基于动态规划弱小目标检测技术(2)
有两个主要的困难在这个弱小目标检测方法之中：（1）各种干扰信号的干扰，目标容易被淹没，无法实现单帧图像的可靠检测，相对的，多帧图像可以实现比较可靠的检测[1]。(2)雷达检测一些运动目标，如果这些目标的性噪比也比较低，难以检测出来。
在常见的雷达系统，探测器和场景提取了天线接收到的原始数据，在此基础上进行扫描—扫描的后续跟踪阶段，检测阈值是用来控制的干扰信号的数量[2]，这种解决方案的限制是，小信号 - 干扰比（SDR）目标经常丢失，因为他们的检测值不超过阈值水平，太多的漏检导致轨道丢失，并最终在跟踪阶段阶段丢失需要检测的信号。多帧检测（MFD），可用于克服这个缺点，几个连续的扫描联合确定阈值，让弱小目标仍可检测到。MFD是运动目标跟踪中存在的一个具有挑战性的问题，它可利用检测前跟踪(（TBD）技术，数据随着时间的推移进行关联[3]-[6]，以提高检测弱运动目标概率。原先提出MFD/ TBD已成功应用到被动和有源传感器中，可能利用目标运动的一些先验信息，考虑一个未知数量的目标，采用序贯数据处理直接操作于原始输入数据，如果传感器的分辨率的元素数目是大的，并且目标的策略都是允许的[7]。。
相比较国内，国外对于雷达弱小目标检测与跟踪的有关方面早就开始了研究[8].各种人员和研究所在此方面做出了重大的成就如下；首先，在一开始的时候，N．C．Mohanty[9]利用穷举法列举出一切可能的多帧点构成的轨迹，再将这些点用一定的计算方式表达出来从而得到一些目标的状态值，再把这些状态值与检测门限进行比较，将超过检测门限的状态值都找出来，并且回溯航迹，最后得到结果。但是穷举法操作实现难度比较大。YBamivV[10]在此方面有了进一步的突破，通过观察第1到第K个弱小目标之间存在一定联系，可以使用动态规划算法来表示，此外，他还根据实验分析的算法和多步算法，在弱小目标的一个重大突破，而且还下基于动态规划算法的跟踪检测埋下伏笔。随后，J．E Arnold[11]基于前人的经验，继续研究弱小目标的检测算法，并取得不小的成果，他研究的算法可以检测到0dB以下的目标，但这种算法的局限性是只能检测目标波动模型，对起伏目标模型没有好的结果。对此，S．M．Tonissen[12]有了一定的完善，研究出可以检测如上模型的算法，这类方法是通过得到所检测目标的幅度信息，然后用算法构造值函数，这样可以准确的检测和追踪目标。可问题在于它的跟踪性能很差。最后，Johnstont[13]在S．M．Tonissen研究的基础上，利用极限理论仔细分析了动态规划算法的性能，并将算法很好的考虑到现实的环境之中，研究出了门限中的虚警和一些其他检测信息的表达式。
国内对于雷达弱小目标检测与跟踪的有关方面也开始了研究。首先，彭嘉雄[14]通过检测弱小目标时，之间的关系和动态规划算法的了解，将动态规划算法运用到检测弱小目标之中，通过算法步骤，回溯航迹然后模拟实验，将弱小目标的运动轨迹用图像表示出来。除此之外，强勇等人通过深入研究理解相关动态规划算法的一些运用，，将目标的运动关系通过该算法表示成一个K目标和K-1目标状态的递归式子，并对这些式子进一步的扩充和改良。对于动态规划算法，卢焕章[15]还提出了基于航迹置信度检测的弱小目标检测方法的动态规划和轨迹，方向和两个轨道加权关联值算法的基础上，基于动态规划的点目标轨迹关联算法的动态规划算法的检测，这些算法都可以都发展和完善了弱小运动目标的检测。强勇[16][17]等又加入低门限虚警率和求秩，这两个过程级别，对数据的访问，以排除干扰，先进行预处理，从而排除一些杂波轨迹。从而研究出了把恒虚警率与基于动态检测前跟踪这两个结合起来。宋慧博等人通过前面的目标状态的轨迹，从而预测时刻的检测条件，减少状态检测空间，计算，能量扩散和误报[18]。