基于动态规划弱小目标检测技术(3)
从以上我们可以知道，对雷达弱目标检测前跟踪研究国内外学者，取得了大量的成果。他们对动态规划、恒虚警率和一些基于动态规划算法的检测前跟踪联算法有了丰富的理论推导和实践仿真，而且还在进一步的发展和完善。
1.2 两种弱小目标的检测与跟踪处理方法
检测和跟踪弱小目标，我们有以下两种方法：
方法1：检测后跟踪(TAD)，过程：检测到目标信号，对所检测到的的信号通过特定的信号处理方式来产生观测数据，经过阈值处理，发送到跟踪滤波器的独立，最后数据跟踪处理；
方法2.检测前跟踪(TBD)，过程：检测到目标信号，直接采用传感器原始观测数据，无需进行阈值处理。
方法的不同点：检测后跟踪是对单帧数据进行处理积累完成检测过程，检测前跟踪先对多帧数据进行处理，完成检测过程。
两种方法的差异：对于弱小目标的检测，检测后跟踪处理通过降低检测门限或者提高传感器灵敏度的方式，举例来说，对于一些弱小目标比如飞鸟，蜜蜂等，但是降低检测门限会造成较多的杂波和干扰，增大检测任务量和难度。可是升高检测门限可能造成我们所求的弱小信号目标检测 不完整。
为了解决上述问题，特别是雷达弱目标检测与跟踪在现实生活中，我们的目标在长时间相干积累来完成检测。长时间相参积累这个方法在不断累积之下，可以使得所求弱小目标回溯的信号状态更明显。快速傅立叶变换(FFT)可以很好的实现传统的相参积累。目前来说，相参积累应该是解决弱小目标检测与跟踪的最优手段，然而该方法使用条件如下:在所规定要求时间内，目标做匀速直线运动，且与之相关的多普勒频率为常数，并将回波包络的不超过一个距离门，最后的观察时间不能太长，否则前提不再成立，基于FFT的相干积累方法不能所有的回波能量的积累。在雷达预警和一般的跟踪系统，常常大量观测数据采集时间间隔过大，容易出现由于多普勒频率波动。此外，该方法使系统的设计更加复杂，并提高成本系统。在多传感器分布式处理，具有相当大的难度，它的成本可以想象。。由于上述原因，探索更有效的方法势在必行。
TAD 的阈值处理稍微降低数据量，简化了跟踪，但也不可避免地导致信息损失，一定程度上。当信噪比不变化时根据相应的算法，由检测门限的值可以算得目标的虚警密度和检测概率。经过研究知道，虚警密度和数据关联算法有相应的关系。虚警密度越高，则数据关联算法越复杂。这也说明了TAD 在弱小目标检测与跟踪中的应用有极大的局限性。检测前跟踪这种非相参积累思路，把跟踪轨迹提取当做重点重点将是一个适当的选择。。而TBD 直接采用传感器原始观测，没有TAD 的阈值处理，不会浪费数据中的有效信息，辅助弱小目标的检测与跟踪。可见与TAD 算法相比，TBD方法更适用于弱小目标。
1.3 TBD的主要算法介绍
TBD ，即检测前跟踪，在国内外已经被很多人所研究。基于信号和数据的处理和一系列的仿真分析。研究人员通过目标数据积累和关联的不同发面实现了TBD下面是目前比较常见的算法如下：
1.基于粒子滤波的方法
粒子滤波是指通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。粒子滤波是英国学者Cordon，Salmond 等于1993 年提出来的，,是一种通过蒙特卡罗积分模拟来实现对贝叶斯滤波递推的技术。检测方法是利用一系列随机样本的加权和表示所需的后验概率密度，得到状态的估计值。