一、天波超视距雷达数据关联方法研究（论文文献综述）
杨丽娟[1]（2021）在《分布式多基地雷达目标定位方法研究》文中认为目标定位技术是现代雷达中的关键技术之一,随着科学技术的不断发展,各国之间的武器装备日新月异,发生战争时不再是人力的较量而是装备的对抗,雷达一直是军事战争中不可或缺的装备,因此,提升雷达系统的目标定位精度具有重要的军事价值。分布式多基地雷达系统由多个发射站、多个接收站和一个联合数据处理中心构成。该体制的雷达多站协同合作,可以从不同的角度对目标进行观测,这对目标定位精度的提升有极大的优势。本文研究了两种情况下的分布式多基地雷达系统的定位方法,一种是对空中运动目标进行定位的分布式多基地视距雷达,另一种是对超视距海面目标进行定位的分布式多基地天波超视距雷达。针对分布式多基地视距雷达系统中的目标定位问题,提出了定位精度更高的定位算法,主要研究工作如下:（1）阐述了分布式多基地雷达系统的定位原理,分析了多基地雷达系统的组成结构以及定位模型,根据定位模型建立了相对应的数学模型。研究了基于双基地距离（Bistatic Range,BR）、到达时间差（Time Difference of Arrive,TDOA）和多普勒频移（Doppler Shift,DS）测量数据的两步加权最小二乘法,来联合估计空中运动目标的位置和速度。所提出的算法不仅在定位精度上得到了提升,还同时对运动目标的速度进行了估计,这对识别飞机的类型具有重要意义。（2）在两步加权最小二乘法的研究基础上,进一步优化,提出了基于两步加权最小二乘法的最速爬坡爬山算法,此算法是基于BR、TDOA和DS测量数据,对空中运动目标的位置和速度进行估计,所提出的算法又进一步提升了运动目标位置和速度的估计精度。（3）在最速爬坡爬山算法的基础上,考虑到搜索步长对定位精度的影响,提出了基于两步加权最小二乘法的变步长最速爬坡爬山算法,此算法同样是基于BR、TDOA和DS测量数据,对空中运动目标的位置和速度进行估计。此算法是在传统最速爬坡爬山算法的基础上,对搜索步长进行优化,即将定步长搜索优化为变步长搜索。仿真结果也证明变步长的最速爬坡爬山算法的估计精度优于定步长的最速爬坡爬山算法,实现了对空中运动目标的精确定位和测速。分布式多基地天波超视距雷达的目标定位研究同样重要,目标定位是天波超视距雷达远程预警的基础,提升分布式多基地天波超视距雷达的目标定位精度对保障国土安全具有积极作用。当目标处于超视距位置时,其信号模型更加复杂,定位的研究更具有挑战性。因此,对分布式多基地天波超视距雷达海面目标的定位方法进行了研究,主要研究工作如下:（4）首先对天波信号的传播介质电离层进行了简单的介绍,然后建立了分布式多基地天波超视距雷达的信号传播模型,推导了此模型下的定位方程。提出了基于分布式多基地天波超视距雷达信号模型的超视距海面单目标定位算法,基于加权最小二乘法的最速爬坡爬山算法。根据设定的站点坐标对算法的定位性能进行仿真分析,结果证明,对超视距的海面目标定位时,所提出算法的定位精度明显优于基于加权最小二乘法的定位算法,实现了对超视距海面的单目标定位。（5）研究了分布式多基地天波超视距雷达中超视距海面的多目标定位问题,建立了多目标的信号传播模型,推导了多目标定位和多普勒频移的数学方程。提出了多目标定位算法,所提出的多目标定位算法主要分为四步,首先,基于1发多收的站点配置对多个目标的位置粗略估计;然后,根据估计的目标位置对多发多收的数据进行分类,分类后对目标采用基于加权最小二乘法的最速爬坡爬山算法估计目标位置;之后,将优化的位置信息根据多普勒频移方程,利用最小二乘法求出各个目标的速度;最后,根据Bowring公式和坐标转换公式将直角坐标系中的位置和速度坐标转换到大地坐标系中去。对提出的算法进行了仿真验证,结果表明提出的算法实现了对超视距海面运动多目标的定位以及速度和方位的估计。
杨文杰[2]（2021）在《MIMO-OTH雷达信号处理与仿真实验研究》文中认为多输入多输出超视距（Multiple Input Multiple Output over the Horizon,MIMOOTH）雷达由于其同时拥有MIMO雷达和OTH雷达的优秀性能,是近年来雷达系统的重要研究方向。本文在构建MIMO-OTH雷达仿真系统的基础上,研究了包括频谱共存的波形设计、TBD算法在MIMO-OTH雷达中的应用、基于多项式的电离层相位污染校正等内容,主要工作如下:（1）本文在电离层模型和射线传播模型的基础上,建立了MIMO-OTH雷达探测仿真系统,并完成了整个信号处理流程,包括接收/等效发射波束形成、匹配滤波、多普勒处理、参数测量等,并进行了丰富的仿真实验,仿真证明此系统可以有效探测到目标。（2）在MIMO-OTH雷达的信号处理中,具有良好特性MIMO-OTH发射信号对于目标的精确检测具有重要的意义。本文针对高频段存在众多通信服务的现状,提出一种频谱共存的波形设计算法,以在被通信服务占用的频段能量最小为优化目标,以相似度和恒模作为约束条件,使用极大极小值（Majorize-Minimization,MM）算法进行求解。仿真证明,所设计波形的能量分布能够在被占用方位和频段形成凹陷,避免两者之间的相互干扰。（3）针对传统恒虚警检测算法难以检测到微弱目标的问题,本文将TBD算法应用到MIMO-OTH雷达中,以改善系统对微弱目标的检测性能。本文以广义似然比准则设计了复高斯海杂波背景下的值函数,并使用动态规划（Dynamic Programming,DP）的方式对TBD算法进行实现。在TBD算法的实现中采用消除多普勒参数的方式,将二维DP变成一维DP,有效地降低了算法复杂度并提高了算法的适用性。仿真实验证明,本文设计的值函数的检测和跟踪性能要优于以幅度作为值函数的TBD算法;同时证明了TBD算法在MIMO-OTH雷达中的有效性。（4）MIMO-OTH雷达系统的多模多径和电离层的相位污染研究。在本系统中采用二维接收阵列获取目标回波的俯仰角信息,实现对多模多径的抑制。针对电离层对回波的相位污染,导致海杂波频谱展宽的问题,提出了一种新的基于多项式的电离层相位污染校正算法,利用五次多项式函数来估计相位污染函数,并给出五次多项式的系数估计方法。仿真实验证明,本算法能够有效地消除电离层相位污染对回波信号的影响。
