基于粒子濾波的紅外弱小目標的檢測與跟蹤弱小目標檢測與跟蹤的發(fā)展1弱小目標檢測與跟蹤的背景在現(xiàn)代高科技戰(zhàn)爭中，為了能盡早地發(fā)現(xiàn)敵方衛(wèi)星、導彈、飛機、坦克、車輛等軍事目標，增大作戰(zhàn)距離，要求在遠距離處就能發(fā)現(xiàn)目標，只有及時地發(fā)現(xiàn)目標、跟蹤目標、捕獲和鎖定目標，才能實現(xiàn)有效的攻擊。然而，對于獲得的遠距離圖像，目標成像面積小，可檢測到的信號相對較弱，特別是在復雜背景干擾下，目標被大量噪聲所淹沒，導致圖像的信噪比（SNR）很低，小目標檢測工作變得困難起來。因此，低信噪比條件下序列圖像運動小目標的檢測問題成了一個亟待解決的關(guān)鍵問題，探索和研究新的小目標檢測理論以及如何將現(xiàn)有的檢測理論應(yīng)用于小目標仍是一項重要的課題，對現(xiàn)代戰(zhàn)爭以及未來戰(zhàn)爭具有深遠的意義。2弱小目標的含義“弱”和“小”指的是目標屬性的兩個方面。所謂“弱”是指目標紅外輻射的強度，反映到圖像上是指目標的灰度，即低對比度的目標，也稱灰度小目標；所謂“小”是指目標的尺寸，反映到圖像上是指目標所占的像素數(shù)，即像素點少的目標，也稱能量小目標。3弱小目標檢測與跟蹤的難點在低信噪比情況下檢測和跟蹤未知位置和速度的運動小目標是紅外搜索和跟蹤系統(tǒng)中的一個重要問題，其主要困難在于：(1)缺少關(guān)于背景的統(tǒng)計先驗信息；(2)目標的信噪比非常低以至于很難從單幅圖像中檢測出目標；(3)目標可能會在未知時間點上出現(xiàn)或消失；(4)無法得到形狀、紋理等有用的目標特征；(5)僅有的檢測信息是目標的未知的亮度和移動速度。4紅外弱小目標的檢測與跟蹤算法1）算法分類：◆DBT（DetectbeforeTrack）----跟蹤前檢測；島姥萍◆徑復TBD文(Tr盾ackb爭efore薦Dete纖ct)-捎---檢測太前跟蹤。袖2）DBT危算法持※因攏DBT充算法某檢測與跟蹤飯的問原理強經(jīng)典的小目擇標檢測與跟航蹤方法是溫DBT，博即先根據(jù)檢稻測概率和虛浸警概率計算盜單幀圖像的庫檢測門限知，伙然后對每幀桐圖像進行分捏割械，似并將目標的軍單幀檢測結(jié)聚果與目標運理動軌跡進行腿關(guān)聯(lián)育，屢最后進行目離標跟蹤強，適應(yīng)于信名噪比較低高幟的情況下亂。囑※前備算法流程叨圖友進援待牢圖1先津檢測后跟蹤葬算法流程悟DBT染算法常采用唉的方法：恩小波分析方涉法葡背景抑制方盛法訊基于變換的羅方法令門限檢測方蝦法遼3）TB曬D算法蝦※選惡TBD濱算法檢測與叮跟蹤的原理踢目前人們較暗多采用路TBD寶方法來檢測敞圖像中低信覆噪比弱小目垂標拋，位這種方法對憶單幀圖像中世有無目標先明不進行判斷下，帥而是先對圖淹像中較多的綿可能軌跡同而時進行跟蹤佩，蛙然后根據(jù)檢安測概率愚、海虛警概率和達信噪比計算停出多幀圖像敗的檢測門限千進行決策婚。暑在低信噪比亭情況下墾，TBD的炮檢測性能優(yōu)賤于DBT。算法流程繼TDB方法沙概括起來包木含三個步驟蛛：衡一背景抑制扭，啟通過濾波將溝紅外圖像低束頻和高頻部累分進行分離剖，磨提高信噪比否，閱盡可能抑制漠原始圖像中粒的低頻背景四雜波干擾品；傭二是可疑目謝標跟蹤鞋，走利用相鄰幾越幀中目標的限運動信息來詞分割可能目弟標冒，宜從背景抑制扣后的圖像中鋼分割出少量盾候選目標進伏行跟蹤擔；旦三是目標檢戴測娃，治利用序列圖代像中目標運式動的連續(xù)性忠和軌跡的一齊致性才，通進一步排除海虛假目標梯，饒從候選目標向中檢測出真石正的目標桶。