典型文献
基于叠加式传感器的多普勒雷达多目标联合检测与估计
文献摘要：
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.
文献关键词：
叠加式传感器;联合检测与估计;多伯努利;集势概率假设密度;辅助粒子滤波
中图分类号：
作者姓名：
董文豪;达凯;宋志勇;付强
作者机构：
国防科技大学电子科学学院ATR国防重点实验室,湖南长沙410073
文献出处：
引用格式：
[1]董文豪;达凯;宋志勇;付强-.基于叠加式传感器的多普勒雷达多目标联合检测与估计)[J].信号处理,2022(05):964-972
A类：
叠加式传感器,联合检测与估计,多假设跟踪,Identically,IIDC,辅助粒子滤波,Cardinalized
B类：
多目标检测,基本任务,门限,Multi,Hypothesis,Tracking,MHT,概率数据关联,Joint,Probabilistic,Data,Association,JPDA,法因,计算复杂度,随机有限集,Random,Finite,Set,RFS,多普勒雷达回波,回波信号,典型应用,多伯努利,Bernoulli,MBR,独立同分布,Independent,Distributed,Cluster,新生目标,粒子滤波器,Auxiliary,Particle,Filter,APF,状态估计,集势概率假设密度,Probability,Density,CPHD
AB值：
0.371371
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