曹婷[3]（2020）在《复杂环境下雷达目标跟踪方法研究》文中研究指明雷达是现代战争中不可或缺的电子设备,雷达目标跟踪是雷达数据处理中至关重要的一个组成部分,在军民两用领域中都具着广泛的应用。但雷达在实际工作中所处的物理环境十分恶劣,接收到的量测数据中存在大量杂波或虚警。此外,有时也会出现目标数量不确定的情形,无疑加大了目标跟踪的难度,尤其以天波超视距雷达更为复杂。因此,迫切需要研究复杂环境下雷达目标跟踪方法。本文的研究内容就是在上述课题背景下提出来的,全文的主要工作总结如下:1.研究了雷达目标状态估计算法。研究了线性高斯系统、非线性高斯系统和非线性非高斯系统下的滤波技术,并分析了各种滤波技术的适用场景及优缺点。2.在非线性高斯系统中,为了进一步提高容积卡尔曼滤波的估计精度,基于球面单纯形准则和Gauss-Laguerre积分准则,提出了一种改进的容积卡尔曼滤波算法（SSGQKF）。理论分析和仿真结果表明,改进的算法在非线性程度较高的场合下,能够在精度和计算量中有个很好的折衷。3.在非线性非高斯系统中,针对标准粒子滤波固有的粒子退化和粒子贫化现象,提出了相应的改进算法。首先将数值稳定性好的二阶中心差分滤波算法作为重要性密度函数,然后利用差分演化优化重采样过程。研究结果表明,改进的算法能有效克服粒子退化和贫化问题,提高了粒子利用率和状态估计精度。4.研究了杂波环境下的基于数据关联的目标跟踪算法,主要包括最近邻互联、概率数据互联、联合概率数据互联、交互多模型概率数据互联。考虑了目标的机动性,在传统的交互多模型概率数据互联算法的基础上提出了一种改进算法。即引入固定延迟技术和量测幅值信息的交互多模型概率数据互联算法,并将改进的方法分别与传统的交互多模型数据互联算法进行仿真分析。5.针对跟踪场景中目标数量不定和杂波密集等复杂环境下的多目标跟踪问题,研究了基于随机有限集的多目标跟踪方法,并将差分演化优化的二阶中心差分算法引入到粒子概率假设密度滤波（PHD）中。仿真结果表明,改进的算法对复杂环境下的多目标跟踪问题有较好的效果。6.超视距雷达在地理坐标下跟踪目标时目标动态方程为线性的,而量测方程是非线性的。针对超视距雷达目标跟踪的这一特点,将两步滤波算法和均方根容积卡曼滤波算法相结合,并应用到超视距雷达目标跟踪系统中。改进的算法避免了复杂的求导运算,滤波精度也更高。其次,还研究了基于概率数据互联和随机有限集下的多径目标跟踪问题,并将球面单纯形Gauss-Laguerre积分准则融入到高斯混合多径PHD中,最后通过仿真实验验证了算法的有效性。
王妮[4]（2020）在《天波雷达瞬态干扰抑制算法研究》文中指出中华人民共和国陆海域辽阔,资源丰富,涵养着各种生灵,守护这片蓝色宝藏依靠于蓬勃发展的科技水平。雷达是海岸线的眼睛,但是雷达在对目标进行探测的同时也承受着许多干扰,本文针对天波超视距雷达工作时受到的瞬态干扰及对其抑制的算法展开研究。本文首先对天波超视距雷达的工作原理及系统结构进行了学习与研究,正是由于他独特的结构和特殊的工作方式使其具很多传统雷达不具备的优点。但是由于高频段电磁环境复杂,噪声和干扰繁多,影响雷达的工作性能。瞬态干扰的存在会提高雷达的原噪声基底,一般会高出20-40d B,有时会掩盖真实目标信号。由于天波超视距雷达的探测场景多样,会受到不同的瞬态干扰。文中给出了三种典型瞬态干扰的成因及建模原理,分析了各自对天波超视距雷达的影响。随后基于一般的瞬态干扰的流程,对瞬态干扰检测并对此处的数据置零后,要对有效数据进行恢复,恢复的效果直接影响整个干扰的抑制效果,本文对几种数据恢复算法进行了研究。研究了传统AR方法进行数据恢复,根据天波超视距雷达回波信号特点扩展到ARIMA方法,最后结合指数平滑方法对数据进行恢复。理论和仿真结果证实这种组合预测的方法可以有效地对数据进行恢复。数据恢复算法中我们还研究了BP神经网络算法,这类算法对于非线性数据的恢复是比较适用的。本文主要采用时频分析的方法对瞬态干扰进行检测和抑制,包括复经验模式分解算法、自适应高斯基分解方法和S变换方法。根据对信号的处理方式不同可以将其分成两类:其一是S变换方法,在此基础上扩展了广义S变换算法。这列算法的时频分辨率很高,能够有效地检测出瞬态干扰的时域位置,但是不能直接进行数据的重构,需要借助数据恢复算法完成整个瞬态干扰的抑制过程。其一是基于信号分解原理的算法,如复经验模式分解算法和自适应高斯基分解方法,这两种算法可以将瞬态干扰信号分解出来,并且用剩余信号直接进行重构,但是研究发现复经验分解算法由于在计算效率上的妥协,实际应用时数据的重构效果并不理想,但是瞬态干扰的检测很准确。
伍龙山[5]（2020）在《复杂杂波背景下的高频超视距雷达目标检测方法研究》文中认为高频超视距雷达（Over-The-Horizon Radar,OTHR）利用高频电磁波的绕射或反射,可实现对远距离目标的超视距探测,提供大范围海域监测。由于OTHR工作的电磁环境十分复杂,在对雷达接收到的信号处理后得到的方位-距离-多普勒（Azimuth-Range-Doppler,ARD）谱中,不仅存在目标和大气噪声,还包含电离层杂波、海杂波等统计非均匀且大范围分布的杂波信号。因此,在OTHR复杂背景中,有效地检测目标是一项具有挑战性的任务。高频雷达目标检测,通常是在RD谱中进行。在传统的目标恒虚警（Constant false alarm rate,CFAR）检测中,主要利用参考单元幅度的统计特性计算检测单元（Cell-Under-Test,CUT）的阈值。然而,通过在对数尺度下对实际RD谱分析可知,除了幅度的统计特征外,背景中的杂波和目标还包含其它的信息。在不同的杂波区域内,相邻的背景单元分属于相同类型的杂波,在类别属性上存在空间相关性。在RD谱中,均匀区域内相邻背景单元的平均功率相近;而在大范围连续分布的非均匀杂波区域内,在距离或Doppler维上存在着缓慢变化的情况。由于单元的平均功率可通过统计分布参数计算得到,平均功率缓慢变化的相邻背景单元的分布参数也将是缓慢变化的,存在着空间相关性。此外,与背景单元的数量相比较而言,目标的数量属于绝对少数,具有稀疏特性。由于前端信号处理等原因,点目标目标通常还存在局部扩展,占据多个相邻检测单元。基于对RD谱中目标和杂波的分析结果,本文针对OTHR实际RD谱中的目标检测问题,提出利用目标稀疏性和扩展特性、背景单元空间相关性、背景单元分布参数空间相关性等信息来估计背景单元的统计分布参数的方法,以达到在复杂非均匀场景下提升目标检测的目的。具体研究工作如下:第一,在多目标背景中,针对目标检测中的目标/野值干扰的问题,提出一种利用目标稀疏特性来估计背景分布参数的目标检测方法。该方法通过在参数估计过程中对目标进行稀疏限制,自适应地识别干扰目标/野值,继而采用所有均匀背景单元对分布参数进行估计,提高估计的准确性。在多分布参数背景中,相对于传统的目标CFAR检测方法,本文提出的检测方法无需目标数量和分布参数等先验信息,可自适应地识别多干扰目标,实现目标CFAR检测。仿真和实验验证了这种利用目标稀疏性的目标CFAR检测方法的可行性、有效性和鲁棒性。