壘圖2紅外型弱小目標T振DB算法設(shè)副計流程常用方法紡基于三維匹茫配濾波器方笛法霧基于多級假譽設(shè)檢驗方法盡基于高階相纖關(guān)方法玩基于動態(tài)規(guī)裂劃方法沉基于參投影變換方壓法所基于時域濾夸波方法份基于粒子濾么波方法勢基于粒子濾迷波方法的T朝BD算法發(fā)執(zhí)展現(xiàn)狀抱●喬國外發(fā)展現(xiàn)部狀踢釋基于粒子濾室波檢測小目比標的思想首瞞先是由羨Salmo膊nd乏提出的，他基通過運動方簡程預測出下柳一時刻的運秒動狀態(tài)，再畜利用傳感器伶獲得的量測續(xù)數(shù)據(jù)對其進里行更新，得扁到該時刻狀燦態(tài)的后驗概狡率分布，最羞后以目標出世現(xiàn)概率作為頃目標檢測的紐判斷準則，館檢測出真實勸目標，并估招計目標在空土間平面內(nèi)的樸位置。熟Risti胃c完善厚了塵Salmo突nd他們溜的工作，給羊出了詳細的樸實現(xiàn)步驟，驕并且評價了蔑該算法的跟召蹤誤差性能仍及檢測性能榨。禁Boers鬧也在這方面超做了大量研渡究，其框架騙上與前者相葛似，只是將棍單目標推廣幻到多目標。戴最近，在盤Risti注c的基礎(chǔ)上顫，Rutt非en等學立者對粒子濾忠波TBD壺算法作了圣深入研究，擦在其研究中稈所采用的量郊測噪聲不是哨傳統(tǒng)的高斯肉噪聲，而是忽Rice矩an噪聲安和Ray友leigh使噪聲，這旬樣使量測更奸加接近真實狀數(shù)據(jù)，并且殃通過推導得彈出目標出現(xiàn)感概率日的計算公式灰。頭●鳳國內(nèi)發(fā)展吐現(xiàn)狀爺針對低信噪夠比下幅值波戴動的弱目標瑞跟蹤問題，乎楊小軍提出伍了一種基于困粒子濾波和川Baye辜s似然比叢方法的聯(lián)合肅檢測和跟蹤擱算孫法。追在低信噪比禽復雜環(huán)境下消的紅外小目緣標品檢測和跟蹤徑問題，胡洪閉濤等提出了墻基于輔助粒都子濾濾的紅霜外小目標檢角測前跟蹤算加法。督4）TBD掀與DBT檢日測性能比較另跟蹤前檢測扒方法（DB閱T）鍵檢測前跟蹤榴方法（TB嫂D）樸優(yōu)點梨先進行單幀茶檢測新算法簡單寧實現(xiàn)容易餅虛警概率低悠，檢測概率鉛高脅抗干擾能力吼強垃適用于信噪耐比較軍低哀的弱小目標蔬缺點叼抗干擾能力屆差前虛警概率高露，檢測概率漢低勻適用于信噪錦比較高的小瘡目標搶需要多幀檢憑測，算法復沫雜府計算量大，使存儲量大槍硬件實現(xiàn)較宵難淹二粒子濾轉(zhuǎn)波回顧斗1粒子濾窮波器的簡介蘇近年來，隨速著計算機處惱理能力的快狀速發(fā)展，使榨得粒子濾波搬，作為序列應(yīng)信號處理的滾一種非常有鉆效的方法，膊成為研究領(lǐng)壘域的一個熱非點。它在處剩理復雜的非質(zhì)線性或非高抱斯問題的潛淡力，引起了礎(chǔ)信號處理、黨統(tǒng)計學、經(jīng)寺濟計量學等態(tài)不同領(lǐng)域的息專家學者的劇關(guān)注。箭基于序列重龍要性采樣概吸念和貝葉斯屆的應(yīng)用，粒得子濾波在處醫(yī)理非線性、敲非高斯問題膠上顯得烈尤為皂重要。這種腥方法的核心壇思想是：用帆由粒子及其殊權(quán)重組成的佳離散隨機測診度近似相關(guān)甘的概率分布誠，并根據(jù)算渣法遞推更新妥離散隨機測吉度。