發(fā)布時間：2018-06-09 15:07

  本文選題：雷達輔助知識 + 微弱目標��； 參考：《電子科技大學》2015年碩士論文

【摘要】：隨著雷達探測目標的多樣化和監(jiān)測環(huán)境的日益復雜化,現(xiàn)有雷達對低空、隱身目標等微弱目標的跟蹤性能不能滿足工程應用需求。通過充分挖掘各種目標和環(huán)境的先驗知識,基于雷達輔助知識的跟蹤算法能夠獲得更多信息來提高目標和雜波的區(qū)分度,并采取相應策略來改善復雜環(huán)境下微弱目標的跟蹤性能。這項技術已是國內(nèi)外目標跟蹤領域的研究熱點。針對以上問題,本論文主要研究現(xiàn)有幅度知識輔助跟蹤的優(yōu)化算法、基于雷達極化知識的跟蹤算法以及地理信息系統(tǒng)輔助跟蹤算法和滿足工程應用的雷達雜波庫輔助的檢測跟蹤算法。本文具體內(nèi)容如下:1.針對現(xiàn)有基于雷達幅度知識的跟蹤算法在抑制虛假航跡性能上的不足,研究了基于雷達幅度知識的修正跟蹤算法,并分析了其跟蹤不同起伏目標和不同雜波背景下的性能。該算法利用幅度知識嚴格了航跡管理準則,優(yōu)化了原有算法抑制虛假航跡的性能。2.針對極化雷達系統(tǒng)中極化知識在跟蹤領域研究甚少的問題,提出了基于雷達極化知識的跟蹤算法,其有效改善微弱目標的跟蹤精度;在此基礎上,結合第二章的修正跟蹤算法思想,提出了修正的極化知識輔助跟蹤算法,改善了抑制虛假航跡的性能。3.針對復雜環(huán)境下目標跟蹤回波中存在大量雜波嚴重影響跟蹤性能的問題,研究了地理信息系統(tǒng)輔助跟蹤算法,其能夠調(diào)用監(jiān)測環(huán)境的雜波分類先驗信息,從而調(diào)整航跡處理的相關策略,其有效改善了復雜環(huán)境下抑制虛假航跡的性能。4.針對復雜環(huán)境下目標跟蹤抑制虛假航跡性能不能滿足工程應用的問題,提出了系統(tǒng)性的實踐方案即基于雷達雜波庫的檢測跟蹤算法,其將雷達雜波庫、知識輔助檢測和知識輔助跟蹤有效結合在一起,可大幅減低虛假航跡條數(shù),滿足目標跟蹤工程應用的要求。上述算法已通過仿真實驗或雷達實測數(shù)據(jù)驗證,結果表明所研究算法對于改善復雜環(huán)境微弱目標的跟蹤性能的有效性。
[Abstract]:With the diversification of radar detection targets and the increasing complexity of monitoring environment, the tracking performance of low altitude, stealth targets and other weak targets can not meet the needs of engineering applications. By fully mining the prior knowledge of various targets and environments, the tracking algorithm based on radar auxiliary knowledge can obtain more information to improve the classification of target and clutter. Corresponding strategies are adopted to improve the tracking performance of weak targets in complex environments. This technology has been the research hotspot in the field of target tracking at home and abroad. In view of the above problems, this paper mainly studies the existing amplitude knowledge aided tracking optimization algorithm. The tracking algorithm based on the knowledge of radar polarization, the auxiliary tracking algorithm of geographic information system and the detection and tracking algorithm of radar clutter library for engineering applications. The content of this paper is as follows: 1. Aiming at the deficiency of the existing tracking algorithms based on radar amplitude knowledge in suppressing false track, the modified tracking algorithm based on radar amplitude knowledge is studied, and the performance of the algorithm in tracking different undulating targets and different clutter background is analyzed. The algorithm uses amplitude knowledge to strictly control track management criteria, and optimizes the performance of the original algorithm to suppress false track. A tracking algorithm based on polarimetric knowledge is proposed to improve the tracking accuracy of weak targets effectively, aiming at the problem that the polarimetric knowledge in polarimetric radar system is seldom studied in the field of tracking. Based on the idea of modified tracking algorithm in Chapter 2, a modified polarization knowledge aided tracking algorithm is proposed, which improves the performance of false track suppression. In order to solve the problem that a large number of clutter seriously affect the tracking performance of target tracking echo in complex environment, a geographic information system (GIS) aided tracking algorithm is studied, which can call the prior information of clutter classification in monitoring environment. Therefore, the related strategies of track processing can be adjusted to improve the performance of false track suppression in complex environments. In view of the problem that the performance of target tracking and suppressing false track in complex environment can not meet the problem of engineering application, a systematic practical scheme, that is, detection and tracking algorithm based on radar clutter library, is proposed. The combination of knowledge aided detection and knowledge aided tracking can greatly reduce the number of false tracks and meet the requirements of target tracking engineering applications. The above algorithms have been verified by simulation experiments or radar measurements. The results show that the proposed algorithm is effective in improving the tracking performance of weak targets in complex environments.
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN953