同时,也验证了目标的稀疏特性在目标识别中的积极作用,可为复杂背景中干扰目标/野值的识别提供支撑。第二,在杂波边缘背景中,针对目标检测中杂波边缘造成参考单元非均匀的问题,提出一种利用相邻背景单元的空间相关性估计分布参数的目标检测方法。该方法通过在分布参数估计过程中对相邻背景单元分属的杂波类别进行限制,识别背景单元和定位杂波边缘,继而采用相同均匀杂波区域内所有杂波单元估计分布参数,提高估计的准确性,最终改善了对杂波单元的识别能力。相对于传统的检测方法,提出的方法能在估计过程中利用背景单元的空间相关性,不受参考单元中包含杂波边缘数量和其长度的限制。通过仿真测试评估了提出方法在杂波边缘定位、分布参数估计以及目标检测方面的性能。基于OTHR实测数据的半实物实验验证了本文方法在目标检测性能上的有效性。第三,在平均功率缓慢变化的杂波边沿背景中,针对目标检测中相邻单元分布参数各异的问题,提出一种利用相邻背景单元分布参数的空间相关性估计分布参数的目标检测方法。该方法通过利用分布参数的空间相关性,将平均功率缓慢变化的非均匀相邻单元关联起来,确定分布参数的空间关系,估计单元的分布参数。相对于传统的方法,提出的方法直接建立相邻背景单元分布参数的空间关系,估计得到的分布参数具有最大似然意义。通过仿真测试和实际数据试验,验证了利用背景单元分布参数的空间相关性实现目标CFAR检测的可行性和有效性。同时,也验证了空间相关性在提高非均匀杂波区域内分布参数估计准确性上的积极作用,为估计复杂非均匀背景中单元的分布参数提供有力的支撑。第四,在多杂波混合背景中,针对目标检测中存在的杂波混合非均匀参考单元的问题,提出了一种自适应地利用背景单元分布参数空间相关性和稀疏点目标存在扩展的情况来估计分布参数的目标检测方法。该方法可适应背景单元分布参数空间相关性复杂变化的情况,自适应地关联相邻的非均匀背景单元、确定其空间关系和估计分布参数。在该方法中,还利用了稀疏点目标扩展的现象,提高其识别性能,降低其对分布参数估计的不利影响。相对于传统方法,在最大似然意义条件下,提出方法自适应地建立了相邻背景单元幅度与分布参数存在的空间信息之间的关系,估计出分布参数的值。仿真和实测数据验证结果表明,自适应地利用背景单元分布参数空间相关性和稀疏点目标扩展现象的目标CFAR检测方法是可行的和有效的。
严万泉[6]（2019）在《天发船收高频雷达坐标配准与多径数据处理研究》文中进行了进一步梳理天发船收高频雷达利用天波发射地波接收的方式实现对目标的探测,但是雷达探测得到的量测数据是目标在雷达坐标系中的射线距离、多普勒速度与方位角,为了得到目标在地理坐标系下的真实位置和运动信息需要将目标在雷达坐标系中的量测矢量转换为其在地理坐标系下的状态矢量,这一转换过程即为坐标配准。由于天发船收高频雷达中天波路径的存在,电离层的分层现象将导致多径效应的出现,即在同一时刻有多个量测对应一个目标,多径效应的存在严重影响了对目标的坐标配准和概率数据关联。本文的主要工作概括如下:1.研究了天发船收高频雷达体制下的目标坐标配准问题。本文分别利用射线追踪法和几何模型法对天发船收高频雷达体制下目标的坐标配准进行了研究,并推导给出了目标定位中较为关键P-D转换系数。其中对于基于几何模型的坐标配准方法,本文给出了基于平面量测模和球面量测模型的坐标配准公式,利用仿真实验验证了坐标配准公式的正确性,并利用量测误差理论和几何精度因子对平面量测模型下的坐标配准误差及定位精度进行了分析。2.研究了基于平面量测模型的天发船收高频雷达目标状态估计算法。首先通过几何关系,建立了目标跟踪模型,并对该雷达体制下的非线性滤波算法进行了研究分析,给出了该目标跟踪模型下量测转移矩阵的雅可比矩阵,并且利用这三种非线性滤波算法对仿真目标进行了跟踪滤波,最后对比分析了这三种算法的滤波性能。3.研究了多径条件下的电波传播模式识别和多径概率数据关联算法。将隐马尔可夫模型与Viterbi算法结合研究了多径条件下的坐标配准问题,即电波传播模式识别,首先通过仿真实验说明了多径产生的原因,然后将电波的传播模式建模为隐状态,目标的量测值作为观测矩阵,利用Viterbi算法进行解码计算,并给出了电波传播模式识别后的目标定位精度。利用MPDA算法研究了电离层高度已知的多径概率数据关联问题,利用MPCR算法研究了在电离层高度不确定的条件下的多径概率数据关联问题。
高荷福[7]（2019）在《阵列互耦与干扰条件下天波雷达多路径回波跟踪方法研究》文中研究指明天波超视距雷达利用电离层的反射可以对1000到4000公里的远距离目标进行探测,在军事、国防领域具有重大的应用价值。然而在实际应用中,天波超视距雷达探测过程受电离层污染、多径效应以及强海杂波干扰的影响,使得目标检测和跟踪面临着弱目标、多目标、低信噪比、强污染等比较苛刻的应用环境。而天波雷达的接收天线基本都是大型的阵列天线,天线阵列的误差与互耦是不可避免的。在此应用背景下,本文研究阵列互耦与干扰条件下的天波雷达多路径回波跟踪方法,以提高天波雷达对目标的跟踪精度。首先,建立了天波雷达信号模型及测量模型,推导了天波雷达坐标配准公式。同时介绍了用于信号到达方向（Direction-Of-Arrival,DOA）的多信号分类算法（Multiple Signal Classification,MUSIC）和用于干扰抑制的标准Capon波束形成算法。其次,研究了目标跟踪前的阵列互耦校正方法。介绍了阵列互耦条件下的前后向平滑MUSIC算法,并在一种阵列互耦系数矩阵重构方法的基础上,提出了一种基于重要性重采样的互耦系数矩阵重构方法,该方法可以较好的提高MUSIC算法的DOA估计精度。然后,研究了目标跟踪前的干扰抑制方法。针对标准Capon波束形成算法在抑制干扰的时候会影响到期望信号的问题,提出了一种基于极大似然重采样的干扰加噪声协方差矩阵重构方法,该方法的重点是利用极大似然估计对重构后的干扰加噪声协方差矩阵进行评价。利用重构后的干扰加噪声协方差矩阵可以更有效的抑制干扰。最后,研究了天波雷达多路径目标跟踪方法,基于坐标配准去除冗余的多路径干扰。利用粒子滤波和容积卡尔曼滤波形成目标航迹,并展示了目标跟踪方法在分布式天波雷达上的应用效果。
