毕业论文移动版

3。目标

由于找到实际的雷达进行实验比较麻烦，所以需要使用代码进行目标的模拟以及杂波的生成。生成目标以及杂波之后，使用合适的程序对数据进行处理，建立图形用户界面，将处理的结果转化成图像显示出来。

2   雷达原理

雷达的信息载体是无线电波。 事实上，不论是可见光或是无线电波，在本质上是同一种东西，都是电磁波，在真空中传播的速度都是光速C，差别在于它们各自的频率和波长不同。其原理是雷达设备的发射机通过天线把电磁波能量射向空间某一方向，处在此方向上的物体反射碰到的电磁波；雷达天线接收此反射波，送至接收设备进行处理，提取有关该物体的某些信息（目标物体至雷达的距离，距离变化率或径向速度、方位、高度等）。

测量距离实际是测量发射脉冲与回波脉冲之间的时间差，因电磁波以光速传播，据此就能换算成目标的精确距离。

测量目标方位是利用天线的尖锐方位波束测量。测量仰角靠窄的仰角波束测量。根据仰角和距离就能计算出目标高度。

测量速度是雷达根据自身和目标之间有相对运动产生的频率多普勒效应原理。雷达接收到的目标回波频率与雷达发射频率不同，两者的差值称为多普勒频率。从多普勒频率中可提取的主要信息之一是雷达与目标之间的距离变化率。当目标与干扰杂波同时存在于雷达的同一空间分辨单元内时，雷达利用它们之间多普勒频率的不同能从干扰杂波中检测和跟踪目标。

雷达发射的单个脉冲信号可以表示成：

其中，为发射机的峰值功率，是雷达射频，为脉冲宽度，为脉冲幅度，为发射脉冲复包络。

目标反射信号可以表示为：其中，，为雷达距离方程常数，

为系统的总损耗因子，在0到1之间，为发射天线的复电压增益，为接收天线的复电压增益，R为目标斜距，是工作波长，b为目标散射参量。

3  多目标雷达算法

多目标跟踪的基本方法，可以分为极大似然类数据关联算法和贝叶斯类数据互联算法。极大似然类数据关联算法包括人工标图法、 航迹分叉法、联合极大似然算法、0-1整数规划法、 广义相关法等。贝叶斯类互联算法包括最近邻域法、 概率数据互联算法、联合数据互联算法、最优贝叶斯算法、多假设方法等。 

3。1极大似然类多目标数据关联算法 论文网

在极大似然类数据关联算法中，目前主要应用的是航迹分叉法 、两盒极大似然算法、 0-1整数规划法和广义相关法这四种 算法。表三就这几种线性关联算法进行对 比分析 。 通过实验，在测量杂波环境相同的条件下，航迹分叉法的计算耗时最长，计算量最大，这是由于它无区别地分配有效测量，不处理同一量测在多分枝中的竞争所导致的。联合极大似然法次之，0-1整数规划法和广义相关法相对耗时较少，具有较好的实时性 。 综上各个方面。 可以看出广义相关法能够较好地进行量测点迹的分配，并具有较好的算法实时性。

3。2贝叶斯类多目标数据互联算法

贝叶斯类的多目标跟踪算法根据计算方式可以分为最优贝叶斯和 次优的贝叶斯两大类算法。次优的贝叶斯类算法只对最新的确认量测集 合进行研究，最优贝叶斯算法是对当前时刻的所有确认量测集合进行研究，给出每个量测序列的概率。 次优贝叶斯类算法中联合概率数据互联算法（JPDA）是在概率数据互联滤波器（PDAF）的基础上发展起来的，是在杂波环境下对多目标进行数据互联的一种非常合适的算法。 最优贝叶斯算法是一种全邻域滤波器，它考虑了时间积累信息，能够提供密集环境下最优的性能，因此成为后验全邻域算法。多假设多目标跟踪算法（MHT）是以“全邻”最优滤波器和 “聚”的概念为基础，在理想条件下，MHT被认为是数据互联处理的最优方法。 (责任编辑：qin)