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:摘要近年来,随着汽车工业的发展和人类出行方式的多样化需求,“飞行汽车”逐渐进入我们的视线,众多的汽车制造厂商和科技公司纷纷加入到飞行汽车的研发行列中。2018年7月,阿斯顿·马丁宣布将推出具备垂直起降功能的豪华概念飞机,支持半自动驾驶,飞行时最高时速320公里。而吉利汽车集团旗下飞行汽车公司——Terrafugia也已宣布首辆飞行汽车将在2019年量产,最高时速160公里,可实现空中640公里续航,除此以外,奥迪、保时捷、奔驰等车企也早有布局。作为未来可能流行的出行方式之一,飞行汽车的出现,无疑可以为人口密集的城市提供更便利的交通需求。飞行汽车作为飞行器和汽车的统一体,需要符合包括飞行器和汽车在内的不同的检测标准的要求,作为上路并能够飞行的工具还需要交通法规上的支持,目前两项内容均属空白,本文的课题只对未来飞行汽车在检测技术及标准方面进行讨论。
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:为了在杂波环境中准确的完成雷达微弱多目标的检测,需要对雷达微弱多目标检测方法进行研究。采用当前检测方法在杂波干扰下对雷达微弱多目标进行检测时,不能有效的去除目标回波信号中存在的噪声信号,得到的目标运动轨迹误差较大,存在信噪比低和检测准确率低的问题。提出一种杂波干扰下雷达微弱多目标检测方法,以地面的辐射源作为雷达发射站,载机作为接收站,建立雷达系统模型,通过雷达系统模型得到目标回波信号模型;通过滤波器去除目标回波信号中存在的噪声信号,得到重构的目标回波信号,通过两级门限检测方法得到微弱目标的状态序列,采用逆序递推法得到目标的运动轨迹,完成杂波干扰下雷达微弱多目标的检测。实验结果表明,所提方法的信噪比高、检测结果准确率高。