王娅琦[8]（2018）在《天波超视距雷达航迹起始算法研究》文中研究说明天波超视距雷达由于其独特的工作方式具有超远距离探测、隐身目标探测、超低空探测、多目标类型探测的优势。研究天波超视距雷达具有十分重要的战略意义。数据处理是天波超视距雷达系统的重要的组成部分之一,航迹起始是数据处理的关键步骤。特别是目前针对天波超视距雷达航迹起始的研究比较少,而天波雷达环境下的航迹起始面临低检测概率、低数据率、低量测精度和高虚警率的问题。因此天波超视距雷达的航迹起始算法具有深入研究的价值。本课题针对天波超视距雷达的特点,主要研究天波雷达探测环境中影响航迹起始算法性能的两个问题——检测概率低和杂波密度分布不均。通过对比分析现有的航迹起始算法的优劣并加以改进,最终提出一种天波超视距雷达的专用算法,并通过对仿真数据和实测数据的处理验证算法的性能。本文首先建立了天波超视距雷达探测条件下的目标运动模型和雷达量测模型。根据建立的几何量测模型推导了雷达坐标系和平面坐标系的转换公式,并通过仿真实验验证坐标转换公式的正确性。其次,通过仿真实验对比分析了卡尔曼滤波和粒子滤波的在已建立天波雷达跟踪模型下状态估计性能的优势与劣势。提出将RBPF滤波算法应用于已建立跟踪模型的状态估计的具体方法。然后,分别研究了低检测概率和非均匀分布杂波条件下的航迹起始算法。通过仿真实验对比了逻辑法、改进的RHT起始算法、基于并行流水的航迹起始算法、MHT算法在不同检测概率下的航迹起始性能。提出了一种MHT得分函数的改进方法,并通过仿真实验验证了改进的对算法性能的提升。建立了非均匀杂波分布的模型。针对非均匀分布杂波,提出了一种动态波门和一种基于综合相关度的航迹确认方法。最后,将动态波门和提出的航迹确认方法应用于改进得分函数的MHT算法,构成一种新的天波超视距雷达的专用航迹起始算法。通过对仿真数据和实测数据的处理对比该算法和两级Hough起始算法,发现该算法的起始性能更优。
王伟[9]（2018）在《基于天波超视距雷达的多径数据关联算法研究与实现》文中认为数据关联是雷达数据处理的重要模块,数据关联算法的跟踪精度决定了雷达报出的目标航迹的正确性。天波超视距雷达在超视距探测、反隐形、长时间远距离预警等方面作用突出,值得深入研究。但是,天波雷达也面临着多径效应、低检测率、低量测精度和虚警率过高等棘手的问题。本文为解决天波雷达的多径效应和“三低一高”的问题,发展了天波雷达专用的多路径数据关联算法,并从工程应用的角度对算法做出拓展,将实际中模型失配的情况考虑在内,构建了一套较为贴近工程应用的天波雷达多路径数据关联系统,并对此系统进行了详细的性能分析。本文首先建立了完整的天波雷达的目标跟踪系统模型,主要包括电离层模型、目标跟踪模型与杂波模型三个部分。电离层模型通过分析多径效应的成因,对电离层的分层效应建模,目标跟踪模型研究了多径传播下的目标运动模型和系统量测模型。由运动模型可以得到目标的运动方程;由量测模型可以得到目标状态与多模量测的转换公式。在此基础上加入均匀杂波模型从而形成完整的天波雷达目标跟踪环境。其次,本文研究了三种具备理论优势和应用价值的多路径数据关联算法:基于概率数据互联的MPDA算法、基于蚁群算法的MACDA算法和基于期望最大化的MPMHT算法,着重研究了各算法解决多径效应的能力和跟踪精度。通过理论比较与仿真分析,对比了三种多路径数据关联算法的优缺点,最终给出了每种算法的适用条件,在工程应用中,应该根据实际条件综合考虑,选出最适合的算法。然后,本文针对实际中电离层模型失配的问题,分别研究电离层不确定性下的多路径数据关联算法（MPCR）和自治多模型MPDA算法（AMM-MPDA）,仿真数据验证分析结果表明上述算法可以有效解决电离层高度不确定的问题,具有较好的跟踪性能。最后,本文利用自适应渐消记忆滤波算法对数据关联中卡尔曼滤波器的结构做出调整,改善了在实际中目标运动模型失配的问题,避免算法在模型失配的情况下出现误关联导致滤波结果发散。
袁子寅[10]（2016）在《天波雷达数据预处理与数据关联技术研究》文中研究表明数据处理系统是雷达探测系统的重要组成部分,其处理性能直接影响着雷达系统整体的输出质量。天波超视距雷达（OTHR）在远距离探测、反隐身、早期预警方面具有独到的技术优势,具有很高的国防价值,但同时也面临着低数据率、低检测率、低量测精度与高虚警率等问题。本文为解决其中若干个主要问题提出了新的技术方法,并从工程应用的角度实现了其他模块的相关算法,构建了一套较为完整的OTHR目标跟踪系统,并对其进行了详细的性能分析。本文首先研究了OTHR探测条件下的目标运动模型与系统量测模型。基于典型目标在OTHR观测下的运动特点,本文给出了匀速直线运动目标的运动方程;同时依据OTHR平面量测模型给出了对应雷达坐标下的量测模型,并简要介绍了其与地面坐标系下量测模型的异同;最后结合目标运动方程与量测方程提出适用于OTHR的卡尔曼滤波器方程与初始化公式。其次,本文针对OTHR低检测率与高虚警率导致的杂波点迹占比较大,易导致虚假航迹起始率过高,目标航迹起始错误的问题,提出了一种基于多帧点迹运动信息的点迹滤波技术,该技术可将输入点迹进行质量划分,并最终将杂波点迹去除,大大提高了输入点迹质量。同时研究对比了两种航迹起始算法:修正逻辑法与修正Hough变换法,对其在OTHR环境下的航迹起始性能给出了量化结论。然后,本文分别对较为经典且具有较高工程实用价值的两种数据关联算法:联合概率数据关联算法（JPDA）与概率多假设数据关联算法（PMHT）进行了理论分析与仿真验证,着重研究了其在OTHR中的适用性。经过综合对比分析,本文认为JPDA算法在OTHR目标跟踪系统中适用性较强。最后,本文将点迹滤波、航迹起始与数据关联算法构建成一套具有较完整功能的OTHR目标跟踪系统,对其进行了仿真数据验证分析,结果表明该系统对OTHR典型目标具有较好的跟踪性能。
二、天波超视距雷达数据关联方法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、天波超视距雷达数据关联方法研究（论文提纲范文）
（1）分布式多基地雷达目标定位方法研究（论文提纲范文）
| 论文创新点 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 分布式多基地视距雷达 |
| 1.1.2 分布式多基地天波超视距雷达 |
| 1.2 发展历史和研究现状 |
| 1.2.1 多基地视距雷达研究现状 |
| 1.2.2 天波超视距雷达研究现状 |
| 1.2.3 分布式多基地雷达定位方法研究现状 |
| 1.3 论文的主要研究内容和结构安排 |
| 第二章 分布式多基地雷达目标定位方法 |
| 2.1 分布式多基地雷达系统简介 |
| 2.2 分布式多基地雷达系统信号传播模型 |
| 2.2.1 视距雷达信号传播模型 |
| 2.2.2 天波超视距雷达信号传播模型 |
| 2.3 分布式多基地雷达系统定位原理 |
| 2.3.1 椭圆定位原理 |
| 2.3.2 TDOA定位原理 |
| 2.3.3 多普勒频移原理 |
| 2.3.4 到达角定位原理 |
| 2.4 多基地雷达系统定位算法 |
| 2.4.1 WLS算法原理 |
| 2.4.2 基于WLS的定位方法 |
