隨著目標(biāo)的多樣化和實際環(huán)境的復(fù)雜化,現(xiàn)代雷達(dá)的探測能力正在面臨十分嚴(yán)峻的挑戰(zhàn),而微弱目標(biāo)的檢測與跟蹤問題就是其中之一。檢測前跟蹤技術(shù)（Track-Before-Detect,TBD）是一種在低信噪比環(huán)境下對微弱目標(biāo)進(jìn)行有效檢測的方法,而動態(tài)規(guī)劃檢測前跟蹤算法（DP-TBD）是TBD技術(shù)的主要實現(xiàn)方式之一。DP-TBD算法可以把一個較為復(fù)雜的多級決策問題轉(zhuǎn)化為多個單級決策過程,然后通過將每個單級決策最優(yōu)化從而得到全局的最優(yōu)解,該算法原理清晰、性能優(yōu)良,是近幾年的研究熱點。本文將主要對雷達(dá)弱目標(biāo)DP-TBD算法進(jìn)行研究,主要內(nèi)容概括如下:（1）分析了動態(tài)規(guī)劃的基礎(chǔ)理論并將其應(yīng)用到TBD技術(shù)中,然后構(gòu)建了傳統(tǒng)DP-TBD算法的主要系統(tǒng)模型,并在該模型框架下對DP-TBD算法的實現(xiàn)流程進(jìn)行了介紹,另外還對影響算法性能好壞的值函數(shù)和狀態(tài)轉(zhuǎn)移原理進(jìn)行了具體說明。（2）重點研究了幾種單目標(biāo)DP-TBD算法及其改進(jìn)算法,并構(gòu)建了評價算法性能好壞的衡量指標(biāo)。針對傳統(tǒng)DP-TBD算法存在的能量擴(kuò)散現(xiàn)象以及對機動目標(biāo)跟蹤效果差的問題,依次提出了基于方向加權(quán)的DP-TBD算法、基于自適應(yīng)狀態(tài)轉(zhuǎn)移集的DP-TB... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．２目標(biāo)狀態(tài)轉(zhuǎn)移范圍模型??Ｆｉ．?２．２?Ｍｏｄｅｌ?ｏｆ?ｔａｒｅｔ?ｓｔａｔｅ?ｔｒａｎｓｉｔｉｏｎ?ｒａｎｅ??

?基于動態(tài)規(guī)劃的雷達(dá)弱目標(biāo)檢測前跟蹤算法研宄???Ｋ＝８ｊ?Ｋ＝１０??Ｉ］?？?－＂Ｉ??，ｎ￣?．?＂２〇?ｌｉｗＨＩＬｉ??＼？分辨單元?〇?０?Ｘ分辨單元?彳分ｈｉ＂：?０?０?＼分??（ｃ）?Ｋ＝８時的值函數(shù)能量分布?（ｄ）?Ｋ＝１０時的值函數(shù)能量分布??（ｃ）?Ｅｎｅｒｇｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｗｈｅｎ?Ｋ＝８?（ｄ）?Ｅｎｅｒｇｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｗｈｅｎ?Ｋ＝１０??圖３．３?ＳＮＲ＝７ｄＢ時的積累值函數(shù)能量分布??Ｆｉｇ．?３．３?Ｅｎｅｒｇｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｃｕｍｕｌａｔｉｖｅ?ｍｅｒｉｔ?ｆｕｎｃｔｉｏｎ?ｗｈｅｎ?ＳＮＲ?＝?７ｄＢ??Ｋ＝Ｊ?＇?；Ｋ＝４??４＜１?‘?１５?ｖ??＾?．丨，?；＇??Ｃｒ?Ｉ?ｉ：?１０＇??２０?２０?ｉｏ＾＾＾Ｔｏ?２０??Ｙ，絲至弋?０?０?＼分￥至虧?、分Ｇ遍氣?００?Ｘ?＾５！：．?ｆｌ??（ａ）?Ｋ＝１時的值函數(shù)能量分布?（ｂ）?Ｋ＝４時的值函數(shù)能量分布??（ａ）?Ｅｎｅｒｇｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｗｈｅｎ?Ｋ＝１?（ｂ）?Ｅｎｅｒｇｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｗｈｅｎ?Ｋ＝４??．？．卜８?Ｋ＝ｌ？??３０ｓ?３０＾??１?０?〇?１０?ｘ－－５．－？ｔ?Ｙ分辨單元?１０?〇?１０?．Ｖ分Ｋｉ二－??（ｃ）?Ｋ＝８時的值函數(shù)能量分布?（ｄ）?Ｋ＝１０時的值函數(shù)能量分布??（ｃ）?Ｅｎｅｒｇｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｗｈｅｎ?Ｋ＝８?（ｄ）?Ｅｎｅｒｇｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｗｈｅｎ?Ｋ＝１０??圖３．４?ＳＮＲ＝５ｄＢ時的積累值

