个雷达的探测效果。基于粒子滤波的检测前跟踪算法(PF-TBD)是一种常用的目标检测跟踪算法,利用PF-TBD进行多雷达多目标联合检测跟踪时,通过合理使用多个雷达的量测信息,能够有效提高目标的检测效果,改善目标虚警和漏检问题。在PF-TBD中,粒子权值的计算是基于雷达对目标的量测信息而来,粒子权值可以在一定程度上反应出雷达对目标的量测信息质量,所以雷达量测的选择利用和融合过程可以转换为粒子权值的计算融合过程。基于以上分析,本论文从研究PF-TBD中粒子权值的计算过程与方法出发,以双层粒子滤波结构为基础,提出多种粒子权值计算方法,实现多个雷达量测的选择利用,并通过融合粒子权值来实现多雷达量测信息的融合,从而有效利用多个雷达量测,提高目标的正确发现概率,改善目标虚警和漏检问题。本文主要研究工作如下:1.介绍了粒子滤波检测前跟踪算法的基本原理和系统模型,并阐述了多雷达多目标粒子滤波检测前跟踪算法的具体实现流程。2.提出一种基于粒子权值选择的多雷达多目标粒子滤波检测前跟踪算法(PWSPF-TBD),用于解决多雷达多目标粒子滤波算法中的雷达选择问题,改善目标虚警情况。该算法提出了一种新的粒子权值计算方法,首先计算每个雷达量测对应的目标权值序列,获得雷达联合探测性能参数,然后对于每一个粒子,计算各个雷达量测对应的粒子子权值,并根据雷达联合探测性能调整粒子子权值,将探测能力不佳的雷达对应的子权值减小,从而降低其在融合后的粒子权值中的影响,最后将粒子子权值进行融合获得粒子权值,将多雷达量测进行融合。仿真结果表明,与传统多雷达多目标检测前跟踪算法相比,该算法减少了虚假目标个数,降低了效果较差雷达影响,实现了多个雷达的选择利用。该算法同样可以应用于多雷达单目标粒子滤波检测前跟踪算法中。3.提出一种基于雷达权值选择的多雷达多目标粒子滤波检测前跟踪算法(RWSPF-TBD),用于解决低信噪比环境下的多雷达多目标粒子滤波算法中的目标漏检问题。该算法在粒子权值计算过程中,对于每一个雷达,计算基于该雷达获得的所有粒子的粒子子权值和相应的权值修正系数,然后利用权值修正系数对粒子子权值进行修正,扩大靠近目标所在栅格的粒子与远离目标所在栅格的粒子子权值之间的差别,增加靠近目标所在栅格的粒子被重采样的概率。此外,算法采用了一种粒子群重采样方法,用于目标跟踪粒子群的重采样,提高粒子群分布的多样性。仿真结果表明,与PWSPF-TBD算法相比,该算法在低信噪比环境下,改善了目标漏检情况,实现了不同雷达量测信息的有效利用。该算法同样可以应用于单雷达多目标粒子滤波检测前跟踪算法中。4.提出了一种混合多雷达多目标粒子滤波检测前跟踪算法(HMPF-TBD),将PWSPF-TBD与RWSPF-TBD算法的特点进行融合,改善低信噪比环境下的多雷达多目标粒子滤波算法中的目标虚警和目标漏检问题。该算法将两种算法结构进行有机融合,在计算粒子权值时,首先利用粒子权值选择方法,对每个粒子的多个粒子子权值进行调整,然后利用雷达权值选择方法,对于每个雷达,修改每个雷达对应的所有粒子的子权值,从而将两种算法进行有机融合。仿真结果表明,与PWSPF-TBD算法和RWSPF-TBD算法相比,该混合算法融合了两种算法的优点,在低信噪比下,提高了探测系统对多个远距离下的弱目标的检测正确率。
延淼,王宏艳[8](2020)在《红外序列图像点目标检测前跟踪算法研究综述》文中指出为满足现代战争早、准、稳发现敌方目标的军事要求,检测前跟踪算法作为红外点目标检测的一种有效方法,对于发展精确制导武器与反导体系作战具有重要意义。阐述了红外序列图像点目标检测前跟踪算法的理论基础和研究发展现状;然后总结归纳了三维匹配滤波、Hough变换、动态规划、多级假设检验和粒子滤波5类主流TBD算法性能的优势与不足,最后对红外图像点目标检测前跟踪算法的发展趋势进行了展望。
