本文選題：弱目標(biāo)　切入點(diǎn)：檢測(cè)前跟蹤　出處：《大連海事大學(xué)》2017年碩士論文

【摘要】：隨著雷達(dá)技術(shù)的迅猛發(fā)展,弱目標(biāo)的檢測(cè)與跟蹤也受到了廣泛的關(guān)注。與傳統(tǒng)的檢測(cè)方法相比檢測(cè)前跟蹤算法更加高效。當(dāng)檢測(cè)與跟蹤的目標(biāo)的信噪比較低時(shí),它能通過對(duì)雷達(dá)多幀數(shù)據(jù)的連續(xù)處理及沿可能的目標(biāo)航跡積累能量來同時(shí)實(shí)現(xiàn)目標(biāo)的檢測(cè)與跟蹤。其中研究基于動(dòng)態(tài)規(guī)劃的檢測(cè)前跟蹤算法因?yàn)樗鄬?duì)其他算法而言在硬件上易實(shí)現(xiàn),在計(jì)算量和存儲(chǔ)量上也相對(duì)較小。本文對(duì)基于動(dòng)態(tài)規(guī)劃的檢測(cè)前跟蹤算法進(jìn)行了更加系統(tǒng)的研究,主要內(nèi)容有:(1)對(duì)檢測(cè)前跟蹤算法(TBD)與先檢測(cè)后跟蹤算法(DBT)這兩種方法進(jìn)行的優(yōu)缺點(diǎn)的比較分析。分析了基于Hough變換的TBD算法、基于三維匹配濾波的TBD算法、基于粒子濾波的方法TBD算法和基于動(dòng)態(tài)規(guī)劃的TBD算法這四種算法優(yōu)缺點(diǎn)。搭建了基于動(dòng)態(tài)規(guī)劃算法的目標(biāo)運(yùn)動(dòng)模型及量測(cè)模型。(2)針對(duì)傳統(tǒng)基于動(dòng)態(tài)規(guī)劃的檢測(cè)前跟蹤算法的能量擴(kuò)散效應(yīng),提出了三種改進(jìn)算法。第一種改進(jìn)算法是在傳統(tǒng)動(dòng)態(tài)規(guī)劃算法中引入新的權(quán)重系數(shù)對(duì)其進(jìn)行方向加權(quán)。針對(duì)該算法在低信噪比下檢測(cè)性能不高的缺點(diǎn)提出了第二種方法,基于三幀積累的檢測(cè)前跟蹤改進(jìn)算法。該算法通過將二幀遞歸積累改為三幀遞歸積累提高了信噪比。為了進(jìn)一步提高幀間的數(shù)據(jù)關(guān)聯(lián)性提出了第三種改進(jìn)算法,基于指數(shù)平滑的改進(jìn)算法。該方法利用預(yù)測(cè)值和當(dāng)前幀對(duì)應(yīng)的值的關(guān)系更加充分利用了目標(biāo)的運(yùn)動(dòng)性提高了算法的性能。(3)對(duì)多目標(biāo)的檢測(cè)前跟蹤算法進(jìn)行了研究。首先介紹了基于動(dòng)態(tài)規(guī)劃的極值法,但是極值法的缺點(diǎn)是無(wú)法有效檢測(cè)目標(biāo)航跡相交或目標(biāo)臨近的兩個(gè)目標(biāo),針對(duì)這一局限性,提出了基于動(dòng)態(tài)規(guī)劃的剔除法。剔除法是先對(duì)目標(biāo)的強(qiáng)度進(jìn)行對(duì)比,將強(qiáng)度最大的當(dāng)成目標(biāo)檢測(cè)出來,然后將其從觀測(cè)數(shù)據(jù)中剔除。如此重復(fù)直到檢測(cè)出所有的目標(biāo)。
[Abstract]:With the rapid development of radar technology, the detection and tracking of weak targets has received extensive attention. Compared with the traditional detection methods, the pre-detection tracking algorithm is more efficient. When the SNR of the targets detected and tracked is low, It can simultaneously realize the detection and tracking of targets by continuous processing of radar multi-frame data and accumulation of energy along possible target tracks. The pre-detection tracking algorithm based on dynamic programming is studied because it is relative to other algorithms. In terms of hardware, The amount of computation and memory is also relatively small. In this paper, a more systematic study on the pre-detection tracking algorithm based on dynamic programming is carried out. The main contents of this paper are as follows: (1) compare the advantages and disadvantages of the two methods, TBD algorithm based on Hough transform and TBD algorithm based on 3D matched filter. The advantages and disadvantages of TBD algorithm based on particle filter and TBD algorithm based on dynamic programming are presented. The object motion model and measurement model based on dynamic programming algorithm are built. Tracking the energy diffusion effect of the algorithm, Three improved algorithms are proposed. The first one is to introduce new weight coefficients into the traditional dynamic programming algorithm to carry out directional weighting. A second method is proposed to solve the problem that the detection performance of the algorithm is low in low signal-to-noise ratio (SNR). An improved algorithm of pre-detection tracking based on three-frame accumulation is proposed, which improves the SNR by changing the recursive accumulation of two frames into three frames. In order to further improve the data correlation between frames, a third improved algorithm is proposed. An improved algorithm based on exponential smoothing is proposed, which makes full use of the relationship between the prediction value and the corresponding value of the current frame and improves the performance of the algorithm. Firstly, the extremum method based on dynamic programming is introduced. However, the disadvantage of extreme value method is that it can not effectively detect two targets whose track intersects or is close to the target. In view of this limitation, a dynamic programming based culling method is proposed, which is to compare the intensity of the target first. Detect the most intense targets and remove them from the observations. Repeat until all targets are detected.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN953

