一个强大的交互式多模型多伯诺利混合过器,用于在闪光噪声下操纵多目标跟踪.
Benru Yu1, Hong Gu1, Weimin Su1
1School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
这项研究引入了一种强大的过器,用于跟踪雷达系统中的多个机动目标,解决重尾闪光噪声带来的挑战. 拟议的方法通过自适应学习未知的噪声统计数据,以提高追踪精度.
科学领域:
- 雷达系统工程 雷达系统工程
- 信号处理 信号处理
- 统计推理 统计推理
背景情况:
- 雷达系统面临着闪光噪声,这是由目标方面变化引起的非高斯干扰,影响追踪精度.
- 传统的跟踪算法经常失败,因为它们依赖高斯式噪声模型,而高斯式噪声模型对于闪光噪声来说是不够的.
- 在这些条件下跟踪时间变化的数量机动目标是一个重大挑战.
研究的目的:
- 开发一种可靠的过方法,以在闪光噪声存在时跟踪机动目标,并使用未知的统计数据.
- 解决雷达应用中传统的基于高斯的追踪方法的局限性.
- 提高复杂环境中的多目标跟踪的准确性和可靠性.
主要方法:
- 提出了一个强大的交互多模型多伯诺利混合过器.
- 利用变化贝叶斯方法来适应学习未知的噪音统计数据.
- 采用多变量拉普拉斯分布来建模闪光噪声的重尾特征.
主要成果:
- 拟议的过器在跟踪过程中自适应地学习未知的噪声统计数据.
- 变化下界被用于大致计算预测概率.
- 计算机模拟证明了拟议过器的有效性和优越性,而不是传统方法.
结论:
- 开发的过器为受闪光噪声影响的雷达系统中的多目标跟踪提供了强大的解决方案.
- 对噪声统计的自适应学习显著提高了跟踪性能.
- 这种方法为实际的雷达跟踪应用提供了有希望的进步.
