【摘要】：現(xiàn)役雷達一般采用先檢測后跟蹤(DBT)體制,當(dāng)對隱身飛機、低空小目標等進行探測時,由于回波能量往往微弱,加之探測場景中強雜波的干擾,這時DBT將出現(xiàn)大量的虛警和漏檢,造成回波信息的大量損失,使得檢測和跟蹤性能惡化。知識輔助檢測跟蹤一體化算法,旨在于傳統(tǒng)DBT基礎(chǔ)上,結(jié)合目標、環(huán)境等先驗知識的輔助,關(guān)聯(lián)原本相互獨立的檢測過程和跟蹤過程,量化分析檢測性能與跟蹤性能之間的關(guān)系,實現(xiàn)檢測過程和跟蹤過程的耦合,最終提高雷達對弱小目標的檢測跟蹤性能。知識輔助檢測跟蹤一體化算法,作為長久以來的研究熱點,仍有一些技術(shù)問題需要完善和解決,例如在強雜波環(huán)境下對檢測跟蹤性能的定量分析以及對臨近多目標的檢測跟蹤耦合處理等。針對以上問題,本文主要做了以下研究工作：1、研究了基于修正黎卡蒂方程(MRE)的跟蹤性能預(yù)測算法,給出了檢測器工作點與跟蹤性能的定量關(guān)系,該算法為檢測器工作點的確定提供了理論依據(jù),檢測器采用優(yōu)化后的工作點時,可有效提高跟蹤性能。2、針對強雜波環(huán)境下的微弱目標檢測跟蹤問題,研究了長拖尾K分布雜波背景下,利用幅度知識輔助的跟蹤性能預(yù)測算法,該算法給出了復(fù)雜背景下使跟蹤性能最優(yōu)的檢測工作點確定方法,與未利用幅度知識的算法相比,該算法可以得到更好的跟蹤性能。3、研究了耦合貝葉斯檢測器和概率數(shù)據(jù)關(guān)聯(lián)跟蹤器的算法,該算法引入了從跟蹤器到檢測器的反饋,有效降低了檢測器虛警概率,同時提高了跟蹤濾波器的跟蹤精度和成功跟蹤概率。4、針對臨近多目標場景下的檢測跟蹤問題,提出了多目標檢測跟蹤耦合算法,該算法采用并行貝葉斯檢測器對各目標進行獨立檢測,有效抑制了臨近目標間的相互干擾,提高了對臨近目標的檢測跟蹤性能。
【圖文】：

在干擾功率己知時，才能精確計算滿足特定虛警概率的檢測口限；然而對于大多逡逑數(shù)雷達系統(tǒng)來說，干擾功率是未知的，此時實際的虛警概率常常將偏離預(yù)期值，如逡逑下圖２－１所示。逡逑８｜邐Ｉ邐Ｉ邐Ｉ邐Ｉ邐Ｉ邐Ｉ邐Ｉ邐Ｊ邐－ｆ邐逡逑ｉ邐Ｉ邐Ｉ邐Ｉ邐Ｉ邋邐邐邋ｉ邐Ｉ邐Ｉ逡逑７邋…Ｊ…；…Ｌ邋＿邋－…曲ｓｊＡＩ邋－—逡逑ｉ邋ｉ邋Ｉｉ邐ｉ邐ｉ邐ｉ邐ｉ逡逑６邐ｆ邐Ｔ邋￣邋－邋－ｊＴ－邋－邋－Ｉ邐ｒ邐１邐－Ｉ邐１邐邐邐邐逡逑NB邋４邐？．邐－Ｚ邋Ｊ邐邐？邐Ｉ邐＊邐－Ｉ邐Ｉ邐Ｊ邐逡逑ｇ邋：~枌H：ｔ逡逑0０邐２邐４邐？＇邐８邐１０邐１２邐１４邐１６邐１８邐２０逡逑？聲功車的X棾す椋攏╁義賢跡玻痹肷β什ǘ孕榫怕實撓跋戾義仙賢枷允玖�，祩渖葰率发生变化时，将蒂Z灤榫怕食墑考兜腦棾�。全k義細扇毆β時浠矗洌率�，虚警概聲r浠隋澹玻擔(dān)蹈鍪考�。所文z閾榫怕剩ǎ茫疲粒遙╁義霞觳�，正蕷J攵哉庖晃侍�，，咒Xτ讜詬扇毆β飾粗幕肪誠綠峁┖愣ǖ男榫怕叔義蝦涂稍ぶ募觳飧怕�。ＣＦＡ酶]觳饌ü愿扇毆β實氖凳憊蘭�，自室暒调整检诧冓辶x舷�，保持袡綅渑聦嵞恒定。ＣＦＡＲ检测訛a芏嘀鄭緄ピ驕閾榫ǎ茫粒茫疲粒遙╁義霞觳

本文編號：2559403