临近空间高超声速目标滑跃式轨迹Sine-AIMM跟踪算法

针对单一的Sine模型算法无法与临近空间高超声速目标滑跃式轨迹准确匹配,现有的交互多模型(IMM)算法跟踪效果也不够理想的问题,提出一种基于多重贝叶斯准则的自适应交互式多Sine模型(Sine-AIMM)临近空间高超声速滑跃式目标跟踪算法。算法采用多个Sine模型对滑跃式轨迹进行匹配,并利用多重贝叶斯准则在线调整各模型权重和模型转移概率矩阵。仿真结果表明,本文所提Sine-AIMM算法能够实现对临近空间高超声速滑跃式目标的有效跟踪,较单Sine模型算法和现有IMM算法跟踪性能更优。     

临近空间高超声速多目标检测前跟踪算法

针对临近空间不同径向距离高超声速目标难以同时被有效检测的问题,提出一种通过峰值聚优改进Hough变换积累结果的检测前跟踪(TBD)算法。采用径向距离-时间坐标描述数据,减少量测误差影响,规格化坐标使2个维度处于同一量级。进行Hough变换,分割参数单元进行点数积累和能量积累,采用标签矩阵记录每个量测点曲线经过的参数单元,遍历所有量测点将每个量测点只存于其所能构成能量积累值最大的参数单元,得到新的点数积累和能量积累结果。只对点数积累空间设置门限提取目标航迹,进行航迹约束和合并,输出最终航迹。仿真结果显示,算法将3个目标全部检测出的概率可达到90%,具有较好的多目标检测性能。     

主被动传感器UT-DC目标定位算法

主被动传感器融合定位具有高度非线性,针对采用传统的线性化方法计算变量统计特性,理论定位结果与实际定位结果相差较大的情况,文章提出了基于不敏变换(UT)的数据压缩(DC)融合定位算法。首先,通过不敏变换精确计算了二维变量的统计特性,减小了非线性误差的影响;其次,针对数据压缩过程中量测信息重复利用的问题进行去相关性处理,获得较高的定位精度;最后,通过理论分析和仿真结果验证,相较于传统的线性化处理方式相差较大的情况,基于不敏变换的数据压缩融合定位方法理论结果与实际结果相吻合。     

基于点集合并的修正Hough变换TBD算法

在低信噪比条件下,基于Hough变换的检测前跟踪算法是进行强杂波背景下目标航迹检测的一种手段。本文针对Hough变换后一个目标产生多条可能航迹以及航迹内可能存在杂波点的问题,提出了一种基于能量最大点和点集合并的修正Hough变换检测前跟踪算法。该算法利用量测点时序、能量信息及目标速度先验信息对Hough变换后点迹进行关联和剔除,能够有效的对目标原始航迹进行回溯。针对高斯噪声背景下的飞行目标,仿真结果表明该算法能够对微弱目标进行有效检测,在目标数目、杂波密度、信噪比发生变化的条件下仍能保持较高的检测概率。     

临近空间伴有尾流高超声速目标检测定位算法

临近空间高超声速目标由于尾迹的产生使雷达散射截面积(RCS)存在突增现象。为解决在此状态下的目标检测及本体定位问题,首先,提出圆台模型模拟尾迹多散射点分布范围,采用密度峰值聚类筛选本体及尾迹量测点;然后,采用修正Hough变换筛选目标航迹,根据运动目标坐标间的数学关系进行本体定位;最后,输出结果。仿真结果显示：算法对2个不同尾迹长度的目标均保持近90%的检测概率,对2个目标全部检测的概率具有近80%的检测概率,且检测概率不随RCS差、尾迹长度和信杂比的变化而产生较大变化,具有一定的应用前景。     

多尺度搜索补偿的临近空间高超声速目标相参积累算法

针对临近空间高超声速目标回波信号相参积累时存在的跨距离门和多普勒扩展问题，提出一种基于多尺度搜索补偿的相参积累算法。算法在距离走动补偿的基础上，根据目标加速度和加加速度的变化区间，同时对目标加速度和加加速度估计值进行搜索，并利用多尺度搜索的方法，解决搜索尺度和搜索计算量之间的矛盾，完成相参积累。仿真结果表明，算法能够有效解决目标长时间积累过程中存在的跨距离门和多普勒扩展问题，抑制噪声并提高增益，积累效果明显优于传统积累方法。     

一种基于扩展模型的隐身目标检测前跟踪方法

现有的检测前跟踪算法对高分辨雷达隐身目标模型适应性不强,从而容易导致跟踪发散。针对该问题,把粒子滤波与检测前跟踪算法相结合应用于扩展隐身目标的检测跟踪,提出了一种隐身目标扩展模型检测前跟踪方法。首先,采用扩展模型对目标的扩展属性进行假设检验,从而判断目标是否为扩展目标;然后,把目标扩展长度引入状态向量,进行基于扩展模型的隐身目标检测前跟踪（Track-before-detect,TBD）,克服粒子滤波易发散的不足,实现对目标空间长度的估计。仿真结果表明,该算法能够准确判断目标的扩展属性并进行有效的检测跟踪。