| 2.4.3 克拉美罗下界基本原理 |
| 2.5 小结 |
| 第三章 分布式多基地视距雷达定位方法 |
| 3.1 基于BR、TDOA和DS的2WLS联合定位算法 |
| 3.1.1 算法过程分析 |
| 3.1.2 算法性能分析 |
| 3.1.3 仿真实验和结果分析 |
| 3.2 优化算法特点分析 |
| 3.3 基于最速爬坡爬山算法和WLS的定位算法 |
| 3.3.1 定步长的最速爬坡爬山算法 |
| 3.3.2 变步长的最速爬坡爬山算法 |
| 3.3.3 仿真实验和结果分析 |
| 3.4 小结 |
| 第四章 分布式多基地天波雷达单目标定位 |
| 4.1 天波超视距雷达信号传播介质 |
| 4.1.1 电离层传播介质特性 |
| 4.1.2 射线追踪与电离层浓度模型 |
| 4.1.3 电离层参数反演 |
| 4.2 分布式多基地天波超视距雷达定位模型 |
| 4.3 分布式多基地天波超视距雷达定位算法 |
| 4.4 仿真实验和结果分析 |
| 4.5 小结 |
| 第五章 分布式多基地天波雷达多目标定位 |
| 5.1 分布式多基地雷达多目标定位 |
| 5.2 分布式多基地天波雷达多目标信号传播模型 |
| 5.3 分布式多基地天波雷达的多目标定位算法 |
| 5.4 仿真实验和结果分析 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文及专利 |
| 致谢 |
（2）MIMO-OTH雷达信号处理与仿真实验研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 天波超视距雷达研究现状 |
| 1.2.2 MIMO-OTH雷达研究现状 |
| 1.3 本文工作内容及安排 |
| 第二章 MIMO-OTH雷达信号模型及处理方法 |
| 2.1 电离层模型及射线传播模型 |
| 2.1.1 电离层模型 |
| 2.1.2 射线传播模型 |
| 2.2 MIMO-OTH雷达信号模型 |
| 2.3 MIMO-OTH雷达信号处理流程 |
| 2.3.1 接收波束形成 |
| 2.3.2 匹配滤波 |
| 2.3.3 等效发射波束形成 |
| 2.3.4 多普勒处理 |
| 2.3.5 恒虚警检测 |
| 2.3.6 参数测量 |
| 2.4 本章小结 |
| 第三章 MIMO-OTH雷达的波形设计研究 |
| 3.1 信号模型 |
| 3.2 求解相似约束 |
| 3.3 MM算法求解目标函数 |
| 3.4 算法流程 |
| 3.5 算法仿真 |
| 3.5.1 算法收敛性能 |
| 3.5.2 波形相关性能 |
| 3.5.3 空域-频域功率谱性能 |
| 3.6 本章小结 |
| 第四章 TBD算法在MIMO-OTH雷达中的应用研究 |
| 4.1 MIMO-OTH雷达目标运动模型建立 |
| 4.1.1 目标运动模型 |
| 4.1.2 量测模型 |
| 4.2 MIMO-OTH雷达中的TBD检测器设计 |
| 4.2.1 采用复高斯模型对海杂波建模 |
| 4.2.2 检测器设计 |
| 4.3 TBD在 MIMO-OTH雷达中基于动态规划的实现 |
| 4.4 传统CFAR检测和DP-TBD检测性能的比较分析 |
| 4.4.1 不同值函数DP-TBD算法性能分析 |
| 4.4.2 DP-TBD算法和传统CFAR检测性能分析 |
| 4.5 本章小结 |
| 第五章 MIMO-OTH雷达系统设计与仿真 |
| 5.1 MIMO-OTH雷达系统设计 |
| 5.1.1 多模多径的传播与抑制 |
| 5.1.2 电离层相位污染校正 |
| 5.2 MIMO-OTH雷达系统仿真 |
| 5.2.1 MIMO-OTH雷达系统仿真 |
| 5.2.2 发射信号的正交性验证 |
| 5.2.3 多模多径的抑制仿真 |
| 5.2.4 电离层相位污染校正仿真 |
| 5.2.5 MIMO-OTH雷达系统仿真结果 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间取得的研究成果 |
（3）复杂环境下雷达目标跟踪方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究的背景和意义 |
| 1.2 雷达目标跟踪研究现状 |
| 1.2.1 雷达目标状态估计的研究进展 |
| 1.2.2 视距雷达目标跟踪的研究进展 |
| 1.2.3 天波超视距雷达目标跟踪的研究进展 |
| 1.3 本文主要研究内容及结构安排 |
| 第二章 雷达目标状态估计算法 |
| 2.1 卡尔曼滤波 |
| 2.2 扩展卡尔曼滤波(EKF) |
| 2.3 基于确定性采样的非线性滤波算法 |
| 2.3.1 无迹卡尔曼滤波 |
| 2.3.2 二阶中心差分滤波 |
| 2.3.3 容积卡尔曼滤波 |
| 2.3.4 改进的容积卡尔曼滤波 |
| 2.3.5 仿真分析 |
| 2.4 粒子滤波 |
| 2.4.1 基本粒子滤波 |
| 2.4.2 改进的粒子滤波算法 |
| 2.4.3 仿真分析 |
| 2.5 小结 |
| 第三章 基于数据关联的雷达目标跟踪理论 |
| 3.1 航迹起始 |
| 3.1.1 直观法 |
| 3.1.2 基于m/n逻辑法 |
| 3.1.3 Hough变换航迹起始 |
| 3.1.4 仿真分析 |
| 3.2 典型数据互联算法 |
| 3.2.1 干扰环境下的单目标数据关联算法 |
| 3.2.2 干扰环境下的多目标跟踪数据关联算法 |
| 3.2.3 仿真分析 |
| 3.3 基于交互多模型的数据互联算法 |
| 3.3.1 IMMPDA算法 |
| 3.3.2 改进的IMMPDA算法 |
| 3.3.3 仿真分析 |
| 3.4 小结 |
| 第四章 基于随机有限集的多目标跟踪方法 |
| 4.1 单目标和多目标情形下的递推贝叶斯模型 |
| 4.1.1 单目标贝叶斯滤波 |
| 4.1.2 多目标RFS框架下的贝叶斯滤波 |
| 4.2 基于随机有限集PHD滤波 |
| 4.2.1 概率假设密度滤波 |
| 4.2.2 带势的概率假设密度滤波 |
| 4.3 PHD滤波的实现 |
| 4.3.1 混合高斯PHD滤波算法 |
| 4.3.2 粒子PHD滤波算法 |
| 4.3.3 改进的粒子PHD滤波算法 |
| 4.3.4 随机有限集的性能指标评价 |
| 4.3.5 仿真分析 |
| 4.4 小结 |
| 第五章 多径效应下的OTHR目标跟踪算法 |
| 5.1 OTHR目标跟踪模型 |
| 5.1.1 电离层模型 |
