基于分布式MIMO雷达的多目标检测前跟踪算法研究

发布时间：2017-09-01 15:17

  本文关键词：基于分布式MIMO雷达的多目标检测前跟踪算法研究

  更多相关文章： MIMO雷达 随机有限集 概率假设密度 检测前跟踪

【摘要】：多输入多输出(MIMO)雷达作为雷达研究的新兴领域,通过设置多个发射站发射不同的波形信号(通常设置为正交信号),多个接收站对经过目标反射的信号进行匹配滤波并进行联合处理,实现信号在空间范围内的多通道并行传输和接收。与传统雷达相比,MIMO雷达的目标分辨能力更高,角度估计也更加精确,可以提高目标在复杂环境下的检测与跟踪性能。其中,分布式MIMO雷达由于其特殊的布站方式,能够获取较大的空间分集增益,但是这种空间分集增益在低信噪比下并不明显,因此一种提高MIMO雷达在低信噪比环境下检测与跟踪性能的可行方法是使用TBD技术。TBD技术直接对原始数据进行处理,进行长时间的非相参积累,最后同时给出检测和跟踪结果,是解决微弱目标检测跟踪的有效手段。本文围绕分布式MIMO雷达场景下多目标检测和跟踪问题,重点研究了基于随机集理论的多目标检测与跟踪算法,以及适应于低信噪比环境下的基于概率假设密度(PHD)的检测前跟踪算法。首先,针对目标数未知或时变情形下的多目标跟踪问题,本文介绍了随机集相关理论,重点研究了基于随机有限集理论的概率假设密度滤波算法,并介绍了PHD滤波的两种实现形式:高斯混合PHD和粒子滤波PHD。针对高斯混合PHD,分析了改进的带有平滑器的高斯混合PHD,并在仿真实验验证了高斯混合平滑PHD对目标状态提取更加精确;针对粒子滤波PHD,研究分析了基于当前观测信息的改进重要性密度函数的粒子滤波PHD,仿真实验验证了这种改进方法的性能更优。其次,针对多个微弱目标的检测与跟踪问题,本文重点研究了适用于检测前跟踪框架的PHD滤波器,并就其粒子滤波实现方式中计算量大,粒子使用率低、滤波精度差等问题,优化了粒子新生机制,提出了改进的粒子滤波实现的PHD检测前跟踪算法。仿真结果表明改进算法一定程度上提高了目标状态估计性能。最后,针对分布式MIMO雷达,重点分析了MIMO雷达的信号模型和观测模型,针对MIMO雷达的多传感器信息融合问题,采用了联合融合滤波的策略,研究出一种多传感器检测前跟踪处理方法。仿真结果表明这种算法适用于MIMO雷达场景,且提高了雷达目标的检测跟踪性能。针对仿真中目标交叉引起的目标丢失问题,采用了聚类判断策略,研究了适用于邻近弱目标的检测与跟踪算法。
【关键词】：MIMO雷达 随机有限集 概率假设密度 检测前跟踪
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN958
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-18
• 1.1 选题背景及意义10-11
• 1.2 论文相关技术的国内外研究现状11-16
• 1.2.1 检测前跟踪研究现状11-13
• 1.2.2 随机集理论研究现状13-14
• 1.2.3 MIMO雷达研究现状14-16
• 1.3 本文的主要工作及内容安排16-18
• 第二章 基于随机集理论的多目跟踪算法研究18-37
• 2.1 概率假设密度滤波器18-23
• 2.1.1 随机集理论18-19
• 2.1.2 多目标随机集跟踪理论19-21
• 2.1.3 随机集PHD滤波21-23
• 2.2 高斯混合平滑PHD滤波算法23-26
• 2.3 粒子PHD滤波算法26-30
• 2.3.1 基本的P-PHD算法流程26-28
• 2.3.2 改进的P-PHD算法28-30
• 2.4 仿真实验及分析30-36
• 2.4.1 多目标状态估计性能评价方案30-31
• 2.4.2 仿真及分析31-36
• 2.5 本章小结36-37
• 第三章 基于PHD滤波器的多目标检测前跟踪算法研究37-52
• 3.1 TBD问题描述与模型建立37-41
• 3.1.1 目标状态模型38-39
• 3.1.2 基于雷达传感器量测的TBD建模39-40
• 3.1.3 多目标TBD似然比函数建立40-41
• 3.2 基于粒子滤波的PHD-TBD算法41-43
• 3.3 改进的粒子滤波PHD-TBD算法43-47
• 3.3.1 辅助粒子滤波43-45
• 3.3.2 改进的粒子滤波PHD-TBD算法45-47
• 3.4 仿真实现和分析47-51
• 3.5 本章小结51-52
• 第四章 MIMO雷达场景下的多目标检测前跟踪算法研究52-70
• 4.1 分布式MIMO雷达52-55
• 4.1.1 MIMO雷达信号模型52-54
• 4.1.2 目标运动和观测模型54-55
• 4.2 基于粒子PHD的MIMO雷达检测前跟踪算法55-64
• 4.2.1 多传感器多目标TBD建模56-58
• 4.2.2 基于MIMO雷达的多目标检测前跟踪算法实现58-60
• 4.2.3 仿真实验和分析60-64
• 4.4 改进的MIMO雷达多目标检测前跟踪算法64-68
• 4.4.1 算法原理64-66
• 4.4.2 仿真实验及分析66-68
• 4.5 本章小结68-70
• 第五章 总结与展望70-72
• 5.1 总结70-71
• 5.2 展望71-72
• 致谢72-73
• 参考文献73-77

