贝叶斯检测跟踪联合处理的检测阈值设置方法

基于贝叶斯理论的检测跟踪联合处理方法能够利用目标的运动模型在帧数据间以概率的形式对信号进行积累,从而提高系统的检测性能。然而,在Neyman-Pearson准则下,该方法很难根据系统要求的虚警概率计算检测阈值,影响了该方法的应用范围。在综合分析基于贝叶斯理论的检测跟踪联合处理方法的基础上,针对Neyman-Pearson准则,详细推导了系统虚警概率同检测阈值之间的关系,并在观测噪声为高斯白噪声的情况下给出了检测阈值的近似闭式解。利用该闭式解,可以按照系统要求的虚警概率计算检测阈值,从而使得实际系统的虚警概率满足要求。最后,计算机仿真实验验证了该闭式解的有效性。     

针对分布式雷达网的多帧联合航迹起始方法

分布式雷达网相对于单站雷达系统而言, 可以通过信息融合、协同探测等技术获得目标探测性能的提升。然而实际应用中, 目标相对于各个雷达站距离和视角通常不同, 往往存在某些雷达站由于信噪比较低无法捕获成功。针对上述问题, 充分依托分布式雷达网信息共享的优势, 提出一种多帧联合航迹起始方法。首先将已经成功建立目标航迹的雷达站获取的跟踪信息, 传递至尚未发现目标的雷达站, 并基于该跟踪信息建立预测波门, 设计预测波门内的多帧联合检测方法, 最终根据检测结果完成目标航迹起始。仿真试验表明, 所提方法可以实现航迹起始性能的提升。     

基于交叉定位和Hough变换检测前跟踪的水下目标检测方法

针对现代潜艇的低可探测性问题和隐蔽性探测需求，提出了一种基于航空被动声纳浮标阵交叉定位和Hough变换检测前跟踪的水下微弱目标检测方法。首先，构建基于线形浮标拦截阵的水下目标被动检测模型，采用自适应关联的交叉定位方法，获取目标位置信息，实现了检测前数据预处理。然后，采用点数积累和能量积累的双门限Hough检测方法，得到了初始检测航迹。最后，利用目标运动约束条件和航迹合并方法，剔除虚假航迹及合并重复航迹，提高了水下目标检测概率。仿真结果表明，与时频检测方法相比较，该方法在低信噪比条件下仍能保持较高的检测概率。     

未知强杂波下基于DP-TBD的雷达弱目标检测

实测回波的弱目标检测往往面临复杂杂波环境,如信杂比过低、难以获取信杂比与杂波分布等先验信息,此时基于杂波建模的弱目标检测前跟踪(track-before-detect,TBD)方法会遇到困难。针对上述问题,本文提出一种新的用于未知强杂波实测数据的弱目标检测算法。依据未知分布、边缘环境等特点通过改进的最大值恒虚警进行杂波预处理,通过压缩多普勒-距离二维数据避免多帧积累使杂波在同一分辨单元产生强度叠加,最后在时间-距离空间改进基于动态规划的TBD算法解决多帧联合后杂波在不同距离单元的范围扩展,消除虚警。实验结果表明,本文算法相比常规方法具有更高的检测概率及更低的估计误差。     

基于运动信息的星图中空间目标检测算法

为了对空间目标进行精确定位与跟踪,建立目标运动轨迹,对基于运动信息的星图中空间目标检测算法进行了研究。首先,基于空域目标能量累积的方法提高目标信噪比,增大弱小目标被分割出来的概率。然后,根据相邻两帧星图中恒星相对位置不变性提取星图控制点,并根据控制点坐标求取全局运动参数。然后,根据分割出的星点与控制点的位置关系,将恒星与潜在目标分类。接下来,利用3帧最近邻关联法粗检测目标,并利用多帧前后向搜索法滤除虚假目标。最后将序列星图中所有目标编号,建立起目标的轨迹针对4组实拍星图的实验结果表明：所有目标的运动轨迹全部建立,检测到目标的最小平均信噪比为2.99,目标最小平均运动速度2.47 pixel/frame,最大平均运动速度12.72 pixel/frame。本文算法基本满足星图中空间目标检测的检测概率高、虚警少和轨迹定位精度高等要求。     

一种基于信噪比估计的自适应伪码捕获算法

军事扩谱通信一般都以突发信号帧的形式进行通信,通信时间短、可靠性要求高、信号动态范围大。固定门限捕获方法不能提供满意的性能,门限选得太高会使高信噪比时虚警概率过高,而门限过低会使得低信噪比时漏检概率高,检测概率低,因此需要利用自适应捕获方法。提出一种适合突发短帧模式的自适应伪码捕获方法,该方法可适用于A/D转换前加自动增益控制(AGC)的情况。提出的自适应捕获方法基于接收信号信噪比的估计,推导出根据采样点统计值的比值得到信噪比估计的实用算法,并对该算法进行多项式拟合以适合工程实现,并对算法进行了仿真分析。     

