海杂波背景下机动目标跟踪算法的研究

【摘要】：雷达目标探测与跟踪一直都是一项重要的研究课题。近几年,海杂波背景下的雷达信号处理的研究引起了越来越多学者的关注。本文主要研究了海杂波背景下的目标跟踪技术。本文将海杂波信号作为背景杂波,并重点引入目标幅度的量测特征信息,提高了对目标状态的估计精度以及跟踪性能。随着科技的日益发展成熟,雷达分辨率逐渐提高,雷达观测下的海杂波表现出非平稳。在背景杂波特性为非平稳时精确地估计出目标的运动轨迹成为了一个重要研究课题。若能够充分利用雷达所接收到的量测信息,则能够更加准确地得到目标状态。因此,本文将回波的幅度信息引入目标跟踪算法中,以提高机动目标状态估计精度。在高分辨率雷达的照射下,海杂波所表现出的非平稳特性,常用的瑞利分布模型无法对其准确的拟合,严重影响对机动目标的跟踪效果。为了在相对较低的计算复杂度下得到较好的目标状态估计,本文使用K分布模型对海杂波建模,并在单目标跟踪和多目标跟踪研究中分别与概率数据关联算法和粒子概率假设密度滤波算法相结合。本文的主要工作有如下几个部分:第一部分,研究了海杂波的形成机理及其幅度特性,明确了海杂波的空间和时间的相关性。给出了几种常用的幅度统计模型及模型的概率密度函数的分布图形。第二部分,研究了海杂波背景下机动单目标跟踪技术。首先概述了机动单目标跟踪方法的传统研究,随后用概率数据关联(PDA)算法对目标进行了状态估计。在PDA算法的基础上,重点研究了引入量测幅度信息的改进算法,并进行仿真分析。第三部分,研究了海杂波背景下机动多目标的跟踪算法。由于对多目标跟踪时,数据关联算法需要对目标和航迹数据进行关联,计算量大且对近距离运动的目标难以进行有效跟踪。为此,本文引入了概率假设密度(PHD)算法,在K分布杂波中对目标进行滤波估计。对比几种算法的仿真结果表明,本文提出的算法在对目标状态估计的性能上是相对最优的。