罗振[9](2019)在《弱目标检测前跟踪及融合技术研究》文中研究说明随着国家低空空域的开放和小尺寸飞行器的多样化发展,弱目标成为促进经济发展的新的增长点,但不断突发的入侵事件表明,弱目标给民用航空、重点区域、重要活动,甚至国土安全造成了重大的潜在威胁,弱目标防控形势日趋严峻。受限于目标回波的低信噪比特性,传统短时相干积累后的阈值化检测技术和单帧跟踪滤波技术已无法满足弱目标的检测与跟踪需求,而延长相干积累时间带来有限信噪比增益的同时反之会造成目标帧内跨分辨单元的走动。相比之下,多帧联合处理技术既能估计目标帧间连续的运动状态,同时帧间积累增益可提高检测信噪比,因此成为弱目标防控的有效技术手段。检测前跟踪技术作为典型的多帧联合处理手段,其在弱目标检测与跟踪方面的显着性成果,近年来已经引起国际上的广泛关注。但经过研究发现,其工程应用时仍然存在量测误差考虑不充分、检测延时长、跟踪精度差等问题亟需解决。同时,作为能够拓展探测范围、改善探测性能和系统稳定性的分布式雷达组网技术,也是提高弱目标防控能力的有效技术手段,但分布式组网面临的间隔通信架构下融合状态估计精度差的问题也是需要解决的棘手问题。因此,本文围绕以上问题开展相关研究工作,主要研究内容和研究成果概括如下:1.针对传统DP-TBD算法没有充分考虑工程应用时幅度起伏和映射维误差同时存在的问题,提出了基于联合对数似然比检测的DP-TBD算法。该算法在借鉴了PDA以预测量测为中心,按照距离差加权处理相关波门内候选映射维量测主旨思想的基础上,不改变传统DP-TBD备选运动路径的定义,建立以其所在分辨单元为中心的置信区域,将各相邻单元的映射维量测信息建模为目标运动至中心分辨单元时的条件检测概率,将幅度量测信息建模为目标真实量测的似然比,检测概率加权各分辨单元幅度量测的似然比作为单帧值函数,对数求和备选运动路径上各帧值函数作为该路径的联合对数似然比。遍历所有备选运动路径,根据N-P准则阈值化检测处理,检测到目标的同时回溯映射维量测序列,并滤波得到目标连续状态估计量,从而实现对幅度和映射维量测误差的综合考虑。仿真实验表明,所提算法在检测概率、跟踪概率、估计精度、运行速度等方面均优于传统基于广义似然比检测的DP-TBD算法。2.针对传统PF-TBD算法,粒子集未聚合前采用所有粒子加权估计目标状态造成跟踪精度差、检测延时长的问题,提出了基于粒子继承与回溯的PF-TBD算法。根据重采样过程中接近目标真实状态的粒子衍生新粒子的帧间连续性规律,提出检测时刻回溯各子粒子不同时刻的父粒子,仅使用回溯所得父粒子加权估计目标航迹状态序列,从而避免未聚合前其余各分散粒子对状态估计精度的影响。同时,采用更准确的状态估计有助于更及时的检测到目标。仿真实验表明,该状态估计方法的跟踪精度和检测概率均明显高于传统PF-TBD算法。3.针对目标出现时刻先验未知,采用固定检测窗长滑动批处理时只有积累增益满足单一检测信噪比要求才能检测到目标,造成决策延时长的问题,提出了末端固定的伸缩检测窗设计。该设计固定检测末端,逐帧回溯延伸检测窗长,设置分级阈值,当目标帧间积累增益满足任意一级阈值要求时,即可检测到目标,从而提高检测效率。该伸缩窗设计与所提基于粒子继承与回溯的PF-TBD算法结合,可进一步缩短检测时延。仿真实验表明,该设计能有效改善原有固定检测窗长的检测时效性。4.针对已有解相关航迹融合算法受限于全速率通信架构或量测误差需全局已知的问题,提出了分布式组网解相关航迹融合算法。该算法按照卡尔曼滤波架构,局部状态预测时全局化过程噪声,从而避免共同过程噪声造成的局部滤波航迹的相关性,使得在任意间隔通信架构下,融合中心在融合时刻根据局部滤波状态协方差矩阵的逆按照凸组合的方式加权融合得到融合状态。仿真实验和实测数据均表明,间隔通信架构下所提算法的融合精度明显高于子航迹融合算法。
