本文關(guān)鍵詞：基于分布式MIMO雷達(dá)的多目標(biāo)檢測(cè)前跟蹤算法研究

  更多相關(guān)文章： MIMO雷達(dá) 隨機(jī)有限集 概率假設(shè)密度 檢測(cè)前跟蹤

【摘要】：多輸入多輸出(MIMO)雷達(dá)作為雷達(dá)研究的新興領(lǐng)域,通過(guò)設(shè)置多個(gè)發(fā)射站發(fā)射不同的波形信號(hào)(通常設(shè)置為正交信號(hào)),多個(gè)接收站對(duì)經(jīng)過(guò)目標(biāo)反射的信號(hào)進(jìn)行匹配濾波并進(jìn)行聯(lián)合處理,實(shí)現(xiàn)信號(hào)在空間范圍內(nèi)的多通道并行傳輸和接收。與傳統(tǒng)雷達(dá)相比,MIMO雷達(dá)的目標(biāo)分辨能力更高,角度估計(jì)也更加精確,可以提高目標(biāo)在復(fù)雜環(huán)境下的檢測(cè)與跟蹤性能。其中,分布式MIMO雷達(dá)由于其特殊的布站方式,能夠獲取較大的空間分集增益,但是這種空間分集增益在低信噪比下并不明顯,因此一種提高M(jìn)IMO雷達(dá)在低信噪比環(huán)境下檢測(cè)與跟蹤性能的可行方法是使用TBD技術(shù)。TBD技術(shù)直接對(duì)原始數(shù)據(jù)進(jìn)行處理,進(jìn)行長(zhǎng)時(shí)間的非相參積累,最后同時(shí)給出檢測(cè)和跟蹤結(jié)果,是解決微弱目標(biāo)檢測(cè)跟蹤的有效手段。本文圍繞分布式MIMO雷達(dá)場(chǎng)景下多目標(biāo)檢測(cè)和跟蹤問(wèn)題,重點(diǎn)研究了基于隨機(jī)集理論的多目標(biāo)檢測(cè)與跟蹤算法,以及適應(yīng)于低信噪比環(huán)境下的基于概率假設(shè)密度(PHD)的檢測(cè)前跟蹤算法。首先,針對(duì)目標(biāo)數(shù)未知或時(shí)變情形下的多目標(biāo)跟蹤問(wèn)題,本文介紹了隨機(jī)集相關(guān)理論,重點(diǎn)研究了基于隨機(jī)有限集理論的概率假設(shè)密度濾波算法,并介紹了PHD濾波的兩種實(shí)現(xiàn)形式:高斯混合PHD和粒子濾波PHD。針對(duì)高斯混合PHD,分析了改進(jìn)的帶有平滑器的高斯混合PHD,并在仿真實(shí)驗(yàn)驗(yàn)證了高斯混合平滑PHD對(duì)目標(biāo)狀態(tài)提取更加精確;針對(duì)粒子濾波PHD,研究分析了基于當(dāng)前觀測(cè)信息的改進(jìn)重要性密度函數(shù)的粒子濾波PHD,仿真實(shí)驗(yàn)驗(yàn)證了這種改進(jìn)方法的性能更優(yōu)。其次,針對(duì)多個(gè)微弱目標(biāo)的檢測(cè)與跟蹤問(wèn)題,本文重點(diǎn)研究了適用于檢測(cè)前跟蹤框架的PHD濾波器,并就其粒子濾波實(shí)現(xiàn)方式中計(jì)算量大,粒子使用率低、濾波精度差等問(wèn)題,優(yōu)化了粒子新生機(jī)制,提出了改進(jìn)的粒子濾波實(shí)現(xiàn)的PHD檢測(cè)前跟蹤算法。仿真結(jié)果表明改進(jìn)算法一定程度上提高了目標(biāo)狀態(tài)估計(jì)性能。最后,針對(duì)分布式MIMO雷達(dá),重點(diǎn)分析了MIMO雷達(dá)的信號(hào)模型和觀測(cè)模型,針對(duì)MIMO雷達(dá)的多傳感器信息融合問(wèn)題,采用了聯(lián)合融合濾波的策略,研究出一種多傳感器檢測(cè)前跟蹤處理方法。仿真結(jié)果表明這種算法適用于MIMO雷達(dá)場(chǎng)景,且提高了雷達(dá)目標(biāo)的檢測(cè)跟蹤性能。針對(duì)仿真中目標(biāo)交叉引起的目標(biāo)丟失問(wèn)題,采用了聚類判斷策略,研究了適用于鄰近弱目標(biāo)的檢測(cè)與跟蹤算法。
