论文部分内容阅读
在复杂背景杂波下对微弱目标的检测与跟踪是现代雷达面临的挑战之一,检测前跟踪技术利用目标信号的帧间相关性进行帧间积累,在判决目标的同时给出目标航迹,目前被认为是探测微弱目标的有效途径。其中基于动态规划的检测前跟踪方法具有易于实现,适用性广等优势,从而成为研究热点。本课题来源于国家部委项目,较为详细地研究了基于动态规划的检测前跟踪(DP-TBD)算法。针对不同运动特性的微弱目标,提出了两种改进算法:对于非机动或者弱机动目标,以提高传统DP-TBD算法在非高斯背景下检测性能为研究目标,提出了一种基于杂波检验(CT)的DP-TBD算法(CT-DP-TBD)。该算法将基于概率密度函数变换的杂波分布类型检验方法引入到DP-TBD处理过程中,首先对目标所在环境的杂波类型进行检验,然后针对不同杂波分布类型构造混合对数似然比函数,以此作为阶段值函数进行能量积累,最后得到目标的检测结果以及其航迹。仿真结果表明,与传统DP-TBD算法相比,在一定检测概率要求下,该算法对信噪比的要求降低了约1-2 dB,平均位置均方根误差(RMSE)指标下降了约12个分辨单元,算法有效提高了对目标的检测性能。对于机动目标,以修正目标运动模型和减小算法计算量为研究目标,在脉冲多普勒雷达体制下,研究了一种基于当前统计模型(CS)的DP-TBD算法(ACS-DP-TBD)。该算法引入当前统计模型用于修正目标状态模型,限制了机动目标的加速度变化范围,并在脉冲多普勒雷达体制下,利用目标的多普勒信息推导出隐藏的目标径向加速度状态向量并用于扩展目标状态转移区域。为减小能量积累过程中的计算量,在ACS-DP-TBD算法中引入一种数据预处理技术,通过设置初始门限过滤原始观测数据从而减小了计算量。通过仿真验证,结果表明该算法通过调整数据预处理中的初始门限实现了算法性能和计算量之间的平衡;在一定信噪比要求下,该算法的检测性能均优于传统DP-TBD算法,并且随着积累帧数的增加,实现了对目标的有效跟踪。