隨著目標(biāo)的多樣化和實(shí)際環(huán)境的復(fù)雜化,現(xiàn)代雷達(dá)的探測(cè)能力正在面臨十分嚴(yán)峻的挑戰(zhàn),而微弱目標(biāo)的檢測(cè)與跟蹤問(wèn)題就是其中之一。檢測(cè)前跟蹤技術(shù)（Track-Before-Detect,TBD）是一種在低信噪比環(huán)境下對(duì)微弱目標(biāo)進(jìn)行有效檢測(cè)的方法,而動(dòng)態(tài)規(guī)劃?rùn)z測(cè)前跟蹤算法（DP-TBD）是TBD技術(shù)的主要實(shí)現(xiàn)方式之一。DP-TBD算法可以把一個(gè)較為復(fù)雜的多級(jí)決策問(wèn)題轉(zhuǎn)化為多個(gè)單級(jí)決策過(guò)程,然后通過(guò)將每個(gè)單級(jí)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(diǎn)。本文將主要對(duì)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(dòng)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(duì)DP-TBD算法的實(shí)現(xiàn)流程進(jìn)行了介紹,另外還對(duì)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(shuō)明。（2）重點(diǎn)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(píng)價(jià)算法性能好壞的衡量指標(biāo)。針對(duì)傳統(tǒng)DP-TBD算法存在的能量擴(kuò)散現(xiàn)象以及對(duì)機(jī)動(dòng)目標(biāo)跟蹤效果差的問(wèn)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(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)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(dòng)態(tài)規(guī)劃的雷達(dá)弱目標(biāo)檢測(cè)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(shí)的值函數(shù)能量分布?（ｄ）?Ｋ＝１０時(shí)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(shí)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�。海�?ｆｌ??（ａ）?Ｋ＝１時(shí)的值函數(shù)能量分布?（ｂ）?Ｋ＝４時(shí)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(shí)的值函數(shù)能量分布?（ｄ）?Ｋ＝１０時(shí)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(shí)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(shí)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(shí)目標(biāo)幾乎完全淹沒(méi)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(lái)越凸顯。從圖中可以看出，經(jīng)過(guò)ＤＰ－ＴＢＤ算法的多幀積累后，??真實(shí)目標(biāo)逐漸形成ｒ－個(gè)棱錐狀的凸起，這樣非常有利于目標(biāo)的檢測(cè)。??圖３．４為ＳＮＲ＝５ｄＢ時(shí)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(guò)程基本與前面一致，但算法在ＳＮＲ＝５ｄＢ時(shí)的整體積累??效果不如ＳＮＲ＝７ｄＢ，目標(biāo)沒(méi)有被完全凸顯出來(lái)。這是因?yàn)樵谀繕?biāo)能量積累的同時(shí)噪聲??也會(huì)被積累，這就造成了多幀積累過(guò)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(shí)??現(xiàn)雷達(dá)弱目標(biāo)的有效檢測(cè)和跟蹤，必須盡量克職“團(tuán)聚效應(yīng)”。??（３）仿真實(shí)驗(yàn)３：?ＰＤ，ＰＴ，?ＲＭＳＥ隨ＳＮＲ變化的效果比較。??假設(shè)雷達(dá)觀測(cè)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(cè)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(cè)門(mén)限ＦＤＴ＝４２，此外過(guò)程噪聲??％?￣＃（０，０．３５），觀測(cè)噪聲？？＃（０，０．５）。當(dāng)目標(biāo)幅度Ｊ?＝?０．５時(shí)，檢測(cè)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(hào)：2948875