程珊珊[10](2019)在《基于5G信号的外辐射源雷达低慢小目标检测方法研究》文中认为无人机的发展在给人们日常生活以及国防军事带来便利的同时,也给城市的低空安全带来了巨大威胁,需要采取一定措施对城市低空空域进行监测。无人机目标具有飞行高度低、飞行速度慢以及雷达散射截面积小的特点,被称为“低慢小”目标。外辐射源雷达在这种“低慢小”目标检测方面优势明显。5G通信信号或将成为城市环境中最为丰富的电磁资源,在5G民用通信网规划之初,将其作为外辐射源雷达机会照射源进行研究意义重大。因此,本文研究了基于5G信号外辐射源雷达的“低慢小”目标检测方法。主要研究内容包含以下几个方面:1)本文分析了基于5G信号的外辐射源雷达系统“低慢小”目标检测性能。根据现有的4G信号,分析了5G信号的结构特性及关键技术,结合其各项参数分析了系统的分辨性能,研究了系统受限于噪声、杂波与干扰的“低慢小”目标探测能力,从而得出来自基站的杂波与干扰严重影响雷达系统的探测能力。2)本文给出了三种可以对雷达天线接收信号中各基站杂波与干扰进行抑制的方法,并对三种方法进行了对比。a.基于时域处理的抑制方法:利用多重信号分类方法估计基站信号波达方向,通过波束形成技术获取基站信号样本,使用时域相消的ECA方法抑制该基站相关的干扰与杂波。b.基于空域处理的抑制方法,利用了特征分解与正交投影思想,可以得到较好的杂波及干扰抑制效果,且运行时间较短。c.上述两种方法抑制性能均受限于基站信号间的相关度,且没有利用信号源的先验信息。因此,本文提出一种基于5G信号特性与先验信息的抑制方法,可以利用5G信号的物理小区标识(Physical Cell Identifier,PCI)搜索,获得当前能量最强基站的PCI偏移量,根据基站PCI先验信息可知该基站位置,同样采用波束形成方法获取该基站信号,依次消除接收信号中来自各基站的杂波与干扰。3)本文研究了检测前跟踪(Track Before Detect,TBD)算法,介绍了几种常见的TBD算法。传统的TBD算法在被用于5G信号外辐射源雷达“低慢小”目标检测时具有能量扩散等缺点。因此,本文利用方向加权和两级门限思想对基于动态规划的TBD算法进行了改进,并对该算法进行了仿真实验分析,验证其有效性。
二、基于Hough变换的检测前跟踪算法的性能分析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于Hough变换的检测前跟踪算法的性能分析(论文提纲范文)
(1)基于泊松多伯努利混合滤波器的弱小目标检测前跟踪算法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 弱小目标检测前跟踪技术介绍 |
1.2.1 国内外研究进展与现状 |
1.2.2 有限集统计学理论概述 |
1.3 论文主要研究成果与内容安排 |
第二章 PMBM滤波器的理论基础与改进 |
2.1 引言 |
2.2 概率生成泛函 |
2.3 泊松多伯努利混合滤波器 |
2.3.1 数学表达 |
2.3.2 推导过程 |
2.4 衍生目标动态模型建立 |
2.5 改进的PMBM滤波器的具体实现 |
2.6 实验仿真及结果分析 |
2.6.1 仿真场景一:简单的衍生场景 |
2.6.2 仿真场景二:复杂的衍生场景 |
2.7 本章小结 |
第三章 基于PMBM滤波器的弱小目标TBD算法 |
3.1 引言 |
3.2 像素化TBD模型建立 |
3.2.1 目标运动模型 |
3.2.2 像素化TBD量测模型 |
3.2.3 多目标似然方程 |
3.3 基于PMBM滤波器的弱小目标TBD算法 |
3.3.1 PMBM-TBD算法 |
3.3.2 SMC-PMBM-TBD算法 |
3.4 实验仿真与结果分析 |
3.4.1 仿真场景一:直线运动无交叉 |
3.4.2 仿真场景二:直线运动有交叉有衍生 |
3.5 本章小结 |
第四章 阈值化量测下的PMBM滤波弱小目标TBD算法 |