| 5.1.2 目标跟踪状态模型 |
| 5.1.3 OTHR量测模型 |
| 5.2 OTHR目标跟踪中两步滤波算法研究 |
| 5.2.1 两步滤波算法 |
| 5.2.2 改进的两步滤波算法及其在OTHR目标跟踪系统中的应用 |
| 5.2.3 仿真分析 |
| 5.3 多径效应下的数据互联算法 |
| 5.3.1 MPDA算法 |
| 5.3.2 MPCR算法 |
| 5.3.3 仿真分析 |
| 5.4 基于随机有限集的多径效应下的目标跟踪算法 |
| 5.4.1 基于RFS的OTHR量测模型 |
| 5.4.2 高斯混合多径PHD |
| 5.4.3 仿真分析 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
（4）天波雷达瞬态干扰抑制算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 天波超视距雷达的发展 |
| 1.2.1 天波超视距雷达介绍 |
| 1.2.2 国内外研究现状 |
| 1.2.3 天波超视距雷达探测场景 |
| 1.3 瞬态干扰特性及现有瞬态干扰抑制算法 |
| 1.3.1 瞬态干扰产生原因及影响 |
| 1.3.2 瞬态干扰建模 |
| 1.3.3 瞬态干扰抑制流程 |
| 1.3.4 瞬态干扰抑制算法研究现状 |
| 1.4 本文的主要研究内容 |
| 第2章 瞬态干扰检测 |
| 2.1 引言 |
| 2.2 常用的时频分析方法 |
| 2.2.1 短时傅里叶变换(STFT) |
| 2.2.2 小波变换 |
| 2.2.3 Wigner-Vile分布 |
| 2.2.4 常用时频分析方法对比 |
| 2.3 S变换 |
| 2.3.1 S变换概述 |
| 2.3.2 S变换检测瞬态干扰 |
| 2.3.3 仿真分析 |
| 2.4 本章小结 |
| 第3章 数据恢复算法研究 |
| 3.1 引言 |
| 3.2 基于传统AR方法进行数据恢复 |
| 3.2.1 AR模型概述 |
| 3.2.2 AR模型定阶准则 |
| 3.2.3 AR模型参数估计 |
| 3.2.4 AR模型进行数据恢复 |
| 3.3 基于ARIMA方法进行数据恢复 |
| 3.3.1 ARIMA方法概述 |
| 3.3.2 ARIMA方法进行数据恢复 |
| 3.3.3 仿真分析 |
| 3.4 基于指数平滑方法进行数据恢复 |
| 3.4.1 指数平滑方法概述 |
| 3.4.2 一次指数平滑方法 |
| 3.4.3 二次指数平滑方法 |
| 3.4.4 三次指数平滑方法 |
| 3.4.5 指数平滑方法结合ARIMA方法进行数据恢复 |
| 3.5 基于BP神经网络方法进行数据恢复 |
| 3.5.1 BP神经网络方法概述 |
| 3.5.2 仿真分析 |
| 3.6 本章小结 |
| 第4章 基于信号分解算法抑制瞬态干扰的研究 |
| 4.1 引言 |
| 4.2 经验模式分解算法 |
| 4.2.1 经验模式分解算法概述 |
| 4.2.2 极值延拓法解决边界端点效应 |
| 4.3 基于复经验模式分解算法的瞬态干扰抑制 |
| 4.3.1 复经验模式分解算法概述 |
| 4.3.2 复经验分解算法抑制瞬态干扰 |
| 4.3.3 仿真分析 |
| 4.4 基于自适应高斯基表征方法的瞬态干扰抑制 |
| 4.4.1 AGR方法概述 |
| 4.4.2 仿真分析 |
| 4.4.3 改进算法 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间发表的论文及其它成果 |
| 致谢 |
（5）复杂杂波背景下的高频超视距雷达目标检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 高频超视距雷达系统概述 |
| 1.2.1 地波超视距雷达系统概述 |
| 1.2.2 天波超视距雷达系统概述 |
| 1.3 高频雷达目标检测的难点与方法综述 |
| 1.3.1 高频雷达目标检测的难点 |
| 1.3.2 经典的CFAR检测方法综述 |
| 1.3.3 高频雷达目标检测方法综述 |
| 1.4 高频超视距雷达目标检测中的主要问题 |
| 1.5 本文的主要研究内容 |
| 第2章 多目标背景中的目标CFAR检测 |
| 2.1 引言 |
| 2.2 基础理论 |
| 2.2.1 高频超视距雷达RD谱统计特性 |
| 2.2.2 ML-CFAR检测器 |
| 2.2.3 野值稀疏正则化 |
| 2.3 目标稀疏约束的多目标CFAR检测方法 |
| 2.3.1 目标稀疏约束的分布参数估计 |
| 2.3.2 基于稀疏约束的野值剔除最大似然估计 |
| 2.3.3 自适应检测阈值 |
| 2.4 仿真和实验结果 |
| 2.4.1 仿真数据测试 |
| 2.4.2 实验数据测试 |
| 2.5 本章小结 |
| 第3章 杂波边缘背景中的目标CFAR检测 |
| 3.1 引言 |
| 3.2 基础理论 |
| 3.3 分布参数估计方法 |
| 3.3.1 算法的目标函数 |
| 3.3.2 稀疏正则化空间FCM算法 |
| 3.3.3 稀疏正则化空间FMM算法 |
| 3.3.4 完整的参数估计算法 |
| 3.3.5 目标检测 |
| 3.4 测试和分析 |
| 3.4.1 仿真数据测试 |
| 3.4.2 实验数据测试 |
| 3.5 本章小结 |
| 第4章 缓慢变化的杂波边沿背景中的目标CFAR检测 |
| 4.1 引言 |
| 4.2 RD谱分析 |
| 4.3 基础理论 |
| 4.3.1 ML-CFAR |
| 4.3.2 基于L_0范数正则化的MS模型 |
| 4.3.3 修正的相对全变分最小化 |
| 4.4 分布参数估计方法 |
| 4.4.1 参数估计目标函数 |
| 4.4.2 目标函数优化与分布参数估计 |
| 4.4.3 目标检测 |
| 4.5 实验和分析 |
| 4.5.1 算法的初始化 |
| 4.5.2 计算复杂度 |
| 4.5.3 仿真数据测试 |
| 4.5.4 实验数据测试 |
| 4.6 本章小结 |
| 第5章 多杂波混合的非均匀背景中的目标CFAR检测 |
| 5.1 引言 |
| 5.2 基础理论 |
| 5.2.1 运算定义 |
| 5.2.2 自适应紧框架 |
| 5.2.3 图与群稀疏正则化 |
| 5.3 分布参数估计模型 |
| 5.3.1 Gumbel杂波建模 |
| 5.3.2 背景单元分布参数正则化 |
| 5.3.3 目标加权群稀疏正则化 |