【關(guān)鍵詞】：MIMO雷達(dá) 隨機(jī)有限集 概率假設(shè)密度 檢測(cè)前跟蹤
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN958
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-18
• 1.1 選題背景及意義10-11
• 1.2 論文相關(guān)技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 檢測(cè)前跟蹤研究現(xiàn)狀11-13
• 1.2.2 隨機(jī)集理論研究現(xiàn)狀13-14
• 1.2.3 MIMO雷達(dá)研究現(xiàn)狀14-16
• 1.3 本文的主要工作及內(nèi)容安排16-18
• 第二章 基于隨機(jī)集理論的多目跟蹤算法研究18-37
• 2.1 概率假設(shè)密度濾波器18-23
• 2.1.1 隨機(jī)集理論18-19
• 2.1.2 多目標(biāo)隨機(jī)集跟蹤理論19-21
• 2.1.3 隨機(jī)集PHD濾波21-23
• 2.2 高斯混合平滑PHD濾波算法23-26
• 2.3 粒子PHD濾波算法26-30
• 2.3.1 基本的P-PHD算法流程26-28
• 2.3.2 改進(jìn)的P-PHD算法28-30
• 2.4 仿真實(shí)驗(yàn)及分析30-36
• 2.4.1 多目標(biāo)狀態(tài)估計(jì)性能評(píng)價(jià)方案30-31
• 2.4.2 仿真及分析31-36
• 2.5 本章小結(jié)36-37
• 第三章 基于PHD濾波器的多目標(biāo)檢測(cè)前跟蹤算法研究37-52
• 3.1 TBD問(wèn)題描述與模型建立37-41
• 3.1.1 目標(biāo)狀態(tài)模型38-39
• 3.1.2 基于雷達(dá)傳感器量測(cè)的TBD建模39-40
• 3.1.3 多目標(biāo)TBD似然比函數(shù)建立40-41
• 3.2 基于粒子濾波的PHD-TBD算法41-43
• 3.3 改進(jìn)的粒子濾波PHD-TBD算法43-47
• 3.3.1 輔助粒子濾波43-45
• 3.3.2 改進(jìn)的粒子濾波PHD-TBD算法45-47
• 3.4 仿真實(shí)現(xiàn)和分析47-51
• 3.5 本章小結(jié)51-52
• 第四章 MIMO雷達(dá)場(chǎng)景下的多目標(biāo)檢測(cè)前跟蹤算法研究52-70
• 4.1 分布式MIMO雷達(dá)52-55
• 4.1.1 MIMO雷達(dá)信號(hào)模型52-54
• 4.1.2 目標(biāo)運(yùn)動(dòng)和觀測(cè)模型54-55
• 4.2 基于粒子PHD的MIMO雷達(dá)檢測(cè)前跟蹤算法55-64
• 4.2.1 多傳感器多目標(biāo)TBD建模56-58
• 4.2.2 基于MIMO雷達(dá)的多目標(biāo)檢測(cè)前跟蹤算法實(shí)現(xiàn)58-60
• 4.2.3 仿真實(shí)驗(yàn)和分析60-64
• 4.4 改進(jìn)的MIMO雷達(dá)多目標(biāo)檢測(cè)前跟蹤算法64-68
• 4.4.1 算法原理64-66
• 4.4.2 仿真實(shí)驗(yàn)及分析66-68
• 4.5 本章小結(jié)68-70
• 第五章 總結(jié)與展望70-72
• 5.1 總結(jié)70-71
• 5.2 展望71-72
• 致謝72-73
• 參考文獻(xiàn)73-77