一种基于协同作战能力的航迹合成方法

以网络中心战为背景,针对复杂环境下目标航迹分散、不完整的特征,讨论了基于协同作战能力(CEC)的航迹合成方法。将航迹合成方法分为数据融合型、互补跟踪型和接力跟踪型等三种类型,并提出了基于自适应改进Hough变换(AMHT)航迹起始和双门限快速联合概率数据关联(DTF-JPDA)的航迹合成算法。仿真结果表明,该方法能够实现基于协同作战的航迹合成系统,形成目标完整航迹,扩大跟踪区域并提高跟踪精度。     

引入目标灰度信息的多假设跟踪方法

在传统的多假设跟踪(MHT)算法中,航迹置信度函数仅利用了目标的位置信息。对于红外搜索与跟踪(IRST)系统中的目标跟踪,还有目标灰度信息可以利用,因此在IRST系统的MHT算法中加入目标的灰度信息来重新构造航迹置信度函数和航迹启动条件,增强了算法抑制虚警的能力。通过跟踪5个高机动目标的仿真过程,对算法性能进行了检验,仿真结果表明,新的算法可以减少航迹数目、减少系统计算时间,并使算法具有更强的抑制噪声的能力。     

雷达与ESM综合多目标检测、跟踪与识别

为在预警监视系统中对多目标的检测、跟踪、识别过程进行统一处理,提出一种基于跳转马尔可夫系统模型高斯混合概率假设密度滤波(jump Markov system model Gaussian mixture probability hypothesis density filtering,JMS-GMPHDF)算法的雷达、电子支援措施（electronic support measures,ESM）综合多目标检测、跟踪与识别方法。该方法首先根据不同类别目标设计各自的多目标多模型高斯混合概率假设密度滤波器,并在各滤波器处理过程中同时对高斯项进行编号;然后,根据目标速度与加速度模型信息进行高斯项综合与类别判决,同时根据ESM测量信息进行型号判决;最后,通过航迹综合管理,形成具有运动状态信息以及类别、型号、航迹编号信息的确定航迹。仿真实验验证了该方法能够有效综合雷达、ESM测量数据,在进行多目标检测、跟踪的同时进行正确的类别、型号判决,并形成确定航迹。     

基于航路-航迹关联的天波超视距雷达航迹分类

天波超视距雷达的最终任务是检测、跟踪我方感兴趣的目标。将这些目标从跟踪器输出的航迹集合中提取出来是一个难点。考虑一类存在先验航路信息的航迹辨识问题,基于假设检验理论与分类思想,提出了一种多航迹-多航路情况下的天波超视距雷达航迹分类算法。在建立的空中走廊模型基础上,先后利用目标位置、航向信息与航路做相关判断,计算航迹-航路相关代价,据此将航迹分为航路目标航迹及非航路目标航迹。仿真结果表明,提出的航迹分类算法在航路数量适中的情况下正确分类概率达到90%。     

Adaptive modified hough transform track initiator forHFSWR tracking of fast and small targets

1.INTRODUCTION Asoneofthelong distanceweapons,fastandsmall aircrafts,suchasconcealedairplanesorcruisemis siles,isbecomingagreatthreattonavalvesselsand radarstationsinthemodernwarfare.Thiskindof smallaircraftsbelongstoweaktargets,whichhave smallradarcrosssection(RCS)andcanflyatahigh speedonasuper lowlevel.It’shardforshortrange radartodetectthiskindofweaktargets.Wheniten tersthefieldofshortrangeradar’svision,itisdiffi culttointerceptfortheshortreactiontimeofthe radarsystem.HFSWRisthemo…     

量测点迹空间聚类的多传感器多帧检测算法

针对强干扰环境下微弱目标检测算法运算复杂度高、虚假目标数量多等问题, 利用目标量测点迹在多传感器之间的分布特性及目标能量的可累加性, 提出一种量测点迹聚类的多帧检测算法。该算法首先利用同源检测对多传感的器量测点迹的有效性进行判断，实现杂波/噪声剔除；其次在空间和时间两个维度对目标的能量进行积累实现微弱目标检测。仿真结果和性能分析表明, 该算法能够大幅降低运算复杂度, 提高虚假目标的抑制能力, 并能够提升微弱目标的检测概率, 验证了该算法的有效性和工程的可行性。     

基于GM-PHD滤波的空间邻近多目标跟踪算法

针对传统的高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GM-PHD)滤波器在跟踪空间邻近目标时存在错误估计、虚警和漏警问题,本文提出了一种改进算法.首先,提出一种权值重分配方案,对目标的高斯分量权值进行重分配,以提高目标邻近时GM-PHD滤波器的...     