仔粒子濾波首搶先在核物理較領(lǐng)域核武器鍬試驗仿真方吸向獲得成功挖應(yīng)用?，F(xiàn)在蘭，它已經(jīng)廣睛泛應(yīng)用到目勞標跟蹤、信肥號處理和數(shù)靠字通信等多鄰個領(lǐng)域。豎粒子濾波首診先是Gor鐘den在1閱993年提甚出的。鑒粒子濾波劍首先是Go碑rden在踩1993年匹提出的無，它是一種請基于蒙特卡懸羅（Mon宣teCa鬧rlo,M煮C）和遞推岔貝葉斯估計艦的濾波方法野。禍（隨著計算簡機的發(fā)展）蘆粒子濾波已路經(jīng)成為研究旅非線性非高偶斯動態(tài)系統(tǒng)乖最優(yōu)估計問湊題的一個熱肺點和有效方旺法。（引起政了不同領(lǐng)域側(cè)專家的關(guān)注洽）餃基本思想：突首備先依據(jù)系統(tǒng)糖狀態(tài)向量的霞經(jīng)驗條件分市布，在狀態(tài)泰空間產(chǎn)市生快一組隨機樣山本做集推合，這些樣船本稱為粒子視；棄然后根據(jù)觀看測量不斷地厲調(diào)整粒子的緞權(quán)重和位置班，通過調(diào)整排后話的雷粒子的信息柳，修正最初擔的經(jīng)驗條件蔽分布捎。挖它可以應(yīng)用壘在輝任何動態(tài)狀私態(tài)空伏間慌?；蛐汀６胶诵乃枷胧欠河糜闪Ｗ游鸺捌錂?quán)重組顏成的離散隨罰機測度近似懶相關(guān)的概率訂分布，并根候據(jù)算法遞推尿更新離散隨孔機測度驅(qū)。（對于動自態(tài)系統(tǒng)，采裁用離散時間樓方法是很方饞便的，且被圖廣泛應(yīng)用。棕）態(tài)粒子濾波首翻先在核物理蘿領(lǐng)域核武器摩試驗仿真方豈向獲得成功動應(yīng)用?，F(xiàn)在浸，它已經(jīng)廣屯泛應(yīng)用到目鴉標跟蹤、信撞號處理和數(shù)脹字通信等多鹽個領(lǐng)域。瘦2動態(tài)系桃統(tǒng)模型系統(tǒng)模型：皺旺模算~鋪其中，藝是狀態(tài)窄向刊量刷，忠是系統(tǒng)噪聲餐。攔是系統(tǒng)轉(zhuǎn)移尿方程。鞠與蓋是相互獨立規(guī)的。觀測模型：對君彎頁~撲其中，機是培觀測向移量銀，武是顯觀測銷噪聲鏟。啦是觀測方程累。謀與乏、較也是相互獨萬立的。注鐵已知條件有訓、嘴、予，龜、籌，在玉時刻的測量減信息的集合莖，即西。耳3查粒子濾波的套實現(xiàn)過程襪粒子濾波溉實質(zhì)榜是閱遞推貝葉斯樣濾波器的另吵一種實現(xiàn)形矛式曲。漏其倍主要是用隨騾機樣本來描夾述概率分布蘇，更然后在測量森的基礎(chǔ)上蜓，通陶過調(diào)節(jié)各樣蝶本權(quán)值的大洞小和樣本的迫位置來近似略實際概率分粉布悔，攝并以樣本的秋均值作為系狂統(tǒng)的估計值止，鉗原則上可用嗓于任意非線努性、非高斯拍隨機系統(tǒng)的弊狀態(tài)估計。養(yǎng)該方法靈活點，易于執(zhí)行乏，且可并行虹實現(xiàn)，因而賀得到廣泛應(yīng)價用。淘▼進遞推貝葉斯份濾波呀理論基礎(chǔ)肢遞推還貝葉斯濾波稅原理的實質(zhì)梢是試圖用所逮有已知信息鑰來構(gòu)造系統(tǒng)合狀態(tài)變量的鍛后驗概率密壩度濾。威即用系統(tǒng)模青型預測狀態(tài)遠的先驗概率葬密度，再用秧最近的量測友值進行修正地，得到當前南時刻的后驗猾概率密度。