【相似文獻】

相關期刊論文 前10條

1 強世錦;榮健;滑玉;;基于粒子預測的非線性狀態(tài)目標跟蹤算法[J];武漢理工大學學報;2008年02期

2 王保柱;艾斯卡爾·艾木都拉;;幾種典型的微弱點狀多運動目標跟蹤算法對比研究[J];計算機工程與應用;2009年05期

3 王偉;劉雙全;;基于粒子濾波和聯(lián)合概率數(shù)據(jù)關聯(lián)的目標跟蹤算法[J];電子技術;2009年04期

4 馮巍;楊成;胡波;馮輝;;基于最大似然的分布式多視角目標跟蹤算法[J];光電工程;2009年10期

5 余孟澤;劉正熙;駱鍵;楊丹;;基于改進粒子濾波的魯棒目標跟蹤算法[J];光電子.激光;2011年05期

6 李春鑫;;基于中值移位的粒子濾波多目標跟蹤算法[J];光電技術應用;2011年06期

7 王進花;付德強;曹潔;李軍;;基于改進粒子濾波的視頻目標跟蹤算法比較分析研究[J];自動化與儀器儀表;2013年01期

8 姜學軍;萬曉東;;模版漂移糾正的目標跟蹤算法研究[J];現(xiàn)代計算機(專業(yè)版);2013年24期

9 衛(wèi)保國;李克靖;曹慈卓;;基于粒子濾波與局部全局一致性學習的目標跟蹤算法[J];計算機應用;2013年10期

10 常小成;動目標跟蹤算法的仿真研究[J];電光與控制;1992年03期

相關會議論文 前10條

1 徐炳吉;;一種多站聯(lián)合目標跟蹤算法[A];數(shù)學及其應用文集——中南模糊數(shù)學和系統(tǒng)分會第三屆年會論文集（上卷）[C];1995年

2 杜方芳;劉士榮;邱雪娜;;一種改進的粒子濾波目標跟蹤算法[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

3 付曉薇;方康玲;李曦;;一種基于特征的多目標跟蹤算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

4 許偉村;趙清杰;;一種基于粒子濾波的多目標跟蹤算法[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

5 李軍;張華;單梁;;一種基于Mean shift和粒子濾波的綜合目標跟蹤算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

6 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標跟蹤算法[A];第十二屆全國信號處理學術年會（CCSP-2005）論文集[C];2005年

7 鄭黎義;陳興無;王磊;李正東;;紅外/雷達雙傳感器融合目標跟蹤算法[A];中國工程物理研究院科技年報（2005）[C];2005年

8 張震宇;王立松;;基于粒子濾波的傳感器目標跟蹤算法[A];2008年中國高校通信類院系學術研討會論文集（上冊）[C];2009年

9 王亞楠;陳杰;甘明剛;;基于差分進化的改進粒子濾波目標跟蹤算法[A];中國自動化學會控制理論專業(yè)委員會C卷[C];2011年

10 張濤;費樹岷;胡剛;;基于多特征信息自適應融合的視頻目標跟蹤算法[A];第二十九屆中國控制會議論文集[C];2010年

相關博士學位論文 前10條

1 盧建國;基于粒子濾波的視頻目標跟蹤算法研究[D];北京郵電大學;2011年

2 馮巍;分布式多視角目標跟蹤算法研究[D];復旦大學;2011年

3 王書朋;視頻目標跟蹤算法研究[D];西安電子科技大學;2009年

4 劉晴;基于區(qū)域特征的目標跟蹤算法研究[D];北京理工大學;2014年

5 邱雪娜;基于視覺的運動目標跟蹤算法及其在移動機器人中的應用[D];華東理工大學;2011年

6 趙運基;基于視覺的目標跟蹤算法研究[D];華南理工大學;2012年

7 張健;面向能效優(yōu)化的無線傳感器網(wǎng)絡分布式目標跟蹤算法研究[D];東北大學;2011年

8 易偉;基于檢測前跟蹤技術的多目標跟蹤算法研究[D];電子科技大學;2012年

9 韓日升;基于核的變尺度視頻目標跟蹤算法研究[D];上海交通大學;2009年

10 劉榮利;基于統(tǒng)計學習的視覺目標跟蹤算法研究[D];上海交通大學;2014年

相關碩士學位論文 前10條

1 劉文;基于塊的多特征目標跟蹤算法[D];大連理工大學;2010年

2 張炯;基于局部不變描述算子的目標跟蹤算法研究[D];西北農(nóng)林科技大學;2012年

3 付華;智能視頻分析中目標跟蹤算法的研究與實現(xiàn)[D];電子科技大學;2012年

4 楊帆;窗口自適應的目標跟蹤算法研究[D];西安電子科技大學;2011年

5 張楠;基于粒子濾波的目標跟蹤算法研究[D];廣東工業(yè)大學;2011年

6 付德強;基于視覺線索融合的抗遮擋目標跟蹤算法研究[D];蘭州理工大學;2012年

7 呂珂;基于融合策略的視覺目標跟蹤算法研究[D];中國地質(zhì)大學（北京）;2013年

8 熊德輝;基于粒子濾波的目標跟蹤算法研究[D];華南理工大學;2013年

9 崔海肖;目標跟蹤算法研究[D];江南大學;2012年

10 向國華;多視頻目標跟蹤算法研究[D];西安電子科技大學;2008年

，

本文編號：2000141