恒虚警率PDAF的弱点状目标跟踪技术性能分析

PDAF与PDAF-AI算法广泛应用于雷达目标检测与微弱点状目标跟踪领域,两者不同之处在于PDAF-AI算法在利用目标位置、运动速率的基础上多加了目标的亮度信息通过Kalman滤波器去估计目标下一时刻的状态。PDAF-AI改变了传统PDAF算法忽略目标亮度信息的不足,它应具有更好的跟踪性能。通过对这两种算法跟踪性能的对比分析研究:带亮度的概率数据关联滤波器技术PDAF-AI总体上比传统的PDAF技术具有更好的实时跟踪性能,然而在强杂波或跟踪区域存在高亮杂波的情况下PDAF-AI的跟踪性能可能会有所下降。

基于幅值信息的改进集成概率数据关联算法

为通过幅值信息进一步提高概率数据关联算法的目标跟踪性能,且考虑到跟踪过程中目标的存在性问题,提出了一种基于幅值信息的集成概率数据关联算法,将幅值似然比引入目标存在概率和关联概率的计算过程中,可以改善集成概率数据关联算法的跟踪性能,提高目标存在性判断的快速性,降低目标丢失概率.最后通过仿真验证了改进算法的有效性.