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 陳忠碧,張啟衡;一種適合于多目標(biāo)檢測(cè)的圖像分割方法[J];光電工程;2004年05期

2 曲長(zhǎng)文;黃勇;蘇峰;;基于動(dòng)態(tài)規(guī)劃的多目標(biāo)檢測(cè)前跟蹤算法[J];電子學(xué)報(bào);2006年12期

3 尹玉紅;張群飛;黃建國(guó);王蕾;;對(duì)角加載技術(shù)在多目標(biāo)檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)仿真;2007年07期

4 樊玲;張曉玲;;基于聯(lián)合多目標(biāo)概率密度模型的多目標(biāo)檢測(cè)前跟蹤算法[J];計(jì)算機(jī)應(yīng)用;2012年07期

5 周志宇,汪亞明;基于運(yùn)動(dòng)區(qū)域的多目標(biāo)檢測(cè)[J];計(jì)算機(jī)自動(dòng)測(cè)量與控制;2002年07期

6 劉龍;柳恭;尤亞;;基于顯著對(duì)象的貝葉斯多目標(biāo)檢測(cè)方法[J];軟件導(dǎo)刊;2013年07期

7 郎建華;姚金杰;韓焱;;多目標(biāo)檢測(cè)系統(tǒng)的設(shè)計(jì)與仿真[J];山西電子技術(shù);2010年03期

8 逄勃;范廣偉;;分?jǐn)?shù)階傅里葉變換在雷達(dá)多目標(biāo)檢測(cè)和參數(shù)估計(jì)中的應(yīng)用[J];雷達(dá)與對(duì)抗;2010年01期

9 丁艷;楊東勇;陳晉音;;基于全方位視覺的多目標(biāo)檢測(cè)跟蹤[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2008年02期

10 蘇軍海;李亞超;邢孟道;;窄帶雷達(dá)高速多目標(biāo)檢測(cè)研究[J];西安電子科技大學(xué)學(xué)報(bào);2009年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 匡宇;游志勝;;精子運(yùn)動(dòng)圖象的多目標(biāo)檢測(cè)與分割[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

2 牟新剛;張桂林;丁全心;張國(guó)華;周曉;;基于DSP+FPGA的紅外多目標(biāo)檢測(cè)系統(tǒng)設(shè)計(jì)[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

3 王智靈;路婷婷;張碩奇;陳宗海;羅楊宇;李成榮;;基于全局光流的多目標(biāo)檢測(cè)與跟蹤[A];'2008系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 葉剛;城市環(huán)境基于三維激光雷達(dá)的自動(dòng)駕駛車輛多目標(biāo)檢測(cè)及跟蹤算法研究[D];北京理工大學(xué);2016年

2 范帥芳;基于多站時(shí)差的被動(dòng)多目標(biāo)檢測(cè)與跟蹤[D];電子科技大學(xué);2016年

3 梅秀飛;基于分布式MIMO雷達(dá)的多目標(biāo)檢測(cè)前跟蹤算法研究[D];電子科技大學(xué);2016年

4 鄭兮;多目標(biāo)檢測(cè)前跟蹤算法研究[D];電子科技大學(xué);2012年

5 郭會(huì)文;監(jiān)控視頻中的快速多目標(biāo)檢測(cè)與跟蹤研究[D];湖南大學(xué);2013年

6 丁艷;基于全方位視覺的多目標(biāo)檢測(cè)跟蹤[D];浙江工業(yè)大學(xué);2007年

7 郭曉慧;復(fù)雜場(chǎng)景下視頻監(jiān)控系統(tǒng)中多目標(biāo)檢測(cè)的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2013年

8 黃超;基于視頻的人體多目標(biāo)檢測(cè)與跟蹤算法研究[D];西華大學(xué);2014年

9 王允;基于TMS320DM642的多目標(biāo)檢測(cè)系統(tǒng)的硬件設(shè)計(jì)[D];重慶大學(xué);2009年

10 蔡俊林;醫(yī)學(xué)圖像中多目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];華南理工大學(xué);2012年

，

本文編號(hào)：772836