基于DP-TBD的协同组网雷达方位标定误差估计与目标检测

提出一种基于动态规划-检测前跟踪(dynamic programming track-before-detect,DP-TBD)的协同组网雷达方位角标定误差估计与目标检测算法。该算法将DP-TBD方法和多雷达协同处理相结合,将各雷达的坐标系统一到基准雷达坐标系上,利用多部雷达进行DP-TBD处理,得到各雷达的多帧累积值函数,直接利用量测数据估计组网雷达的方位角标定误差,再进行多部雷达的协同积累处理,实现目标检测。该算法可显著提高低信噪比条件下的目标检测性能。仿真结果验证了该算法的有效性。

末制导雷达双门限DP-TBD算法的工程实现研究

针对海面隐身舰船的弱、小目标检测,反舰导弹传统末制导雷达检测算法存在不足。文中提出了一种能够用于弱、小目标检测的末制导雷达检测与跟踪算法--检测前跟踪算法,目的是解决传统算法面临的一些问题。采用的是双门限基于动态规划的检测前跟踪算法,给出了工程实现流程,通过复杂度分析和测试数据检验,证明了该算法的性能与潜在价值。虽然信噪比改善还有待提高,但对提高末制导雷达检测弱小目标具有较好的实际意义。

基于方向加权多级门限DP-TBD的目标轨迹检测算法

在分析了双门限DP-TBD算法及多级门限DP-TBD算法的优缺点后,对多级门限DP-TBD算法进行了改进,提出了方向加权多级门限DP-TBD算法。这种算法在牺牲计算量的前提下,减少了伪轨迹的数量,提高了对目标轨迹检测和跟踪的准确率,对反舰导弹末制导雷达对岛岸附近弱小目标的检测和跟踪具有重要的借鉴意义。

基于DP-TBD算法的目标真伪识别方法

动态规划检测前跟踪(DP-TBD)算法是一种检测微弱目标的检测方法,可明显改善信噪比,但检测目标的提取与识别仍是技术难点。利用轨迹特征剔除虚假目标,提出一种目标综合识别方案。仿真结果证明,该方案可有效剔除虚警并保留真实目标。

基于DP-TBD的分布式异步迭代滤波融合算法研究

该文主要运用检测前跟踪动态规划(Dynamic Programming-Track Before Detect)算法解决目标跟踪问题。动态规划(Dynamic Programming,DP)是一种通过对量测空间栅格化处理,然后对离散的量测空间中所有可能的物理路径进行遍历的算法。然而,该算法提供的是一种未经滤波和平滑的点迹序列。随着实际战争环境日益复杂,基于单雷达的DP-TBD算法在信噪比(SNR)较低时跟踪效果不佳。此外,由于DP-TBD算法没有状态误差协方差矩阵,因此无法将不同雷达的点迹序列进行融合。而且由于通信时延和不同的采样周期,不同雷达的数据往往是异步的。为了解决以上问题,该文提出了一种基于DP-TBD的分布式异步迭代滤波融合算法(Dynamic Programming Fuison,DPF)。该算法分为两步,第1步提出了一种迭代滤波方法对DP点迹进行处理;第2步将不同雷达获得的异步状态估计转化为同步的,接着利用几种分布式的融合方法来获取融合之后的状态估计。仿真结果说明,和单雷达相比,该融合算法可以有效提升目标跟踪的性能,同时,该算法也可以降低航迹丢失率和计算量。

基于动态规划的多目标复合检测与跟踪算法

基于动态规划的多目标检测跟踪算法涉及计算量爆炸和邻近目标难分辨的问题.针对实际应用中目标个数未知和环境中强弱目标并存限制的情况,提出一种基于动态规划的多目标复合检测与跟踪算法.首先利用传统恒虚警率(CFAR)算法进行一次检测,实现对强目标的检测和剔除;然后采用基于动态规划检测前跟踪算法对一次检测后的数据进行分区动态规划,实现对微弱目标的检测与跟踪,从而实现复杂环境下密集目标的有效探测.通过仿真和实测数据对本文算法性能进行了验证,结果表明该算法的高效性和稳健性.

一种复杂杂波背景下的DPTBD算法

针对强杂波背景下常规动态规划检测前跟踪(Dynamic Programming Track-Before-Detect,DP-TBD)算法虚假航迹增多的问题,介绍了一种适用于弱机动目标的基于方向信息辅助DP-TBD算法。该算法利用真实目标航迹方向在短时间内变化不大特点,通过统计过门限目标点航迹偏离角来剔除虚假航迹。与传统DP-TBD算法相比,仿真结果显示基于方向信息辅助DP-TBD算法在强杂波背景下针能有效剔除强杂波所引起的虚假航迹。

基于动态规划的多目标检测前跟踪算法

本文针对低信杂比条件下的多目标检测与跟踪问题,提出了一种基于动态规划的多目标检测前跟踪算法.该算法能够比较准确地估计搜索空间中潜在的目标数量,并且最佳地分离出每个目标的航迹,从而较好地解决了以往检测前跟踪算法在目标数量未知的条件下容易出现漏警和虚警较多的问题.