基于动态规划和置信度检验的小目标检测

在目标检测、识别与跟踪系统中,弱小目标的检测是需要解决的关键技术之一。提出了一种基于动态规划与轨迹置信度检验的弱小目标检测方法。该方法利用动态规划方法积累目标能量,然后进行门限判决和对候选目标轨迹进行置信度检验,从而剔除假目标,给出目标信息。该算法针对白噪声背景条件下的图像目标检测,解决了低信噪比条件下运动点目标的检测问题,算法结构简洁,易于进行软硬件分割。最后给出其实验结果。     

基于PHD滤波和数据关联的多目标跟踪

针对杂波环境下的多目标跟踪,概率假设密度（probability hypothesis density, PHD）滤波不能提供目标航迹信息的问题,提出一种基于PHD滤波和数据关联的多目标跟踪方法。利用PHD滤波消除杂波并得到各个时刻的目标个数和目标状态估计。将PHD滤波的结果重新定义为量测数据,通过数据关联进一步消除虚警和漏警并给出目标航迹。仿真结果表明,该算法可以在有效地提高杂波环境下多目标跟踪精度的同时提供各目标航迹信息。     

基于ET-GMPHD算法的编队目标跟踪方法

针对低检测环境下编队目标的跟踪问题,提出了一种基于扩展目标高斯混合概率假设密度(extended target Gaussian mix probability hypothesis density, ET-GMPHD)算法的编队目标跟踪方法。首先,保留修剪掉高斯项的同时将其外推,用Jensen-Shannon(JS)散度衡量下一时刻状态估计值与外推值间的相似程度,并以此反映是否有目标丢失,保证真实目标不被修剪,解决了因目标漏检导致跟踪结果不准确的问题。其次,结合循环阈值聚合法得到编队整体的状态估计,消除了估计状态集合中状态值过多造成的影响。最后,仿真实验表明,该方法能够在检测概率极低的情况下进行有效跟踪,并具有良好的跟踪性能。     

基于ET-GMPHD算法的编队目标跟踪方法

针对低检测环境下编队目标的跟踪问题,提出了一种基于扩展目标高斯混合概率假设密度(extended target Gaussian mix probability hypothesis density, ET-GMPHD)算法的编队目标跟踪方法。首先,保留修剪掉高斯项的同时将其外推,用Jensen-Shannon(JS)散度衡量下一时刻状态估计值与外推值间的相似程度,并以此反映是否有目标丢失,保证真实目标不被修剪,解决了因目标漏检导致跟踪结果不准确的问题。其次,结合循环阈值聚合法得到编队整体的状态估计,消除了估计状态集合中状态值过多造成的影响。最后,仿真实验表明,该方法能够在检测概率极低的情况下进行有效跟踪,并具有良好的跟踪性能。     

Modified joint probabilistic data association with classification-aided for multitarget tracking

Joint probabilistic data association is an effective method for tracking multiple targets in clutter, but only the target kinematic information is used in measure-to-track association. If the kinematic likelihoods are similar for different closely spaced targets, there is ambiguity in using the kinematic information alone; the correct association probability will decrease in conventional joint probabilistic data association algorithm and track coalescence will occur easily. A modified algorithm of joint probabilistic data association with classification-aided is presented, which avoids track coalescence when tracking multiple neighboring targets. Firstly, an identification matrix is defined, which is used to simplify validation matrix to decrease computational complexity. Then, target class information is integrated into the data association process. Performance comparisons with and without the use of class information in JPDA are presented on multiple closely spaced maneuvering targets tracking problem. Simulation results quantify the benefits of classification-aided JPDA for improved multiple targets tracking, especially in the presence of association uncertainty in the kinematic measurement and target maneuvering. Simulation results indicate that the algorithm is valid.     

基于粒子滤波的弱目标检测前跟踪算法

针对低信噪比条件下弱目标的实时检测与跟踪,提出了一种基于粒子滤波,结合序贯概率比检验和固定样本长度似然比检验的递归检测前跟踪算法。粒子滤波用以解决跟踪中的非线性和非高斯问题;序贯概率比检验通过序贯累积多帧观测数据来提高信噪比,以最小时延检测到目标存在;固定样本长度似然比检验,通过选择合理的样本长度,保证持续检测到目标,且无延迟检测目标消失。仿真试验表明,该算法有着良好的检测与跟踪性能。