基於多貝努利隨機集的弱小目標TBD方法研究

《基於多貝努利隨機集的弱小目標TBD方法研究》是依託西安電子科技大學，由李翠芸擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於多貝努利隨機集的弱小目標TBD方法研究
• 項目類別：青年科學基金項目
• 項目負責人：李翠芸
• 依託單位：西安電子科技大學

中文摘要

低信噪比下紅外弱小目標的檢測，由於其信號能量低、背景複雜、目標數時變等特點，一直是國內外相關研究領域的一個熱點與難點問題。本項目以隨機有限集為理論基礎，結合非平穩信號處理方法，擬研究基於多貝努利隨機集的時變紅外弱小目標檢測前跟蹤方法。 主要研究內容包括：(1)針對紅外圖像非平穩特性，將二維經驗模態分解（EMD）方法引入紅外圖像預處理，擬研究基於偏微分方程的二維EMD雜波抑制方法；(2)為了降低時變多目標跟蹤模型的狀態維數、避免目標數過估，擬研究RBPF實現的多貝努利隨機集濾波方法和基於對稱相對熵的多貝努利項合併方法；(3)為減小檢測判決延遲完成航跡確認，擬研究基於貝努利項多幀存在機率曲線的雙統計量判決方法。 本項目研究成果將豐富目標數未知且時變的紅外弱小目標檢測前跟蹤方法體系，項目研究將有效拓展和提高國防或民用領域對於低信噪比下弱小目標的檢測能力，為紅外探測系統性能改善提供理論支撐。

結題摘要

由於目標數目的不確定性、易受雜波、噪聲等複雜背景因素的影響，多目標檢測與跟蹤成為理論研究的難點問題。尤其是在低信噪比的環境中，弱小目標難以從背景噪聲中區分開來。本項目在研究隨機有限集理論多目標跟蹤方法的基礎上，重點研究多貝努利和機率假設密度多目標跟蹤方法在紅外弱小目標檢測前跟蹤中的套用。主要研究內容與成果如下： (1)紅外圖像預處理方法：針對傳統圖像預處理算法存在的虛警和漏檢嚴重的問題，提出一種改進的Robinson Guard背景抑制算法；針對現有的二維經驗模態分解（EMD）方法存在邊界效應、分解速度慢等缺點，提出基於偏微分方程的二維EMD去噪方法；為解決圖像序列中多個目標跟蹤的不穩定性，提出基於SCK-MB-TBD的濾波跟蹤方法。 (2)基於隨機集理論的多目標跟蹤具體實現方法：針對傳統算法在量測噪聲協方差未知情況下跟蹤性能急劇下降的問題、非線性系統模型中未知雜波環境下的多目標跟蹤問題、在雜波模型與先驗知識不匹配情況下濾波性能急劇下降的缺點，分別提出了基於變分貝葉斯的勢均衡多目標多伯努利濾波跟蹤算法、基於擬蒙特卡羅的未知雜波高斯混合粒子機率假設密度算法和一種新的未知雜波環境下PHD濾波器。 （3）隨機集框架下弱小目標的能量累積、虛假目標的刪減與合併方法：針對傳統TBD算法存在高存儲空間和高複雜度的難題， 提出一種點擴散函式下的閾值化量測TBD算法，並將其與MeMBer濾波結合套用到紅外多弱目標的檢測跟蹤；針對現有多個弱小目標檢測前跟蹤算法存在的跟蹤精度低，算法複雜度高等問題，提出一種新的基於機率假設密度的TBD算法，三種信噪比條件下，所提算法運行所耗時間約為傳統算法SMC-PHD-TBD所耗時間的40%左右。 本項目研究成果不僅豐富目標數未知且時變的紅外弱小目標檢測前跟蹤方法體系，還拓展了隨機集多擴展目標跟蹤在量測噪聲、雜波未知情況下理論水平，項目研究有效提高國防或民用領域對於低信噪比下弱小目標的檢測能力，為紅外探測系統性能改善提供理論支撐。