基于PHD滤波的多目标跟踪及应用研究

近年来,基于概率假设密度(Probability Hypothesis Density,PHD)滤波的多目标跟踪技术已成为信息融合研究的热门领域。文章概述了基于PHD滤波的多目标跟踪方法的产生和发展状况,对PHD滤波的原理和实现方法进行阐述,介绍了基于PHD滤波的多目标跟踪评价指标,重点对基于PHD滤波的应用现状进行总结概述,并对下一步PHD滤波技术发展需要重点关注的几个问题进行总结。     

海杂波典型幅度分布模型的仿真分析

为改善舰载雷达目标检测的性能,对瑞利分布、对数正态分布、韦布尔分布和K分布四种典型海杂波幅度分布模型进行模拟仿真,分析了四种分布模型的特点规律,并采用海杂波实测数据,对模型进行拟合度检验,实验结果表明,K分布海杂波模型实用性广,能够在不同参数下描述多种海况的海杂波分布规律,为抑制海杂波提高目标检测性能提供了理论依据。     

舰载雷达目标跟踪的非线性滤波仿真

雷达观测模型常常是非线性的,目标跟踪问题是一个非线性状态混合估计.考虑目标稳定跟踪与实时性要求,采用"当前"统计目标运动模型与粒子滤波(PF)非线性方法对雷达机动目标跟踪进行算法分析.仿真验证了"当前"统计模型下的非线性粒子滤波及扩展卡尔曼滤波(EKF)目标跟踪性能,表明非线性粒子滤波,尤其是U变换粒子滤波(UPF)目标跟踪精度和稳定性较好,值得工程应用与推广.     

提高舰载雷达低空目标检测性能技术研究

对海杂波影响舰载雷达系统低空探测性能的原因进行了分析，并研究了海杂波信号幅度分布特性，提出使用α稳定分布建立雷达低空观测信号模型，指出研究基于分数低阶统计量的雷达目标信号检测与估计韧性替代算法的必要性，以实现恒虚警概率下的雷达目标最佳检测，探索提高岸基和舰载雷达对低空及海面目标探测和跟踪性能新的发展方向。     

基于分数低阶统计量的卡尔曼滤波目标跟踪算法

针对杂波干扰环境中的非高斯特性,发现海杂波噪声、闪烁噪声等具有显著尖峰的非高斯噪声,可以采用α稳定分布建立更符合实际的噪声模型。根据统计信号处理最新理论和技术,利用p阶分数相关和分数低阶协方差替代传统相关和协方差来改进Kalman滤波器,优化获得基于分数低阶统计量的Kalman滤波目标跟踪新算法(FLOS-KF)。仿真验证了FLOS-KF滤波跟踪新算法可以更好地适应非高斯复杂环境,得到稳健的跟踪效果。