典型文献
低SNR场景下微型无人机跟踪-检测融合方法
文献摘要：
针对低信噪比(SNR)场景下微型无人机探测难题,本文提出了一种基于序贯蒙特卡罗-检测前跟踪(SMC-TBD)的多输入多输出雷达目标跟踪-检测融合方法.区别于跟踪和检测过程相互独立的传统方法,本文方法直接利用三维傅里叶变换后未经阈值处理的雷达原始数据,通过SMC方法计算目标累积存在概率,在实现微型无人机连续检测的同时,完成目标轨迹的高精度跟踪.本文方法的创新在于通过融合检测和跟踪过程,实现了时间-距离-多普勒-方位域目标能量累积,提高了低SNR场景下微型无人机探测性能.实验结果表明,本文方法在SNR低于-20 dB时,微型无人机跟踪性能才逐渐恶化,相比于雷达量测、扩展卡尔曼滤波和粒子滤波提升了约8 dB.
文献关键词：
微型无人机;多输入多输出雷达;序贯蒙特卡罗-检测前跟踪;长时间能量累积
中图分类号：
作者姓名：
方鑫;朱婧;黄大荣;张振源;肖国清
作者机构：
西南石油大学机电工程学院 成都 610500;重庆交通大学信息科学与工程学院 重庆 400074;西南石油大学化学化工学院 成都 610500
文献出处：
引用格式：
[1]方鑫;朱婧;黄大荣;张振源;肖国清-.低SNR场景下微型无人机跟踪-检测融合方法)[J].仪器仪表学报,2022(04):79-88
A类：
长时间能量累积
B类：
SNR,微型无人机,无人机跟踪,融合方法,低信噪比,无人机探测,序贯,蒙特卡罗,检测前跟踪,SMC,TBD,多输入多输出雷达,雷达目标跟踪,检测过程,相互独立,傅里叶变换,阈值处理,原始数据,积存,连续检测,目标轨迹,探测性能,dB,跟踪性能,扩展卡尔曼滤波,粒子滤波
AB值：
0.305485
相似文献
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。