4.1 引言 |
4.2 阈值化量测下的似然函数 |
4.3 阈值化量测下的TBD算法 |
4.4 基于PMBM滤波的阈值化量测TBD算法 |
4.4.1 阈值化PMBM-TBD算法流程 |
4.4.2 阈值化PMBM-TBD算法实现 |
4.5 实验仿真与结果分析 |
4.5.1 仿真场景一:无交叉场景 |
4.5.2 仿真场景二:衍生场景 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简介 |
(2)地波超视距雷达检测前跟踪技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景和意义 |
1.2 国内外研究现状及分析 |
1.2.1 高频地波超视距雷达研究现状 |
1.2.2 检测前跟踪技术研究现状 |
1.3 本文的主要研究内容 |
第2章 动态规划和检测前跟踪技术原理 |
2.1 引言 |
2.2 笛卡尔坐标系内目标模型及量测模型 |
2.3 动态规划方法的基本原理 |
2.4 动态规划方法的基本方程 |
2.5 动态规划方法在弱目标检测中的实现 |
2.5.1 动态规划方法在检测前跟踪中的模型 |
2.5.2 基于幅度值的值函数 |
2.5.3 基于似然函数的值函数 |
2.6 仿真结果及分析 |
2.6.1 生成模拟数据 |
2.6.2 动态规划方法处理模拟数据 |
2.7 相互远离的多目标动态规划检测前跟踪方法 |
2.8 本章小结 |
第3章 基于伪谱的检测前跟踪技术 |
3.1 引言 |
3.2 距离多普勒平面中测量模型的建立 |
3.3 匀速运动目标距离和多普勒的时间演化规律 |
3.4 距离多普勒平面中的能量积累 |
3.4.1 能量积累的主要步骤 |
3.4.2 能量积累的优点 |
3.5 距离多普勒域中的能量输出包络 |
3.6 速度平方滤波器设计 |
3.7 仿真结果及分析 |
3.8 本章小结 |
第4章 高频地波超视距雷达实测数据分析 |
4.1 引言 |
4.2 高频地波超视距雷达特点 |
4.3 实测数据分析处理 |
4.3.1 实测数据的初步分析 |
4.3.2 实测数据的检测前跟踪算法处理 |
4.4 本章小结 |
结论 |
参考文献 |
致谢 |
(3)基于波形参数捷变雷达的非合作双基地雷达信号处理关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 非合作双基地雷达研究发展概况 |
1.2.1 非合作双基地雷达的早期历史 |
1.2.2 非合作双基地雷达的中兴期 |
1.2.3 非合作双基地雷达的快速发展期 |
1.3 非合作双基地雷达系统同步与微弱目标检测技术研究现状 |
1.3.1 系统同步技术 |
1.3.2 微弱目标检测技术 |
1.4 论文研究内容与结构安排 |
1.4.1 研究内容 |
1.4.2 结构安排 |
第二章 非合作双基地雷达基础理论和问题分析 |
2.1 引言 |
2.2 双基地雷达基础理论 |
2.2.1 目标定位原理 |
2.2.2 双基地雷达方程 |
2.2.3 探测范围分析 |
2.2.4 分辨率分析 |
2.3 非合作雷达辐射源特性分析 |
2.3.1 辐射源简介 |
2.3.2 波形参数捷变信号模糊函数分析 |
2.4 非合作双基地雷达系统简介与问题分析 |
2.4.1 系统架构 |
2.4.2 信号处理流程 |
2.4.3 问题分析 |
2.5 本章小结 |
第三章 非合作双基地雷达时频参数同步方法 |
3.1 引言 |
3.2 基于LVD的多分量LFM信号参数估计算法 |
3.2.1 算法原理 |
3.2.2 算法实现方法 |
3.2.3 仿真实验及性能分析 |
3.2.4 实测数据处理 |
3.3 基于模板匹配的非合作双基地雷达时频参数同步方法 |