| 5.3.4 目标函数 |
| 5.4 分布参数估计算法 |
| 5.4.1 变量估计 |
| 5.4.2 完整的分布参数估计算法 |
| 5.4.3 目标检测 |
| 5.5 仿真和实验 |
| 5.5.1 算法的初始化 |
| 5.5.2 计算复杂度 |
| 5.5.3 仿真数据测试 |
| 5.5.4 实验数据测试 |
| 5.5.5 仿真和实验总结 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| A.高频超视距雷达实际RD谱统计特性分析 |
| B.野值的解 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（6）天发船收高频雷达坐标配准与多径数据处理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 天地波混合体制高频雷达国内外研究现状 |
| 1.2.2 天发船收高频雷达坐标配准国内外研究现状 |
| 1.2.3 多径数据处理国内外研究现状 |
| 1.3 本文的主要研究内容与结构安排 |
| 第2章 天发船收高频雷达坐标配准 |
| 2.1 引言 |
| 2.2 射线追踪法 |
| 2.2.1 电离层建模 |
| 2.2.2 数值型射线追踪 |
| 2.2.3 仿真分析 |
| 2.3 几何模型法 |
| 2.3.1 平面量测模型坐标配准方法 |
| 2.3.2 球面量测模型坐标配准方法 |
| 2.3.3 仿真实验 |
| 2.4 平面量测模型坐标配准误差分析 |
| 2.4.1 量测误差理论 |
| 2.4.2 几何精度因子 |
| 2.4.3 仿真分析 |
| 2.5 本章小结 |
| 第3章 目标状态估计算法 |
| 3.1 引言 |
| 3.2 目标跟踪模型 |
| 3.2.1 目标运动模型 |
| 3.2.2 系统量测模型 |
| 3.3 非线性状态估计算法 |
| 3.3.1 扩展卡尔曼滤波 |
| 3.3.2 不敏卡尔曼滤波器 |
| 3.3.3 粒子滤波算法 |
| 3.3.4 仿真分析 |
| 3.4 本章小结 |
| 第4章 传播模式识别与多径概率数据关联算法 |
| 4.1 引言 |
| 4.2 多径效应 |
| 4.3 多径传播模式识别 |
| 4.3.1 隐马尔可夫模型 |
| 4.3.2 Viterbi算法 |
| 4.3.3 传播模式识别 |
| 4.3.4 仿真分析 |
| 4.4 杂波模型 |
| 4.4.1 杂波建模 |
| 4.4.2 杂波仿真 |
| 4.5 MPDA算法 |
| 4.5.1 概率数据关联算法原理 |
| 4.5.2 MPDA算法原理 |
| 4.5.3 MPDA算法流程 |
| 4.5.4 仿真分析 |
| 4.6 MPCR算法 |
| 4.6.1 MPCR算法原理 |
| 4.6.2 MPCR算法流程 |
| 4.6.3 仿真分析 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 致谢 |
（7）阵列互耦与干扰条件下天波雷达多路径回波跟踪方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 阵列互耦校正方法研究现状 |
| 1.2.2 抑制干扰的波束形成方法研究现状 |
| 1.2.3 天波雷达多路径目标跟踪方法研究现状 |
| 1.3 主要研究内容及章节安排 |
| 第2章 天波雷达目标信号模型与基本算法介绍 |
| 2.1 引言 |
| 2.2 天波雷达目标及信号传播模型 |
| 2.2.1 目标模型和天波雷达传播电离层模型 |
| 2.2.2 天波雷达测量模型和坐标配准 |
| 2.2.3 均匀线性阵列信号模型 |
| 2.3 经典MUSIC算法 |
| 2.4 标准Capon波束形成算法和对角加载波束形成算法 |
| 2.5 本章小结 |
| 第3章 目标跟踪前的阵列互耦校正方法研究 |
| 3.1 引言 |
| 3.2 阵列互耦条件下的前后向平滑MUSIC算法 |
| 3.3 基于阵列互耦系数矩阵重构的MUSIC算法 |
| 3.4 基于重要性重采样的互耦系数矩阵重构方法 |
| 3.4.1 互耦系数矩阵的优化问题 |
| 3.4.2 重要性重采样方法的框架 |
| 3.4.3 四种重要性重采样函数 |
| 3.5 仿真分析 |
| 3.6 本章小结 |
| 第4章 目标跟踪前的干扰抑制方法研究 |
| 4.1 引言 |
| 4.2 干扰加噪声协方差矩阵重构 |
| 4.3 基于极大似然重采样的干扰加噪声协方差矩阵重构方法 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 第5章 多路径目标跟踪方法研究 |
| 5.1 引言 |
| 5.2 基于波束空间的数据降维方法 |
| 5.3 基于坐标配准的多路径目标估计 |
| 5.3.1 基于坐标配准的多路径回波处理 |
| 5.3.2 仿真分析 |
| 5.4 基于粒子滤波的目标跟踪方法 |
| 5.4.1 粒子滤波算法 |
| 5.4.2 仿真分析 |
| 5.5 基于容积卡尔曼滤波的目标跟踪方法 |
| 5.5.1 容积卡尔曼滤波算法 |
| 5.5.2 仿真分析 |
| 5.6 目标跟踪算法在分布式雷达上的应用 |
| 5.6.1 分布式雷达回波信号处理过程 |
| 5.6.2 仿真分析 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（8）天波超视距雷达航迹起始算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 航迹起始算法研究现状分析 |
| 1.2.2 OTHR专用航迹起始算法研究现状分析 |
| 1.3 本文主要研究内容 |
| 第2章 目标跟踪模型及状态估计方法 |
| 2.1 引言 |
| 2.2 天波超视距雷达目标跟踪模型 |
| 2.2.1 目标运动模型 |
| 2.2.2 雷达量测模型 |
| 2.2.3 仿真实验 |
| 2.3 常用状态估计方法 |
| 2.3.1 卡尔曼滤波 |
| 2.3.2 粒子滤波 |
| 2.3.3 仿真实验 |
| 2.4 RBPF滤波估计方法 |
| 2.4.1 RBPF滤波原理及过程 |
| 2.4.2 仿真实验 |
| 2.5 本章小结 |
| 第3章 低检测概率条件下的航迹起始算法 |
| 3.1 引言 |
| 3.2 航迹起始算法评价指标 |
| 3.3 经典航迹起始算法 |
| 3.3.1 逻辑法 |
