基于高斯混合势化概率假设密度的脉冲多普勒雷达多目标跟踪算法

为在新兴的随机有限集(RFS)框架下充分利用多普勒信息跟踪杂波环境下的多目标,该文提出基于高斯混合势化概率假设密度(GM-CPHD)的脉冲多普勒雷达多目标跟踪(MTT)算法.该算法在标准GM-CPHD基础上,在使用位置量测更新状态后,再利用多普勒量测进行序贯更新,可获得更精确的似然函数和状态估计.仿真结果验证了该算法的有效性,表明在GM-CPHD基础上引入目标的多普勒信息可有效抑制杂波,显著改善跟踪性能.     

一种MIMO雷达非高斯杂波中的信号分离方法

针对传统匹配滤波方法对非高斯相关杂波下MIMO雷达信号分离性能下降的问题,本文基于线性约束最小功率波束形成器原理,给出了一种适用于非高斯相关杂波条件下的MIMO雷达自适应信号分离算法。该方法将需要分离的发射信号以外的信号和相关杂波作为干扰,利用接收信号的分数低阶统计量在线性约束最小功率准则下导出了滤波器权系数,实现了非高斯相关杂波中对信号实时有效的分离。最后采用本文方法在SG-Alpha稳定分布杂波背景下进行了仿真实验,结果表明,本文方法可有效实现非高斯相关杂波中的MIMO雷达信号分离。      

基于分数低阶本征滤波的雷达目标检测方法

在非高斯相关杂波背景下,通常杂波分布的概率密度函数结构复杂甚至无闭式表达,难以建立统计检测模型。针对此问题,以α稳定分布为背景,基于分数低阶统计量和最佳滤波器理论,以滤波器输出分数低阶信杂比最大为准则,给出了一种分数低阶本征滤波(FLOEF)模型。该模型利用杂波的分数低阶协方差矩阵对非高斯相关杂波进行白化,可显著改善信杂比,实现非高斯相关杂波背景下雷达目标的有效检测。通过仿真和实测数据给出了FLOEF在不同条件下的检测性能,并同传统基于二阶统计量的本征滤波进行了比较,结果验证了FLOEF的优越性。     

基于空间分集的MIMO雷达目标跟踪算法研究

针对基于空间分集的多输入多输出(MIMO)雷达多发多收的特殊结构,建立了基于逆协方差形式扩展卡尔曼滤波算法的MIMO雷达目标跟踪滤波模型,分析了影响算法滤波精度的4个因素,分别为信噪比、信号带宽、天线数以及天线与目标间的位置关系。通过使目标位置状态估计均方误差最小,在特定天线数条件下利用数值方法得到了使滤波精度达到最优的天线放置形式。仿真实验给出了不同信噪比、信号带宽、天线数以及天线与目标间不同位置关系时的MIMO雷达跟踪性能。