【相似文献】

中国期刊全文数据库 前10条

1 陈忠碧,张启衡;一种适合于多目标检测的图像分割方法[J];光电工程;2004年05期

2 曲长文;黄勇;苏峰;;基于动态规划的多目标检测前跟踪算法[J];电子学报;2006年12期

3 尹玉红;张群飞;黄建国;王蕾;;对角加载技术在多目标检测中的应用[J];计算机仿真;2007年07期

4 樊玲;张晓玲;;基于联合多目标概率密度模型的多目标检测前跟踪算法[J];计算机应用;2012年07期

5 周志宇,汪亚明;基于运动区域的多目标检测[J];计算机自动测量与控制;2002年07期

6 刘龙;柳恭;尤亚;;基于显著对象的贝叶斯多目标检测方法[J];软件导刊;2013年07期

7 郎建华;姚金杰;韩焱;;多目标检测系统的设计与仿真[J];山西电子技术;2010年03期

8 逄勃;范广伟;;分数阶傅里叶变换在雷达多目标检测和参数估计中的应用[J];雷达与对抗;2010年01期

9 丁艳;杨东勇;陈晋音;;基于全方位视觉的多目标检测跟踪[J];计算机系统应用;2008年02期

10 苏军海;李亚超;邢孟道;;窄带雷达高速多目标检测研究[J];西安电子科技大学学报;2009年06期

中国重要会议论文全文数据库 前3条

1 匡宇;游志胜;;精子运动图象的多目标检测与分割[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

2 牟新刚;张桂林;丁全心;张国华;周晓;;基于DSP+FPGA的红外多目标检测系统设计[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

3 王智灵;路婷婷;张硕奇;陈宗海;罗杨宇;李成荣;;基于全局光流的多目标检测与跟踪[A];'2008系统仿真技术及其应用学术会议论文集[C];2008年

中国硕士学位论文全文数据库 前10条

1 叶刚;城市环境基于三维激光雷达的自动驾驶车辆多目标检测及跟踪算法研究[D];北京理工大学;2016年

2 范帅芳;基于多站时差的被动多目标检测与跟踪[D];电子科技大学;2016年

3 梅秀飞;基于分布式MIMO雷达的多目标检测前跟踪算法研究[D];电子科技大学;2016年

4 郑兮;多目标检测前跟踪算法研究[D];电子科技大学;2012年

5 郭会文;监控视频中的快速多目标检测与跟踪研究[D];湖南大学;2013年

6 丁艳;基于全方位视觉的多目标检测跟踪[D];浙江工业大学;2007年

7 郭晓慧;复杂场景下视频监控系统中多目标检测的研究与实现[D];北京邮电大学;2013年

8 黄超;基于视频的人体多目标检测与跟踪算法研究[D];西华大学;2014年

9 王允;基于TMS320DM642的多目标检测系统的硬件设计[D];重庆大学;2009年

10 蔡俊林;医学图像中多目标检测与跟踪技术研究[D];华南理工大学;2012年

，

本文编号：772836