| 3.3.2 Hough变换法 |
| 3.3.3 仿真实验 |
| 3.4 低检测概率条件下的航迹起始算法 |
| 3.4.1 改进的基于RHT的航迹起始算法 |
| 3.4.2 基于并行流水的航迹起始算法 |
| 3.4.3 MHT航迹起始算法 |
| 3.4.4 改进得分函数的MHT航迹起始算法 |
| 3.4.5 仿真实验 |
| 3.5 本章小结 |
| 第4章 非均匀杂波条件下的航迹起始算法 |
| 4.1 引言 |
| 4.2 非均匀分布杂波模型 |
| 4.2.1 非均匀分布杂波模型 |
| 4.2.2 仿真实验 |
| 4.3 相关波门 |
| 4.3.1 常见的波门 |
| 4.3.2 动态波门的设计 |
| 4.3.3 仿真实验 |
| 4.4 航迹确认 |
| 4.4.1 基于综合相关度的航迹确认 |
| 4.4.2 仿真实验 |
| 4.5 本章小结 |
| 第5章 OTHR的航迹起始算法 |
| 5.1 引言 |
| 5.2 OTHR专用航迹起始算法 |
| 5.2.1 改进的MHT航迹起始算法 |
| 5.2.2 两级Hough起始算法 |
| 5.2.3 仿真实验 |
| 5.3 实测数据测试 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（9）基于天波超视距雷达的多径数据关联算法研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外文献综述简析 |
| 1.3 本文的主要工作与内容安排 |
| 第2章 天波雷达目标跟踪系统模型 |
| 2.1 引言 |
| 2.2 电离层模型 |
| 2.3 目标跟踪模型 |
| 2.3.1 目标运动模型 |
| 2.3.2 系统量测模型 |
| 2.4 杂波模型 |
| 2.5 目标跟踪系统仿真 |
| 2.5.1 仿真参数 |
| 2.5.2 仿真结果 |
| 2.6 本章小结 |
| 第3章 天波雷达多径数据关联算法 |
| 3.1 引言 |
| 3.2 基于概率数据互联的多径数据关联算法 |
| 3.2.1 MPDA算法原理 |
| 3.2.2 MPDA算法流程 |
| 3.2.3 MPDA算法仿真 |
| 3.3 基于蚁群算法的多径数据关联算法 |
| 3.3.1 MACDA算法原理 |
| 3.3.2 MACDA算法流程 |
| 3.3.3 MACDA算法仿真 |
| 3.4 基于期望最大化的多径数据关联算法 |
| 3.4.1 MPMHT算法原理 |
| 3.4.2 MPMHT算法流程 |
| 3.4.3 MPMHT算法仿真 |
| 3.5 三种多径数据关联算法对比 |
| 3.6 本章小结 |
| 第4章 模型失配下的多径数据关联算法 |
| 4.1 引言 |
| 4.2 电离层模型失配 |
| 4.2.1 MPCR算法 |
| 4.2.2 AMM-MPDA算法 |
| 4.3 目标运动模型失配 |
| 4.3.1 自适应渐消记忆滤波算法 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 致谢 |
（10）天波雷达数据预处理与数据关联技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外文献综述简析 |
| 1.3 本文的主要工作与内容安排 |
| 第2章 目标跟踪系统模型 |
| 2.1 引言 |
| 2.2 目标运动模型 |
| 2.3 系统量测模型 |
| 2.3.1 系统量测方程 |
| 2.3.2 天波超视距雷达平面量测模型 |
| 2.4 天波探测环境下的卡尔曼滤波器 |
| 2.4.1 卡尔曼滤波器流程 |
| 2.4.2 卡尔曼滤波器初始化 |
| 2.5 运动目标仿真实验与结果 |
| 2.5.1 仿真参数 |
| 2.5.2 仿真结果 |
| 2.6 本章小结 |
| 第3章 数据预处理与航迹起始 |
| 3.1 引言 |
| 3.2 点迹滤波 |
| 3.2.1 点迹属性分析 |
| 3.2.2 点迹滤波原理 |
| 3.2.3 点迹滤波结果 |
| 3.3 航迹起始 |
| 3.3.1 修正逻辑法 |
| 3.3.2 修正逻辑法起始航迹仿真 |
| 3.3.3 修正Hough变换法 |
| 3.3.4 修正Hough变换法仿真 |
| 3.4 本章小结 |
| 第4章 概率数据关联算法的实现与应用 |
| 4.1 引言 |
| 4.2 PDA算法原理与仿真 |
| 4.3 JPDA算法 |
| 4.3.1 JPDA算法原理 |
| 4.3.2 JPDA算法仿真 |
| 4.4 PMHT算法 |
| 4.4.1 PMHT算法原理 |
| 4.4.2 PMHT算法仿真 |
| 4.5 本章小结 |
| 第5章 跟踪系统整体仿真处理结果 |
| 5.1 引言 |
| 5.2 跟踪系统性能评价指标 |
| 5.2.1 航迹起始成功率 |
| 5.2.2 虚假航迹起始率 |
| 5.2.3 航迹起始时延 |
| 5.2.4 航迹跟踪精度 |
| 5.2.5 航迹终结时延 |
| 5.3 跟踪系统整体仿真与结果 |
| 5.3.1 引入点迹滤波的航迹起始算法 |
| 5.3.2 实测数据处理结果 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
四、天波超视距雷达数据关联方法研究（论文参考文献）
- [1]分布式多基地雷达目标定位方法研究[D]. 杨丽娟. 武汉大学, 2021
- [2]MIMO-OTH雷达信号处理与仿真实验研究[D]. 杨文杰. 电子科技大学, 2021(01)
- [3]复杂环境下雷达目标跟踪方法研究[D]. 曹婷. 武汉大学, 2020
- [4]天波雷达瞬态干扰抑制算法研究[D]. 王妮. 哈尔滨工业大学, 2020(02)
- [5]复杂杂波背景下的高频超视距雷达目标检测方法研究[D]. 伍龙山. 哈尔滨工业大学, 2020
- [6]天发船收高频雷达坐标配准与多径数据处理研究[D]. 严万泉. 哈尔滨工业大学, 2019(02)
- [7]阵列互耦与干扰条件下天波雷达多路径回波跟踪方法研究[D]. 高荷福. 哈尔滨工业大学, 2019(02)
- [8]天波超视距雷达航迹起始算法研究[D]. 王娅琦. 哈尔滨工业大学, 2018(01)
- [9]基于天波超视距雷达的多径数据关联算法研究与实现[D]. 王伟. 哈尔滨工业大学, 2018(01)
- [10]天波雷达数据预处理与数据关联技术研究[D]. 袁子寅. 哈尔滨工业大学, 2016(02)