改进粒子滤波的弱目标跟踪与检测

基于粒子滤波的检测前跟踪技术（TBD\|PF）是低信噪比环境下目标检测与跟踪的有效方法。针对传统的TBD\|PF算法经重采样后容易导致粒子耗尽,从而跟丢目标的缺点。本文提出采用对权重较低的部分“存活”粒子用“新生”粒子将其替换,且对重采样后的粒子实施马尔科夫链蒙特卡洛（MCMC）移动步骤的粒子更新策略,在增加粒子多样性的同时保证了粒子的有效性。仿真实验分析了粒子数大小,预设门限的选取对检测性能的影响。实验结果表明,所提算法的检测与跟踪性能要优于传统的粒子滤波算法。
     

天基雷达高速微弱目标的积累检测

本文研究天基雷达高速微弱目标的相干积累检测问题。首先根据回波高阶相位影响包络补偿效果的程度对数据进行分段处理;然后对每个数据段采用速度滤波器组进行划分和Keystone变换补偿包络走动并结合分数阶傅立叶变换估计回波相位历程;最后利用最小二乘方法拟合出目标的运动参数并对目标回波进行长时间相干积累。仿真结果表明本文方法具有良好的高速微弱目标积累检测性能。     

基于MM-GGIW-PMBM滤波的扩展目标跟踪算法

针对多机动扩展目标跟踪问题,将交互式多模型的思想引入泊松多伯努利混合滤波(PMBM)算法中,提出了一种多模型的伽马高斯逆威夏特-泊松多伯努利混合滤波(MM-GGIW-PMBM)算法。该算法融合多种运动模型,通过模型的交互实现对机动扩展目标扩展状态和质心状态的混合估计预测;通过引入强跟踪滤波(STF)中的渐消因子修正预测之后GGIW分量中的协方差矩阵,防止发生跟踪模型失配的现象;在PMBM更新阶段扩展目标外形和质心估计完成的基础上,利用似然函数完成模型概率的更新。仿真实验结果表明:MM-GGIW-PMBM算法能够对多机动扩展目标的数量和状态进行有效的估计。