杂波背景下基于概率假设密度的辅助粒子滤波检测前跟踪改进算法

现代战场环境下，越早探测到目标就越有利于夺取致胜先机，雷达作为现代战场上的“眼睛”，肩负着探测目标的重要使命。当前，雷达目标探测大多采取先检测后跟踪（DBT）的策略。检测过程通常采用脉冲压缩、动目标显示（MTI）或动目标检测（MTD）等技术改善信杂噪比，然后通过门限判决完成恒虚警（CFAR）检测；跟踪过程则是对检测得到的点迹依次进行点迹预处理、航迹起始、数据关联、滤波、预测等处理，最终输出目标航迹。因此，在DBT处理策略中，目标检测往往是基于单次扫描回波数据，这在低信杂噪比条件下容易导致漏警（对应正常门限）或虚警较多（对应降低门限），进而影响后续的跟踪处理过程。

图1 先检测后跟踪（DBT）处理的基本框图

针对这类问题，检测前跟踪（TBD）技术是一种良好的应对策略。TBD技术利用了多次扫描的观测数据，不严格设定检测与跟踪之间的界限，在检测之前引入跟踪滤波思想，从跟踪处理的角度挖掘多次扫描数据中包含的扫描间相关信息，以此提高低信杂噪比条件下的目标探测性能。

图2 检测前跟踪（TBD）处理的基本框图

当前，以概率假设密度滤波（PHD）为代表的有限集统计学思想被广泛应用在多目标TBD方法中。但由于目标状态的维数随目标数目的增多而线性增长，在粒子滤波中粒子数目必须足够大才能确保高维状态的估计精度，然而过多粒子又势必会造成计算量增加，因而在计算量与估计精度之间产生了矛盾。

为此，海军航空大学黄勇副教授等在PHD滤波的粒子滤波实现方法基础上引入第二层粒子，并结合平行分割理论与辅助粒子滤波，提出了杂波背景下基于平行分割的辅助粒子滤波PHD-TBD方法。

该工作已发表在《雷达学报》网络优先出版的“杂波背景下基于概率假设密度的辅助粒子滤波检测前跟踪改进算法”（裴家正，黄勇，董云龙，陈小龙）。

该文首先将常规的PHD-TBD方法中的粒子视为第一层粒子，利用平行分割理论生成第二层粒子，以此避免联合采样时的维数灾难；然后利用辅助粒子滤波的辅助变量对第二层粒子进行标记；接着，对当前目标进行状态预测，结合邻近目标的状态似然，得到当前目标状态的预测似然函数；最后利用两层粒子的更新迭代，实现在粒子数较少或者目标较多、较密集情况下对多目标状态的准确估计。

了解详细内容请点击下面阅读原文。