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋海岸;紀(jì)政;;深入探討動(dòng)態(tài)規(guī)劃中的幾個(gè)問題[J];軟件導(dǎo)刊;2010年09期

2 肖淑貞;張景文;;用網(wǎng)絡(luò)方法求解動(dòng)態(tài)規(guī)劃問題的兩個(gè)實(shí)例[J];青島化工學(xué)院學(xué)報(bào);1988年03期

3 田園,馮珊;基于動(dòng)態(tài)規(guī)劃的多目標(biāo)跟蹤算法及實(shí)現(xiàn)[J];信息與控制;1997年01期

4 趙冬梅,郭耀煌,陶章華;多目標(biāo)動(dòng)態(tài)規(guī)劃問題的非劣矩陣解法[J];電子科技大學(xué)學(xué)報(bào);1998年02期

5 張鵬;;一種多維連續(xù)型動(dòng)態(tài)規(guī)劃的新算法[J];控制與決策;2011年08期

6 吳東華;夏洪山;徐波;;飛機(jī)排班問題的模糊優(yōu)選動(dòng)態(tài)規(guī)劃模型[J];濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

7 梁j,盛昭瀚,徐南榮;多目標(biāo)靜、動(dòng)態(tài)規(guī)劃的交互式區(qū)間逼近法[J];控制與決策;1991年02期

8 謝劍輝,郭嵩山;國(guó)際大學(xué)生程序設(shè)計(jì)競(jìng)賽試題與分析(四)——?jiǎng)討B(tài)規(guī)劃及其應(yīng)用──雜題[J];現(xiàn)代計(jì)算機(jī);2000年07期

9 金輝宇,于海斌;神經(jīng)元?jiǎng)討B(tài)規(guī)劃綜述[J];信息與控制;2001年04期

10 李少芳;陳德禮;;最小代價(jià)歸并樹的動(dòng)態(tài)規(guī)劃實(shí)現(xiàn)[J];太原師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年03期

相關(guān)會(huì)議論文 前10條

1 蔣科林;遲寶山;許云華;刑俊文;;動(dòng)態(tài)規(guī)劃在裝備計(jì)劃生產(chǎn)中的運(yùn)用[A];2006全國(guó)復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文集[C];2006年

2 張釗;裴燕玲;;動(dòng)態(tài)規(guī)劃的正向遞推方法[A];2005年度山東建筑學(xué)會(huì)優(yōu)秀論文集[C];2005年

3 玄一民;趙煥叢;劉宏;;動(dòng)態(tài)規(guī)劃在多重約束下可靠性選優(yōu)應(yīng)用研究[A];質(zhì)量——持續(xù)發(fā)展的源動(dòng)力：中國(guó)質(zhì)量學(xué)術(shù)與創(chuàng)新論壇論文集（下）[C];2010年

