PF-TBD算法及其在天波超視距雷達中的應用研究.pdf

1、復雜的現代戰(zhàn)爭環(huán)境造成了目標的信噪比和信雜比的降低，使用傳統的檢測方法越來越難以捕捉弱目標，迫切需要針對弱目標的新的檢測與跟蹤算法。檢測前跟蹤（TBD）算法不再對觀測數據直接設定門限，而是經過多幀數據的積累之后按照某種規(guī)則進行檢測判決，如果檢測到目標存在并同時給出航跡。粒子濾波是一種針對非線性系統的貝葉斯遞歸濾波算法，并且粒子的權重可以構造似然比，使得粒子濾波可以完整地進行檢測與跟蹤。基于粒子濾波的TBD算法是一種重要的TBD算法。

2、r>　　本文主要研究了幾種基于粒子濾波的TBD算法，并在不同模型下進行仿真，主要內容有：
　　1、研究了兩種基于存在概率檢測的PF-TBD算法，即標準的PF-TBD算法和優(yōu)效的PF-TBD算法，對兩種算法的性能進行了比較。仿真表明，在0.6和0.5兩種檢測門限下，優(yōu)效的 PF-TBD在高信噪比和中等信噪比下檢測性能高于標準的PF-TBD，在低信噪比下檢測性能反之。前者的平均虛警概率要高于后者。
　　2、針對基于序貫概率比檢測

3、（SPRT）的PF-TBD算法無法檢測到目標消失的問題，提出了一種改進算法，即利用多個時刻的單次似然比進行滑窗處理，滑窗內的似然比都大于門限時判定目標存在，都小于門限時判定目標消失，其余情況維持原判決。有效地解決了檢測目標消失的問題，并且相比于基于SPRT的PF-TBD算法提高了低信噪比時的檢測概率。
　　3、對幾種PF-TBD算法進行比較，標準的PF-TBD算法相較于優(yōu)效的PF-TBD算法，信噪比達到一定時平均有效檢測概率要更小

4、，優(yōu)效的 PF-TBD算法平均虛警概率更小，兩種算法都能有效地檢測到目標出現和消失。而基于修正的單次似然比PF-TBD算法較基于序貫概率比的PF-TBD算法，能夠解決無法檢測到目標消失的問題。
　　4、將PF-TBD算法應用到天波超視距雷達模型中，天波超視距雷達模型將回波信號進行匹配濾波、快速傅里葉變換和波束形成處理之后產生的觀測數據，可用于TBD處理。將觀測數據運用標準的PF-TBD算法處理，實現了OTHR的弱目標檢測。仿真驗證