3.3.1 算法流程 |
3.3.2 实测数据处理 |
3.4 本章小结 |
第四章 非合作双基地雷达捷变频信号相参积累方法 |
4.1 引言 |
4.2 非合作双基地雷达捷变频信号相参积累问题分析 |
4.2.1 信号模型 |
4.2.2 问题分析 |
4.3 基于Radon-NUFFT的相参积累算法 |
4.3.1 基于低秩矩阵逼近的NUFFT算法 |
4.3.2 Radon-NUFFT算法原理与步骤 |
4.4 仿真实验及性能分析 |
4.4.1 有效性验证 |
4.4.2 性能分析 |
4.5 本章小结 |
第五章 非合作双基地雷达时域参数捷变信号相参积累方法 |
5.1 引言 |
5.2 非合作双基地雷达时域参数捷变相参积累分析 |
5.2.1 信号模型 |
5.2.2 问题分析 |
5.3 基于IAA的非均匀采样信号频谱分析方法 |
5.3.1 IAA算法原理 |
5.3.2 IAA实现方法 |
5.3.3 仿真实验与性能分析 |
5.4 基于Radon-IAA的相参积累方法 |
5.4.1 算法流程 |
5.4.2 仿真实验 |
5.4.3 性能分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文主要工作及创新点 |
6.2 下一步工作展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(4)基于粒子群优化的多目标粒子滤波检测前跟踪算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 检测前跟踪技术现状 |
1.2.2 基于粒子滤波的检测前跟踪现状 |
1.3 论文的主要研究内容和章节安排 |
第2章 基于粒子滤波的检测前跟踪理论基础 |
2.1 引言 |
2.2 粒子滤波理论 |
2.2.1 贝叶斯滤波理论 |
2.2.2 序贯重要性采样 |
2.2.3 重采样方法 |
2.2.4 采样重要性重采样方法 |
2.3 单雷达单目标PF-TBD模型及算法原理 |
2.3.1 单目标运动模型 |
2.3.2 CV模型 |
2.3.3 CA模型 |
2.3.4 CT模型 |
2.3.5 雷达观测模型 |
2.3.6 单雷达单目标PF-TBD算法原理 |
2.4 多雷达单目标PF-TBD模型及算法原理 |
2.4.1 单目标运动模型 |
2.4.2 多雷达观测模型 |
2.4.3 多雷达单目标PF-TBD算法原理 |
2.5 仿真及性能分析 |
2.6 小结 |
第3章 基于自适应遗传操作的多雷达多目标PF-TBD算法 |
3.1 引言 |
3.2 问题描述 |
3.3 基于双层粒子滤波的多雷达多目标检测前跟踪算法 |
3.3.1 基于双层粒子滤波的多雷达多目标检测前跟踪算法结构 |
3.3.2 基于双层粒子滤波的多雷达多目标检测前跟踪算法步骤 |
3.3.3 目标跟踪层 |
3.3.4 目标检测层 |
3.3.5 仿真及性能分析 |
3.4 基于自适应遗传操作的多雷达多目标检测前跟踪算法 |
3.4.1 自适应遗传操作 |
3.4.2 锦标赛选择重采样 |
3.4.3 基于自适应遗传操作的多雷达多目标PF-TBD算法描述 |
3.4.4 目标跟踪层 |
3.4.5 目标检测层 |
3.4.6 新目标验证模块与输出模块 |
3.5 仿真及性能分析 |
3.6 小结 |
第4章 基于粒子群融合的多雷达多目标检测前跟踪算法 |
4.1 引言 |
4.2 基于双层粒子滤波的多雷达多目标检测前跟踪算法 |
4.2.1 目标运动模型和雷达观测模型 |
4.2.2 粒子群融合 |
4.2.3 基于粒子群融合的多雷达多目标PF-TBD算法描述 |
4.3 基于粒子群融合检测前跟踪算法具体实现步骤 |
4.3.1 目标跟踪层 |
4.3.2 目标检测层 |
