基于QIPF的弱目標檢測前跟蹤算法*

郭云飛，張峰

（杭州電子科技大學通信信息傳輸與融合技術國防重點學科實驗室，杭州310018）

基于QIPF的弱目標檢測前跟蹤算法*

郭云飛，張峰

（杭州電子科技大學通信信息傳輸與融合技術國防重點學科實驗室，杭州310018）

針對低信噪比條件下弱目標檢測跟蹤問題，提出一種擬蒙特卡羅智能粒子濾波檢測前跟蹤算法（Quasi-MonteCarloIntelligentParticleFilterTrack BeforeDetect，QIPF-TBD）。首先，該算法采用擬蒙特卡羅技術改善探測空間中粒子分布的均勻性；其次，通過對更新階段的粒子進行交叉變異等操作，提高粒子重采樣之后的多樣性。與同類算法的仿真分析表明，所提方法能有效改善低信噪比目標的檢測概率和跟蹤精度。

弱目標，檢測前跟蹤，智能粒子濾波，擬蒙特卡羅

0　引言

低信噪比下弱目標的檢測和跟蹤是光學、紅外及雷達系統亟待解決的關鍵問題之一。檢測前跟蹤技術（Track BeforeDetect，TBD）通過多幀原始數據積累，以時間換取能量，達到檢測和跟蹤低信噪比目標的目的。典型的TBD算法主要有霍夫變換（Hough Transform，HT）［1］，動態規劃（Dynamic Programming，DP）［2］以及粒子濾波（Particle Filtering，PF）［3］等，其中基于PF的TBD算法（記為PF-TBD）由于具有遞歸方法良好的實時性，引起了國內外學者的廣泛關注［3-7，11］。

文獻［3,6］提出了在雷達和紅外系統的PF-TBD實現方法，文獻［5］中指出傳統PF-TBD算法面臨著粒子多樣性匱乏這一問題。文獻［7，10］利用擬蒙特卡羅（Quasi-Monte Carlo，QMC）方法使得隨機分布更加均勻的優點，將其應用于PF-TBD問題中，解決了粒子多樣性匱乏的問題。QMC方法也可用于改善遺傳算法中的種群分布［9］。文獻［8］將遺傳算法用在PF算法中，為解決粒子多樣性匱乏的問題提供了新的思路。……