棉遞推矩貝葉斯濾波毫過程主要分知為兩大步：盛預測和更新籃。妖預測：利用康系統(tǒng)模型預鳴測狀態(tài)的先借驗概率密度馳。假設(shè)初始悟概率密度歐，登利用通過擾Chapm垃an壩-磚Kolmo辯gorov番方程可得到端時刻狀態(tài)的緞先驗概率密掏度：期更新：巾用最近的量塌測值師來傷修正傳時刻狀態(tài)的衫先驗概率密拘度，來得到溪該時刻的后噸驗概率密度虹。柏圖3在父時刻貝葉斯桿濾波流程圖園▼槳蒙特卡羅得方法泳Monte疲Carl影o曉方法，又稱三隨機抽樣方玻法罵，是通過統(tǒng)秒計抽樣的方條法魄來解決積分鼻問題。配Mont貼eCar躲lo京思想：（抽呈樣木——倦大數(shù)定律賄——午近似計算）元蒙特卡羅方息法的基本思兔想是，首先舟構(gòu)造一個概乎率空間，然垮后在該概率藥空間中確定共一個依賴于堵隨機變量握（任意維）菊的統(tǒng)計量希，其數(shù)學期威望驚正好等于所亭要求的值磚，其中船為溪的分布函數(shù)智；然后產(chǎn)生躁隨機變量的等簡單子樣威，用其相應(yīng)織的統(tǒng)計量著的算術(shù)平均黎值浙作為贏的近似估計悼。膚當N趨于郵時，寧。燃優(yōu)點：結(jié)構(gòu)具簡單，筐收斂速度與侮問題維數(shù)無束關(guān)宵，椅受問題的條介件限制的影豆響小捕。惑缺點：串收斂速度慢雁,逃誤差大的概繞率性質(zhì)豪▼瓶重要性采樣門(IS)乒如果蕩我們能直接暈從儀中抽德取谷個粒子陶，那折么每個粒子臥的權(quán)值都賦就于剖，三那么這可以箱用上述方法陣來近似求解歷積分運算，莊但是如果直雕接從股中抽艇取粒子比較將困難，我們漢可以從勒中采樣，即節(jié)~置，其中逝稱為重要性元函數(shù)。色這個函數(shù)必鑄須與族有相同的支掘撐域，總的預來說，腿越逼近晉，辜估計的逐效果越好。昌▼綁序列重要性桑采樣古(SIS進)早現(xiàn)在假設(shè)掙已逼近后驗煎概率密度洞，即借粒子流服從畝分布，在給咳定巴及觀測量嫁的條件下，協(xié)我們的目的姿是通過頃來獲取緞。序列重要聽性采樣就是獲產(chǎn)儲生新的粒子府，并把它加譽入到皆來岡形成凈，并妹更新其權(quán)值刪為卷，以此來完督成從摧到星的轉(zhuǎn)變，即辰產(chǎn)生畏，逼近隊后驗概率密搞度從。健實現(xiàn)過程如闊下：舟這里我們選綿取的重要性貼函數(shù)為列，把它分解雜成兩部分的壓乘積，即如果~，則退我們把存加入到戶來形成素粒子流，富其中育~答，豎則模更新為：姜對于億每個時刻唱，通過以下妹兩步可以實鉤現(xiàn)序列重要脅性采樣算法緒：窯(1)從房中抽取則粒子悉，其中構(gòu)(2)根據(jù)評來計算其權(quán)收值。直重要性函數(shù)何在粒子濾波館中起到了重析要的作用，怖濾波效果的載好壞，跟重閑要性函數(shù)的蠻選取有關(guān)系敘。▼粒子退化喊粒子濾波器旁的一個重要壤的問題就是怠粒子退化捉(Deg納enera厭cy)現(xiàn)象倦，潮即經(jīng)過若個干甘次迭代后，鞠除一個粒挖子錢外，其余的租粒子只有微式小的權(quán)值，第可忽略不計踩。退化現(xiàn)象盆意味著大量援的計算功工當作都被用來妹更新那些秒幾扒乎不起任何猛作用的粒子懸。顯然，退路化現(xiàn)象對P遮F產(chǎn)生了不由利的影響焦。廁解決粒子退剝化的方法：戶選取好的重泉要性函數(shù)；集再采樣。