4.3.3 新目标验证模块 |
4.4 仿真及性能分析 |
4.5 混合多雷达多目标粒子滤波检测前跟踪算法 |
4.5.1 算法实现步骤 |
4.5.2 目标跟踪层 |
4.5.3 目标检测层 |
4.5.4 新目标验证模块 |
4.5.5 仿真及性能分析 |
4.6 小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录 作者在读研期间发表的学术论文及参加的科研项目 |
(5)基于贝叶斯框架的雷达目标跟踪方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 跟踪前检测技术研究现状 |
1.2.2 检测前跟踪技术研究现状 |
1.3 论文内容安排 |
第二章 基于贝叶斯估计的目标跟踪方法 |
2.1 递推贝叶斯估计原理 |
2.2 最优算法 |
2.3 次优算法 |
2.3.1 扩展卡尔曼滤波器 |
2.3.2 粒子滤波器 |
2.4 本章小结 |
第三章 融合R-T-S平滑的概率数据关联平滑算法 |
3.1 概率数据关联滤波算法 |
3.1.1 数据关联 |
3.1.2 状态估计 |
3.1.3 仿真实验 |
3.1.4 实测数据处理 |
3.2 融合R-T-S平滑的概率数据关联平滑算法 |
3.2.1 R-T-S平滑算法 |
3.2.2 融合R-T-S平滑的概率数据关联平滑 |
3.2.3 仿真实验 |
3.3 本章小结 |
第四章 一种贝叶斯检测前跟踪中传感器模糊量的设置方法 |
4.1 贝叶斯检测前跟踪算法 |
4.1.1 目标运动模型和系统观测模型 |
4.1.2 贝叶斯检测前跟踪算法基本原理 |
4.1.3 贝叶斯检测前跟踪算法的次优计算方法 |
4.2 一种贝叶斯检测前跟踪中传感器模糊量的设置方法 |
4.3 仿真实验 |
4.4 本章小节 |
第五章 总结与展望 |
5.1 全文内容总结 |
5.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
(6)多雷达点迹融合前目标跟踪方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 检测前跟踪技术 |
1.2.2 多假设跟踪方法 |
1.3 研究工作概要及章节安排 |
第二章 多雷达多目标跟踪理论 |
2.1 目标检测与跟踪基本理论 |
2.1.1 检测前跟踪 |
2.1.2 贝叶斯类多目标数据互联方法 |
2.2 多雷达数据融合 |
2.2.1 集中式融合技术 |
2.2.2 分布式融合技术 |
2.3 异步多雷达空间配准和时间配准基本原理 |
2.3.1 空间配准 |
2.3.2 时间配准 |
2.4 本章小结 |
第三章 基于三维Hough变换的检测前跟踪方法 |
3.1 标准基于Hough变换的检测前跟踪方法 |
3.2 基于三维Hough变换的检测前跟踪算法 |
3.2.1 基于时间、位置三维信息的异步多雷达目标检测与跟踪 |
3.2.2 三维直线的极简参数空间表示方法 |
3.2.3 迭代直线检测及后处理 |
3.3 仿真及结果分析 |
3.4 本章小结 |
第四章 基于分段航迹关联的多假设跟踪 |
4.1 基于时间窗的区域三维Hough变换 |
4.1.1 基于时间窗的区域三维Hough变换 |
4.1.2 基于最优次模式分配的航迹相似度计算 |
4.2 基于分段航迹的多假设跟踪 |
4.2.1 多假设跟踪方法 |
4.2.2 基于序贯法的航迹段粘连及航迹后处理 |
4.3 仿真及结果分析 |
4.4 实测数据验证 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 研究展望 |
参考文献 |
致谢 |
作者简介 |
