简介:当跟踪目标属于隐身目标、低空目标或处于强杂波和干扰环境,都会导致雷达的目标检测概率降低,丢失率较高。因此,本文着重研究PHD算法在检测概率较低的情况下跟踪稳定性不佳的缺陷,找出了一种适用于低目标检测概率的L-GMPHD滤波,通过对前一时刻状态估计值外推,若发生漏检,则将外推值加入当前时刻状态估计值中,确保了目标的状态估计不被裁剪去除。从MATLAB仿真结果可知,L-GMPHD滤波器处于检测概率较低的情况时,能够明显改善目标跟踪的稳定性。该方法能够保持高精度的多目标跟踪,具有良好的工程应用前景。
简介:针对传统多目标概率假设密度(PHD)滤波器在低检测概率情况下跟踪精度低和失跟率高的问题,提出了一种改进的概率假设密度滤波算法。该算法利用高斯混合PHD(GM-PHD)滤波器进行PHD预测和PHD更新,处理过程中通过修正上一拍权值大的高斯项,并在处理当前拍时保证其权值的稳定性,以保证算法的高精度。仿真结果表明,在低检测概率情况下,该算法可较好估计目标数和目标状态。与传统GM-PHD滤波器比,该算法跟踪精度大幅提高。
简介:角闪烁背景下,雷达导引头在近距离跟踪阶段存在不能稳定跟踪,甚至不能精确跟踪的问题。基于高分辨技术的单脉冲测角方法是抑制角闪烁、提高角跟踪性能的有效途径。现有研究采用幅度加权的思路,在对目标角度的估计过程中只利用了目标多个散射点的幅度信息。对于雷达目标的角度估计和角度跟踪而言,目标几何中心具有确切的物理意义。在距离高分辨条件下,散射点的距离信息表征了目标散射点在径向上的分布情况,对目标几何中心的角度估计更具有实际意义。因此,充分利用高分辨雷达所能提供的有效目标信息,提出了基于目标几何中心的角信息处理方法。仿真结果表明,该方法不仅能有效抑制角闪烁,而且具有更好的跟踪准确性和稳定性。