多目标检测与估计是多普勒雷达的基本任务。当信噪比较低时,为确保检测到目标需降低门限而产生了大量虚警,基于数据的多假设跟踪(Multi-Hypothesis Tracking,MHT)和联合概率数据关联(Joint Probabilistic Data Association,JPDA)方法因...多目标检测与估计是多普勒雷达的基本任务。当信噪比较低时,为确保检测到目标需降低门限而产生了大量虚警,基于数据的多假设跟踪(Multi-Hypothesis Tracking,MHT)和联合概率数据关联(Joint Probabilistic Data Association,JPDA)方法因计算复杂度过高而失效,基于原始信号的随机有限集(Random Finite Set,RFS)滤波器可有效解决该问题。多普勒雷达回波信号以叠加的方式受到多个目标影响,其多目标检测与估计问题属于叠加式传感器的典型应用。本文在叠加式多伯努利(Multi-Bernoulli,MBR)滤波器基础上利用具有准确势估计的独立同分布群(Independent and Identically Distributed Cluster,IIDC)RFS对新生目标建模,并采用辅助粒子滤波器(Auxiliary Particle Filter,APF)实现了多目标联合检测与状态估计。仿真结果表明,混合MBR和集势概率假设密度(Cardinalized Probability Hypothesis Density,CPHD)滤波器对多普勒雷达多目标的检测估计性能优于MBR滤波器,且减小了计算复杂度。展开更多