(7)基于权值选择的多雷达多目标粒子滤波检测前跟踪技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文的主要工作和结构安排 |
第2章 基于粒子滤波的检测前跟踪基础理论 |
2.1 引言 |
2.2 运动目标的建模 |
2.2.1 CV模型 |
2.2.2 CA模型 |
2.2.3 CT模型 |
2.3 基于雷达量测的建模 |
2.4 基于粒子滤波的检测前跟踪理论 |
2.4.1 贝叶斯滤波 |
2.4.2 粒子滤波算法 |
2.4.3 PF-TBD算法原理 |
2.5 小结 |
第3章 基于粒子权值选择的多雷达多目标粒子滤波检测前跟踪算法 |
3.1 引言 |
3.2 问题描述 |
3.3 多雷达双层粒子滤波算法 |
3.4 基于粒子权值选择的多雷达多目标PF-TBD算法 |
3.4.1 基于粒子权值选择的粒子权值计算方法 |
3.4.2 基于粒子权值选择的多雷达多目标PF-TBD算法描述 |
3.4.3 算法具体实现步骤 |
3.4.4 目标跟踪层 |
3.4.5 目标检测层 |
3.5 仿真结果及分析 |
3.6 小结 |
第4章 基于雷达权值选择的多雷达多目标粒子滤波检测前跟踪算法 |
4.1 引言 |
4.2 基于雷达权值选择的多雷达多目标PF-TBD算法 |
4.2.1 基于雷达权值选择的粒子权值计算方法 |
4.2.2 粒子群重采样方法 |
4.2.3 基于雷达权值选择的多雷达多目标PF-TBD算法描述 |
4.2.4 算法实现步骤 |
4.2.5 目标跟踪层 |
4.2.6 目标检测层 |
4.2.7 仿真与结果分析 |
4.3 混合多雷达多目标粒子滤波检测前跟踪算法 |
4.3.1 算法实现步骤 |
4.3.2 目标跟踪层 |
4.3.3 目标检测层 |
4.3.4 仿真结果及分析 |
4.4 小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录 |
(8)红外序列图像点目标检测前跟踪算法研究综述(论文提纲范文)
1 TBD检测算法机理 |
2 常用的TBD实现方法及其研究现状评述 |
2.1 Hough变换 |
2.2 三维匹配滤波器 |
2.3 动态规划(Dynamic-Programming,DP) |
2.4 级假设检验(Multilevel-Hypothesis-Testing,MHT) |
2.5 粒子滤波(Particle-Filter,PF) |
2.6 TBD算法分析比较 |
3 结论与展望 |
(9)弱目标检测前跟踪及融合技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 动态规划检测前跟踪算法 |
1.2.2 粒子滤波检测前跟踪算法 |
1.2.3 分布式组网航迹融合算法 |
1.3 本文主要工作及内容安排 |
第二章 弱目标检测与跟踪基础理论 |
2.1 引言 |
2.2 贝叶斯估计理论 |
2.3 数据关联与跟踪滤波算法 |
2.3.1 数据关联算法 |
2.3.2 跟踪滤波算法 |
2.4 弱目标检测前跟踪算法 |
2.5 本章小结 |
第三章 幅度和映射维误差同时存在时DP-TBD算法研究 |
3.1 引言 |
3.2 基于广义似然比检测的DP-TBD算法 |
3.2.1 备选运动路径 |
3.2.2 广义似然比检测 |
3.3 基于联合对数似然比检测的DP-TBD算法 |
3.3.1 幅度和映射维量测联合对数似然比 |
3.3.2 联合对数似然比检测 |
3.4 仿真实验与分析 |
3.5 本章小结 |
第四章 基于粒子继承与回溯的PF-TBD算法研究 |
4.1 引言 |
4.2 标准粒子滤波的继承与回溯 |
4.3 基于继承与回溯的PF-TBD算法 |
4.4 仿真实验与分析 |
4.5 本章小结 |
第五章 分布式组网解相关航迹融合算法研究 |