4 曹平;范萌萌;劉克;陳建州;;衛(wèi)星系統(tǒng)通訊路由問題的動(dòng)態(tài)規(guī)劃建模[A];第十屆中國(guó)不確定系統(tǒng)年會(huì)、第十四屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2012年

5 胡樂群;吳滄浦;;矢量指標(biāo)動(dòng)態(tài)規(guī)劃的滿意解方法[A];全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

6 宋紹劍;李勁芝;林小峰;;基于執(zhí)行依賴啟發(fā)式動(dòng)態(tài)規(guī)劃的三容水槽液位控制[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

7 海心;;使用Excel求解動(dòng)態(tài)規(guī)劃問題方法探討[A];2005年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2005年

8 宋丹丹;鄧志東;;基于模糊動(dòng)態(tài)規(guī)劃的RNA折疊算法的研究與實(shí)現(xiàn)[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

9 張祥;王曉蕾;楊子賓;王劍;;動(dòng)態(tài)規(guī)劃理論在雷達(dá)可靠性評(píng)估中的應(yīng)用[A];2009第五屆蘇皖兩省大氣探測(cè)、環(huán)境遙感與電子技術(shù)學(xué)術(shù)研討會(huì)專輯[C];2009年

10 胡鐵松;段國(guó)圣;萬(wàn)永華;馮尚友;;多目標(biāo)動(dòng)態(tài)規(guī)劃的攝動(dòng)權(quán)重法[A];1993中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1993年

相關(guān)重要報(bào)紙文章 前1條

1 彭舒佳;專家吁建動(dòng)態(tài)規(guī)劃?rùn)C(jī)制“糾編”用地[N];中國(guó)房地產(chǎn)報(bào);2008年

相關(guān)博士學(xué)位論文 前4條

1 王穎;基于仿真的可重入生產(chǎn)系統(tǒng)的神經(jīng)元?jiǎng)討B(tài)規(guī)劃調(diào)度研究[D];廈門大學(xué);2007年

2 費(fèi)蓉;動(dòng)態(tài)規(guī)劃研究及其在電力市場(chǎng)動(dòng)態(tài)分區(qū)定價(jià)問題中的應(yīng)用[D];西安理工大學(xué);2009年

3 王怡慧;動(dòng)態(tài)規(guī)劃加速算法和輪廓探測(cè)算法[D];復(fù)旦大學(xué);2012年

4 姜琳;過程控制優(yōu)化中的智能方法研究[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 陳銘;基于動(dòng)態(tài)規(guī)劃的弱小目標(biāo)檢測(cè)前跟蹤（DP-TBD）算法研究[D];電子科技大學(xué);2014年

2 安政帥;基于動(dòng)態(tài)規(guī)劃的微弱目標(biāo)檢測(cè)前跟蹤算法研究[D];西安電子科技大學(xué);2014年

3 程亮;自適應(yīng)動(dòng)態(tài)規(guī)劃在電力系統(tǒng)中的應(yīng)用研究[D];華中科技大學(xué);2014年

4 喬?hào)|欽;基于動(dòng)態(tài)規(guī)劃技術(shù)的MFI理論在板橋中的應(yīng)用研究[D];湖南大學(xué);2016年

5 蒙寧佳;基于近似動(dòng)態(tài)規(guī)劃的迭代控制研究及應(yīng)用[D];北京化工大學(xué);2016年

6 任華茜;基于動(dòng)態(tài)規(guī)劃的房地產(chǎn)多項(xiàng)目多階段資金分配研究[D];西南科技大學(xué);2016年

7 尹文杰;空域靈活使用中空域動(dòng)態(tài)規(guī)劃及流量動(dòng)態(tài)分配技術(shù)研究[D];中國(guó)民航大學(xué);2014年

8 趙尚宇;基于動(dòng)態(tài)規(guī)劃的弱目標(biāo)檢測(cè)前跟蹤算法[D];杭州電子科技大學(xué);2016年

9 董建雙;基于動(dòng)態(tài)規(guī)劃的檢測(cè)前跟蹤（DP-TBD）算法研究[D];大連海事大學(xué);2017年

10 張宏偉;數(shù)學(xué)建模中的動(dòng)態(tài)規(guī)劃問題[D];東北師范大學(xué);2008年

，

本文編號(hào)：1658567