CAJ | 학술논문

传统的动态规划检测前跟踪(Dynamic Programming Track-Before-Detect, DP-TBD)算法在每一阶段的数据关联中,仅用当前帧的观测数据与前一帧的指标函数进行关联积累,对目标状态在连续相邻帧间的相关性以及目标运动特征的考虑不充分,这样在低信噪比时,容易发生目标关联错误,严重影响了 DP-TBD 算法的检测和跟踪性能.针对此问题,该文提出了一种基于二阶 Markov 目标状态模型的 DP-TBD 算法,该算法以目标状态的条件概率比最大为准则,采用二阶 Markov 模型描述目标状态的相关性,并根据目标运动特征给出了一种与目标转弯角度相关的状态转移概率模型.在此基础上,实现了多帧数据关联的 DP-TBD 算法.通过仿真实验与传统的 DP-TBD 算法进行了比较,验证了该算法的检测及跟踪性能
전통적동태규화검측전근종(Dynamic Programming Track-Before-Detect, DP-TBD)산법재매일계단적수거관련중,부용당전정적관측수거여전일정적지표함수진행관련적루,대목표상태재련속상린정간적상관성이급목표운동특정적고필불충분,저양재저신조비시,용역발생목표관련착오,엄중영향료 DP-TBD 산법적검측화근종성능.침대차문제,해문제출료일충기우이계 Markov 목표상태모형적 DP-TBD 산법,해산법이목표상태적조건개솔비최대위준칙,채용이계 Markov 모형묘술목표상태적상관성,병근거목표운동특정급출료일충여목표전만각도상관적상태전이개솔모형.재차기출상,실현료다정수거관련적 DP-TBD 산법.통과방진실험여전통적 DP-TBD 산법진행료비교,험증료해산법적검측급근종성능