基于隐马尔可夫模型的动态规划检测前跟踪算法

传统的动态规划检测前跟踪(dynamic programming track-before-detect,DP-TBD)算法能有效实现对匀速直线运动目标的检测跟踪,但其忽略了目标帧间状态转移概率,因此在对机动目标进行检测跟踪时容易受噪声干扰,产生错误的状态关联。对此提出了一种基于隐马尔可夫模型的DP-TBD算法。该算法利用隐马尔可夫模型对目标的运动过程建模,用一系列隐状态表示目标转弯速率并利用隐马尔可夫模型的隐状态估计理论实现对转弯速率的估计和预测,进而得到当前目标状态的预测值,根据此预测状态与下一时刻回波数据分辨单元间的距离来计算转移概率。然后将转移概率应用于DP-TBD算法的能量积累过程中以提高检测跟踪性能。仿真实验基于机动目标,给出了所提算法的检测跟踪性能,并与传统的DP-TBD算法、方向加权DP-TBD算法以及线性最小二乘DP-TBD算法进行了分析比较,验证了该算法的有效性。

中压配电网规划中供电分区划分方法研究

针对中压配电网规划中输电能力较弱,分区划分困难的问题,采用映射规约技术将各中压用户复杂的电力数据进行梳理,并根据梳理结果划分为各区域供电等值模型,完成配电网的自动划分;通过建立的等值模型对供电分区电力进行线路规划,应用三角形联结的方式将供电区域电路划分为等值的线路,提高输电能力的同时增加电网稳定性;利用动态规划检测前跟踪(Dynamic Programming-Track Before Detect DP-TBD)对等值模型输电情况进行分析。通过试验,提出方案供电等值模型最大输电量为10 kV,运行稳定性达到85%以上。

采用动态规划的机动目标检测前跟踪算法

针对传统的动态规划检测前跟踪算法能够覆盖的目标机动范围受限于预设的有效状态转移范围的缺陷,提出了一种新的适用于机动目标的动态规划检测前跟踪算法.通过状态转移方式优化,提高了对机动目标的状态搜索效率,增大了搜索范围;通过转移速度加权,使新算法能够按照机动目标的运动趋势进行能量积累.所提算法在不改变参数的情况下,对强机动与弱机动目标都能够进行准确检测.通过仿真实验对所提算法与传统算法进行了对比分析,采用实测数据验证了该算法的适用性.

基于分布式MIMO雷达的检测前跟踪算法研究

近些年来MIMO雷达技术正在逐步兴起并得到了快速发展。因其能够充分利用空间分集和波形分集,所以对弱小目标和雷达截面积闪烁目标都有很好的检测性能。为达到提升对弱小目标的检测概率,运用动态规划将检测前跟踪思想引入MIMO雷达系统,提出了基于MIMO雷达的检测前跟踪方法。MIMO雷达的空间分集特性能够降低检测前跟踪回波积累的时间,从而提高雷达系统对机动目标的检测概率。仿真实验结果表明,基于MIMO雷达的检测前跟踪方法检测性能良好,有效提升了检测概率,是一种有效检测机动弱目标的方法。

动态规划算法在检测前跟踪技术中应用

近年来,基于动态规划(DP)算法的检测前跟踪(TBD)技术在雷达信号处理领域的应用,已扩展至弱小目标检测领域。该算法虽在工程中得到初步验证,仍存在较多问题。鉴于此,介绍了DP算法概念,分析了DP算法在弱小目标检测应用中的机理,并从理论上验证了DP算法在TBD技术中的应用。

一种基于动态规划的弱目标检测方法

针对机载脉冲多普勒雷达检测弱目标困难,提出一种改进的动态规划方法.在动态规划算法中引入多级幅值累加判决门限,在循环递归过程中丢弃一部分目标轨迹,减少了算法计算量.经实测数据验证,该方法在强杂波背景下能较好地检测出低信噪比运动目标。

基于动态规划的非均匀杂波环境中的复似然比检测前跟踪算法

非均匀杂波背景下的微弱目标检测是一个具有挑战性的难题,而基于动态规划的检测前跟踪算法是一种检测微弱目标的高效算法,然而杂波的非均匀性是影响该算法检测性能的重要因素。本文提出了一种将动态规划算法与先验杂波图信息相结合的新算法。然而现存的文献在构造动态规划的值函数时仅仅利用了复数据的幅度信息。针对以上缺点,本文提出了一种将杂波图与复数据相位信息相结合的复似然比函数,然后利用该似然比函数作为动态规划的值函数对目标进行检测和跟踪,最后对伪航迹进行了有效处理。仿真表明了该算法的可行性和高效性。

机载预警雷达STAP-TBD技术研究

针对机载预警雷达在强地/海杂波环境下的微弱目标检测问题,研究了基于动态规划的空时自适应处理级联检测前跟踪(STAP-TBD)技术.首先建立了空时二维杂波数学模型并给出了STAP-TBD广义似然比检测模型,通过STAP处理获得单帧最优输出信杂噪比,并运用动态规划法对连续帧数据进行积累,最后利用广义似然比检测完成对目标的有效检测.仿真结果表明,STAP-TBD技术具有在强杂波背景下检测微弱目标的能力.