论文摘要
各种隐身和高速目标的出现使得地基雷达的探测能力大幅下降,这迫使地基雷达提高探测微弱目标的能力。检测前跟踪(TBD)技术就是实现微弱目标探测的一种有效手段,其中的动态规划算法(DPA)具有易实现、计算量相对较小等优点,因而成为了国内外研究的热点。本文围绕微弱目标的检测跟踪问题,主要研究了基于动态规划的微弱目标TBD算法,主要内容为:1、针对动态规划算法的目标航迹检测及跟踪问题,分析了该算法的目标航迹检测性能及目标跟踪精度,采用了滑窗DPA方法,该方法利用了目标跟踪精度中间位置高、两边位置低的特点,提高了目标跟踪性能。2、针对动态规划算法无法有效检测转弯运动及匀加速运动目标的问题,提出了卡尔曼动态规划算法,该算法避免了动态规划算法转移步长固定的缺陷,可以自适应的改变转移步长,有效的检测转弯运动目标和匀加速运动目标。3、针对动态规划算法如何利用先验知识提高探测性能的问题,研究了基于先验知识的动态规划算法,从值函数类型的选取、目标状态可能转移范围的确定、检测统计量选取及门限设定三个方面分析了环境知识对动态规划算法的影响,并研究了两种利用先验知识的方法。仿真验证了上述方法的有效性。相对于传统的跟踪前检测技术,基于动态规划的TBD算法更能够实现对微弱目标的有效探测,提高对微弱目标的检测跟踪性能。
论文目录
摘要ABSTRACT第1章 绪论1.1 研究背景及意义1.2 国内外研究动态1.3 本文主要工作第2章 基于动态规划的弱目标TBD 算法2.1 基于动态规划的弱目标TBD 算法基本思想2.2 基于动态规划的弱目标TBD 算法理论模型2.2.1 目标运动模型2.2.2 目标测量模型2.2.3 基于动态规划的弱目标TBD 算法2.3 基于动态规划的弱目标TBD 算法仿真2.4 本章小结第3章 卡尔曼动态规划算法3.1 背景介绍3.2 目标运动模型3.2.1 转弯运动目标运动模型3.2.2 匀加速运动目标运动模型3.3 卡尔曼滤波步骤3.4 卡尔曼动态规划算法3.5 卡尔曼动态规划算法仿真3.5.1 转弯运动目标仿真3.5.2 匀加速运动目标仿真3.6 卡尔曼动态规划算法对目标状态估计的误差分析3.6.1 对转弯运动目标状态估计的误差分析3.6.2 对匀加速运动目标状态估计的误差分析3.7 卡尔曼动态规划算法改进3.7.1 检测转弯运动目标的算法改进方法3.7.2 检测匀加速运动目标的算法改进方法3.8 本章小结第4章 基于先验知识的DPA 研究4.1 先验知识对DPA 的影响4.2 基于动态杂波库的动态规划检测前跟踪方法4.2.1 值函数类型的选取4.2.2 目标状态可能转移范围的确定4.2.3 检测统计量选取和门限设定4.3 仿真4.4 本章小结第5章 全文总结5.1 工作总结5.2 工作展望致谢参考文献攻读硕士学位期间取得的研究成果
相关论文文献
标签：微弱目标探测论文; 检测前跟踪论文; 动态规划算法论文; 先验知识论文;
