基于SDE模型的雷达组目标角度跟踪方法

全文: PDF(1439 KB)
输出: BibTeX | EndNote (RIS)

摘要针对低信噪比下的组目标实时跟踪精度低的问题，提出一种基于随机微分方程（stochastic differential equation，SDE）模型的多输入多输出雷达目标角度跟踪方法。应用随机微分方程进行建模描述，利用马尔可夫链蒙特卡罗粒子滤波算法来进行连续推理。仿真结果验证了该方法的有效性，并显示低信噪比情况下的组目标跟踪精度可提高20%以上。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ：组目标跟踪, 随机微分方程, 斥力模型, 粒子滤波

Abstract：To solve the problem of low accuracy for multiple targets tracking in case of low SNR(signal noise ratio), a MIMO radar DOA(direction of arrival) tracking method based on SDE model is proposed in this paper to correct error of tracking model. The stochastic differential equation and the particle filter based on Markov Chain Monte Carlo (MCMC) are used for modeling and continuous reasoning for the multiple targets. The effectiveness of this method is verified by the simulation results, the tracking accuracy of motion multiple targets can be improved by more than 20% in case of low SNR.

Key words： multiple targets tracking stochastic differential equation repulsion model particle filter

收稿日期: 2020-12-25 出版日期: 2021-03-24

ZTFLH:

TN713

基金资助:国家自然科学基金项目(61831009,61301209)

作者简介: 侯煜冠(1979—),副教授,主要研究方向为雷达信号处理、阵列信号处理、电子对抗技术。

引用本文:

侯煜冠, 韩远鹏, 谢金月, 毛兴鹏. 基于SDE模型的雷达组目标角度跟踪方法[J]. 空天防御, 2021, 4(1): 41-46.
HOU Yuguan, HAN Yuanpeng, XIE Jinyue, MAO Xingpeng. A Radar DOA Tracking Method for Multiple Targets Based on SDE Model. Air & Space Defense, 2021, 4(1): 41-46.

链接本文:

https://www.qk.sjtu.edu.cn/ktfy/CN/ 或 https://www.qk.sjtu.edu.cn/ktfy/CN/Y2021/V4/I1/41

参考文献

[1]	黄鹤, 吴琨, 李昕芮, 王珺, 王会峰, 茹锋. 自适应插值飞蛾扑火优化的多特征粒子滤波车辆跟踪算法[J]. 上海交通大学学报, 2022, 56(2): 143-155.
[2]	高红莲, 尤杰, 曹松银. 基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法[J]. 上海交通大学学报, 2022, 56(11): 1447-1452.
[3]	毕晓君，胡菘益. 基于混合引导策略的高精度萤火虫优化粒子滤波算法[J]. 上海交通大学学报（自然版）, 2019, 53(2): 232-238.
[4]	孙一奇，吴爱国，董娜，邵一哲. 基于粒子滤波与改进GVF Snake的人手跟踪算法[J]. 上海交通大学学报（自然版）, 2018, 52(7): 801-807.
[5]	赵国旗a,b，杨明a,b，王冰a,b，王春香c. 基于智能终端的移动机器人室内外无缝定位方法[J]. 上海交通大学学报（自然版）, 2018, 52(1): 13-19.
[6]	张铁，马琼雄. 人机交互中的人体目标跟踪算法[J]. 上海交通大学学报（自然版）, 2015, 49(08): 1213-1219.
[7]	李雄杰1,2，周东华2. 混杂系统故障诊断的粒子滤波器方法[J]. 上海交通大学学报（自然版）, 2015, 49(06): 849-854.
[8]	曹洁a,b，李玉琴a，吴迪b. 基于改进差分进化的高精度粒子滤波算法[J]. 上海交通大学学报（自然版）, 2014, 48(12): 1714-1720.
[9]	裴福俊,李昊洋,武玫. 基于分布式无味边缘粒子滤波的同步定位与地图构建[J]. 上海交通大学学报（自然版）, 2014, 48(07): 986-992.
[10]	刘士荣1,2，吴楚1,3，张波涛1,2，章海兵1,2. 基于极线约束SIFT特征和粒子滤波的目标跟踪算法[J]. 上海交通大学学报（自然版）, 2014, 48(07): 1026-1032.
[11]	曹松晓,王宣银,向可. 基于内侧轮廓模型的粒子滤波轮廓跟踪[J]. 上海交通大学学报（自然版）, 2013, 47(07): 1022-1026.
[12]	万磊，杨勇，李岳明. 水下机器人执行器的高斯粒子滤波故障诊断方法[J]. 上海交通大学学报（自然版）, 2013, 47(07): 1072-1076.
[13]	张铁栋, 万磊, 王博, 曾文静. 基于改进粒子滤波算法的水下目标跟踪 [J]. 上海交通大学学报（自然版）, 2012, 46(06): 943-948.
[14]	王景川, 方毅, 陈卫东. 移动机器人定位的自适应功率调节射频识别系统[J]. 上海交通大学学报（自然版）, 2012, 46(02): 207-212.
[15]	杨宁1, 钱峰2a, 朱瑞2b. 基于遗传算法的改进粒子滤波算法[J]. 上海交通大学学报（自然版）, 2011, 45(10): 1526-1530.