?大連海事大學(xué)碩士學(xué)位論文???圖３．３是ＳＮＲ＝７ｄＢ時傳統(tǒng)ＤＰ－ＴＢＤ算法的積累值函數(shù)在尺＝１，４，８，１０幀下的能量分??布圖。由圖３．３可知：當(dāng)尤＝１時目標(biāo)幾乎完全淹沒在噪聲中，隨著積累幀數(shù)的增加，噪??聲逐漸被抑制而目標(biāo)越來越凸顯。從圖中可以看出，經(jīng)過ＤＰ－ＴＢＤ算法的多幀積累后，??真實目標(biāo)逐漸形成ｒ－個棱錐狀的凸起，這樣非常有利于目標(biāo)的檢測。??圖３．４為ＳＮＲ＝５ｄＢ時傳統(tǒng)ＤＰ－ＴＢＤ算法的值函數(shù)在尤＝１，４，８，１０幀下的能量分布圖。??由圖３．４可知，值函數(shù)的積累過程基本與前面一致，但算法在ＳＮＲ＝５ｄＢ時的整體積累??效果不如ＳＮＲ＝７ｄＢ，目標(biāo)沒有被完全凸顯出來。這是因為在目標(biāo)能量積累的同時噪聲??也會被積累，這就造成了多幀積累過程中的能量擴(kuò)散，即“團(tuán)聚效應(yīng)”現(xiàn)象。??總結(jié)可知，傳統(tǒng)ＤＰ－ＴＢＤ算法在低信噪比環(huán)境下普遍存在著能量擴(kuò)散現(xiàn)象，為了實??現(xiàn)雷達(dá)弱目標(biāo)的有效檢測和跟蹤，必須盡量克職“團(tuán)聚效應(yīng)”。??（３）仿真實驗３：?ＰＤ，ＰＴ，?ＲＭＳＥ隨ＳＮＲ變化的效果比較。??假設(shè)雷達(dá)觀測區(qū)域大小為從乂＂?＝?６（＾６０，＼軸和７軸的分辨單元。１＝６＞＜?＝?１，總共??觀測尤＝１０幀數(shù)據(jù)，并且雷達(dá)的掃描周期間隔Ｔ?＝?設(shè)置目標(biāo)的初始狀態(tài)向量為：??％?＝?［１０，４，０，１０，４，０］，目標(biāo)狀態(tài)轉(zhuǎn)移數(shù)《＝１６，檢測門限ＦＤＴ＝４２，此外過程噪聲??％?￣＃（０，０．３５），觀測噪聲？？＃（０，０．５）。當(dāng)目標(biāo)幅度Ｊ?＝?０．５時，檢測概率ＰＤ，跟蹤概??率盡和位置均方根誤差ＲＭＳＥ隨ＳＮＲ變化的效果圖如下：??ｉ??１?ｉ?ｉ?ｉ?Ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?？?■？?？?０


本文編號：2948875