由于海面目標(biāo)個(gè)數(shù)多、密集、進(jìn)出雷達(dá)視野隨機(jī)變化性強(qiáng),而且雜波密度高,目標(biāo)速度模糊等原因?qū)е聶C(jī)載雷達(dá)跟蹤性能下降。文中提出了基于隨機(jī)集理論框架下的海面目標(biāo)跟蹤算法。首先,設(shè)計(jì)了基于LDL分解的高斯混合勢(shì)概率假設(shè)密度（GM-CPHD）濾波算法用來(lái)降低算法的計(jì)算量;接著,提出了融入徑向速度的目標(biāo)跟蹤算法來(lái)提高海面目標(biāo)跟蹤性能;最后,設(shè)計(jì)了仿真示例。仿真結(jié)果表明:該算法在提高跟蹤性能的同時(shí)可以減少20%的計(jì)算量。 

【文章來(lái)源】：現(xiàn)代雷達(dá). 2020,42(04)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

目標(biāo)的真實(shí)運(yùn)動(dòng)軌跡

跟蹤系統(tǒng)接收到的測(cè)量值

統(tǒng)計(jì)100次蒙特卡洛仿真結(jié)果,跟蹤后的目標(biāo)軌跡如圖3所示,目標(biāo)個(gè)數(shù)估計(jì)如圖4所示。從圖3跟蹤后的目標(biāo)軌跡和圖4跟蹤目標(biāo)個(gè)數(shù)的估計(jì)結(jié)果中可以看出,本文所提方法具有和GM-CPHD相同的目標(biāo)個(gè)數(shù)和目標(biāo)狀態(tài)的估計(jì)能力。由圖4可知,目標(biāo)個(gè)數(shù)的估計(jì)在第79節(jié)拍前多數(shù)時(shí)刻是20個(gè),在第79至第225節(jié)拍期間,多數(shù)時(shí)刻是22個(gè)。目標(biāo)個(gè)數(shù)的估計(jì)比較接近真實(shí)目標(biāo)個(gè)數(shù)。對(duì)于新生目標(biāo)數(shù)目的計(jì)算有幾個(gè)節(jié)拍的延時(shí),這與強(qiáng)度函數(shù)的設(shè)計(jì)有關(guān)。圖4 目標(biāo)個(gè)數(shù)估計(jì)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]雙傳感器概率假設(shè)密度濾波解析實(shí)現(xiàn)方法[J]. 許建,黃放明,賁德.  現(xiàn)代雷達(dá). 2014(04)

碩士論文
[1]自適應(yīng)目標(biāo)新生強(qiáng)度的隨機(jī)集跟蹤算法研究[D]. 王宇飛.西安電子科技大學(xué) 2015



本文編號(hào)：3001224