5.1 引言 |
5.2 经典解相关航迹融合算法 |
5.2.1 子航迹融合算法 |
5.2.2 解相关卡尔曼融合算法 |
5.3 基于时变量测误差的解相关航迹融合算法 |
5.4 仿真与实测处理分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 本文工作总结 |
6.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
(10)基于5G信号的外辐射源雷达低慢小目标检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 课题研究背景与意义 |
1.2 国内外研究现状 |
1.3 本文研究内容与章节安排 |
第二章 5G信号外辐射源雷达系统检测性能分析 |
2.1 引言 |
2.2 信号特性分析 |
2.3 系统分辨性能 |
2.3.1 距离分辨率 |
2.3.2 速度分辨率 |
2.4 系统探测能力 |
2.4.1 受限于噪声的系统探测能力 |
2.4.2 受限于杂波与噪声的系统探测能力 |
2.4.3 受限于杂波与干扰(噪声)的系统探测能力 |
2.5 本章小结 |
第三章 5G信号外辐射源雷达的杂波及干扰抑制方法 |
3.1 引言 |
3.2 接收信号模型 |
3.3 杂波及干扰抑制方法 |
3.3.1 基于时域处理的抑制方法 |
3.3.2 基于空域处理的抑制方法 |
3.3.3 基于PCI搜索的抑制方法 |
3.4 仿真分析 |
3.4.1 基于时域处理的抑制方法 |
3.4.2 基于空域处理的抑制方法 |
3.4.3 基于PCI搜索的抑制方法 |
3.4.4 三种杂波及干扰抑制方法对比 |
3.5 本章小结 |
第四章 低慢小目标检测方法 |
4.1 引言 |
4.2 TBD算法 |
4.2.1 三维匹配滤波TBD算法 |
4.2.2 基于Hough变换的TBD算法 |
4.2.3 基于动态规划的TBD算法 |
4.3 改进的DP-TBD算法 |
4.3.1 DP-TBD算法的缺点 |
4.3.2 改进的DP-TBD算法 |
4.3.3 仿真实验 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 本文总结 |
5.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
四、基于Hough变换的检测前跟踪算法的性能分析(论文参考文献)
- [1]基于泊松多伯努利混合滤波器的弱小目标检测前跟踪算法研究[D]. 姚俊卿. 西安电子科技大学, 2020(05)
- [2]地波超视距雷达检测前跟踪技术研究[D]. 吴佩佩. 哈尔滨工业大学, 2020(01)
- [3]基于波形参数捷变雷达的非合作双基地雷达信号处理关键技术研究[D]. 潘嘉蒙. 国防科技大学, 2020(01)
- [4]基于粒子群优化的多目标粒子滤波检测前跟踪算法研究[D]. 高广顺. 杭州电子科技大学, 2020(02)
- [5]基于贝叶斯框架的雷达目标跟踪方法研究[D]. 郑虹福. 西安电子科技大学, 2020(05)
- [6]多雷达点迹融合前目标跟踪方法研究[D]. 杨升. 西安电子科技大学, 2020(05)
- [7]基于权值选择的多雷达多目标粒子滤波检测前跟踪技术研究[D]. 花文号. 杭州电子科技大学, 2020(01)
- [8]红外序列图像点目标检测前跟踪算法研究综述[J]. 延淼,王宏艳. 兵器装备工程学报, 2020(02)
- [9]弱目标检测前跟踪及融合技术研究[D]. 罗振. 西安电子科技大学, 2019(07)
- [10]基于5G信号的外辐射源雷达低慢小目标检测方法研究[D]. 程珊珊. 西安电子科技大学, 2019(02)