针对密集杂波背景中雷达微弱海面目标检测问题,提出一种基于修正Hough变换的检测前跟踪(Track Before Detect,TBD)新方法.在传统两级检测器的基础上增加点迹筛选环节,提出一种基于单帧观测数据的修正单帧Hough变换(Modified Single Houg...针对密集杂波背景中雷达微弱海面目标检测问题,提出一种基于修正Hough变换的检测前跟踪(Track Before Detect,TBD)新方法.在传统两级检测器的基础上增加点迹筛选环节,提出一种基于单帧观测数据的修正单帧Hough变换(Modified Single Hough Transform,MSHT)算法,在MSHT空间引入连续多帧共线和速度约束条件,实现对密集杂波点迹的有效抑制;针对海面多目标同时检测需要,改进传统批处理Hough变换算法,使观测空间原点自适应筛选后点迹数据,得到数据匹配Hough变换算法(Data-Matched Hough Transform,DMHT),以提升参数空间多目标分辨与检测能力.基于游程分布理论推导得到新检测器检测性能解析表达式.仿真和实测数据处理结果验证了本文方法的有效性,表明本文方法在密集杂波背景下具有良好检测性能.展开更多
针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect, CRPFB-MTBD)算法,将多...针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect, CRPFB-MTBD)算法,将多目标跟踪问题转换为序贯地检测和跟踪多个单目标的问题.首先,采用代价参考粒子滤波器组序贯地估计所有可能单目标状态序列;其次,基于所有可能单目标状态序列的欧氏距离和累积代价确定目标数量;最后,根据累积代价判断每个目标出现和消失的具体时刻.仿真实验验证了CRPFB-MTBD的优良性能,与基于传统粒子滤波的多目标检测前跟踪算法(Particle filter based multi-target track-before-detect, PF-MTBD)、基于概率假设密度的检测前跟踪算法(Probability hypothesis density based track-before-detect, PHD-TBD)和基于伯努利滤波的检测前跟踪算法(Bernoulli based track-before-detect, Bernoulli-TBD)相比, CRPFB-MTBD的目标状态序列和数量估计结果最佳,且平均单次运行时间极短.展开更多
文摘针对密集杂波背景中雷达微弱海面目标检测问题,提出一种基于修正Hough变换的检测前跟踪(Track Before Detect,TBD)新方法.在传统两级检测器的基础上增加点迹筛选环节,提出一种基于单帧观测数据的修正单帧Hough变换(Modified Single Hough Transform,MSHT)算法,在MSHT空间引入连续多帧共线和速度约束条件,实现对密集杂波点迹的有效抑制;针对海面多目标同时检测需要,改进传统批处理Hough变换算法,使观测空间原点自适应筛选后点迹数据,得到数据匹配Hough变换算法(Data-Matched Hough Transform,DMHT),以提升参数空间多目标分辨与检测能力.基于游程分布理论推导得到新检测器检测性能解析表达式.仿真和实测数据处理结果验证了本文方法的有效性,表明本文方法在密集杂波背景下具有良好检测性能.
文摘针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect, CRPFB-MTBD)算法,将多目标跟踪问题转换为序贯地检测和跟踪多个单目标的问题.首先,采用代价参考粒子滤波器组序贯地估计所有可能单目标状态序列;其次,基于所有可能单目标状态序列的欧氏距离和累积代价确定目标数量;最后,根据累积代价判断每个目标出现和消失的具体时刻.仿真实验验证了CRPFB-MTBD的优良性能,与基于传统粒子滤波的多目标检测前跟踪算法(Particle filter based multi-target track-before-detect, PF-MTBD)、基于概率假设密度的检测前跟踪算法(Probability hypothesis density based track-before-detect, PHD-TBD)和基于伯努利滤波的检测前跟踪算法(Bernoulli based track-before-detect, Bernoulli-TBD)相比, CRPFB-MTBD的目标状态序列和数量估计结果最佳,且平均单次运行时间极短.