简介:本文针对高频雷达中高机动目标检测难点,提出利用粒子滤波TBD算法检测高机动飞机目标的方法。该方法将一个相干积累时间内的回波数据进行分段滑窗相干积累,对形成的多帧多普勒域观测数据进行粒子滤波检测前跟踪(TBD)处理,获取目标存在概率及目标运动状态估计。蒙特卡洛仿真结果和回波数据验证表明该方法可提高对高频雷达高机动目标的检测能力,具备一定的工程可行性。
简介:特征提取是合成孔径雷达目标识别关键技术与核心任务。为了更好地提取目标特征,稀疏约束将被添加在非负矩阵分解法中,并应用于图像目标特征提取,通过利用稀疏约束的非负矩阵分解方法对sAR目标图像进行分解,构建具有稀疏性的目标特征矢量,提高了特征矢量的类内相似性与类间差异性。利用基于支持向量机的分类方法对MSTAR数据进行目标识别试验,试验结果表明,添加稀疏约束的NMF方法与PCA、ICA以及一般NMF特征提取方法相比,能够显著提高目标识别的稳定性和准确率。
简介:针对三维弹道目标,给出了一种有效的基于粒子滤波的跟踪算法。这种算法以标准的粒子滤波算法为基础,根据贝叶斯原理利用局部线性化技术获得最佳近似的重要性密度函数以避免粒子退化现象,并且利用Metropolis-Hastings(MH)采样构造的马尔科夫链得到更加符合目标分布的样本,从而最小化重采样后的粒子枯竭问题。此外,这里采用Kullback-Leibler距离(KLD)指标对不同粒子滤波算法的性能进行评估。仿真结果表明,该三维弹道目标跟踪算法粒子群与参考粒子群(近似真实目标概率分布的粒子群)之间的KLD比标准粒子滤波与参考粒子群之间的KLD更小,因此,能获得比标准粒子滤波算法更好的跟踪效果。
简介:对于极化敏感L型阵列的多参数联合估计问题,采用传统的多重信号分类(MUSIC)算法所需计算量大,采用旋转不变子空间(ESPRIT)算法需要考虑参数配对问题。提出了模值约束下的求根多重信号分类(root-MUSIC)算法,首先利用L型阵列中两个相互垂直的线阵构造两子阵接收数据的自相关函数,采用root—MUSIC算法进行波达方向角(DOA)估计,然后根据模值约束条件构造代价函数,通过闭合式解得到极化参数估计。该算法与传统MUSIC算法相比,大大减少了计算量,同时能够实现参数自动配对,避免了ESPRIT算法的不足。计算机仿真结果表明,该算法的角度估计性能与传统MUSIC算法接近,优于ESPRIT算法,且算法收敛速度快。
简介:提出了一种基于线性约束最小方差波束形成(LCMV)的自适应方向图控制方法。该方法通过在原有线性约束基础上构造新的线性约束,然后根据新组成的线性约束进行LCMV自适应波束形成,所得到的自适应方向图在固定零点方向和干扰方向形成零陷的同时保留了期望静态方向图的副瓣电平特性,从而能够减小快变干扰的影响,并且计算十分简便。计算机仿真证明了本文方法的有效性。