奧(1)重壓要性函數(shù)的散選取花◆火重要采樣密拌度鍬的選擇應(yīng)該兄遵循以下兩攀條規(guī)則:灶1)在某猜種意義上說蛛，帶應(yīng)該可以合班理地近似最輸優(yōu)重要采樣魔密度班；紋2)可以皮很方便的產(chǎn)銳生服從該分身布的樣本條。帶◆肚我們最常采吩用的兩個重壟要性函數(shù)棵：便先驗重要性脈函數(shù)和休最優(yōu)重要函廟數(shù)混。例先驗重要性沙函數(shù)推若選取重要早性函數(shù)為先濫驗重要性函茫數(shù)廚，品那么權(quán)值更雨新為：押稱這種選先必驗函數(shù)為重諷要采樣函數(shù)桐的誘SIS初濾波器為籃Boots啄trap宮濾波器。雖姐然撿Boots滋trap屆濾波器易于脹實現(xiàn)且可以面解決許多問克題，但它對楚外界條件較紫敏感，即它芬不能很好的測適應(yīng)系統(tǒng)的扔快速變化。褲同時，產(chǎn)生襖樣本時沒有鞭使用任何觀堂測信息，因紛而蠶效果可能不京是很好暮。曾最優(yōu)重要函譜數(shù)叼若選取重要亦性函數(shù)為最榨優(yōu)重要性函陰數(shù)地，動那么權(quán)值更版新為：其中閥采用玻這種濾波器跑能減少重要刑性權(quán)值的綢方龜差，誠使形后驗期望的貞誤差方差最笛小垃。債但因為嶺權(quán)值的計算乎中卷入了積跟分運算，比尖較復雜。而屈且要從悄中獲取樣本幣，符比較困難。況然而，在線察性高斯情況槽下，這些樣度本是可以產(chǎn)藥生的。輛(2)重耳采樣劫解決粒子退桿化問題的另風一個方法：延重采樣。重微采樣過程就帳是要消除那作些有權(quán)駕值小晃的粒子，并貴復制權(quán)值尺大金的粒子，因杰而權(quán)值較大戒的粒子被增誘加，從而隨屯迭代次數(shù)的族增加，可以屑產(chǎn)生較擺好的結(jié)果。盟一個飛重采樣的圖乒示：假設(shè)M葡=10，即宣一共有10殲個粒子，左坐邊是重采樣束之前的，粒五子的權(quán)值跟愁圓圈的大小苦成正比。右民邊是重采樣接之后的霜粒子忙，藍色的粒尸子權(quán)值最大則，被復制了襯3次，黃色饒的粒子被復償制了2次，析而綠色的粒者子權(quán)值較小嫌，被忽略掉俗。重采樣之臂后，壁所有炕粒子的權(quán)值月都一樣大，走都被賦于挨。訴重采樣的缺巡點：喪失了情粒子的多樣墨性。骨圖4重采誦樣示意圖謀▼含粒子濾波的鎖實現(xiàn)慰粒子濾波實的質(zhì)挖是躲遞推貝葉斯礦濾波器的另壞一種實現(xiàn)形趙式自。辜其凝主要是用隨孩機樣本來描刺述概率分布滔，滴然后在測量哄的基礎(chǔ)上灘，通未過調(diào)節(jié)各樣曠本權(quán)值的大狀小和樣本的問位置來近似僵實際概率分述布父，衛(wèi)并以樣本的改均值作為系乏統(tǒng)的估計值片。步驟：吉(1)預雞測逆(2)更恩新敏(3)重命采樣圖解閑圖5粒子本濾波的實現(xiàn)豪過程川4粒子濾檔波器的改進雙粒子濾波算流法雖然對幾乖乎線性、非誰線性、高斯振、非高斯問治題都適用，晨但是粒子濾闊波本身也存紋在一些問題頭。如粒子退木化問題，再盆采樣解決退壤化問題的同瞎時又妙喪失了粒子鵝的多樣性貼等，這些問薯題如果處理醉得不好，直摧接影響濾波皇的性能，所昂以很多研究飲者對基本粒貌子濾波進行安了改進。主要有：堆輔助粒子濾第波(A陪SIR)雷正則粒子濾宣波(州RPF)竊高斯粒子濾蛋波、高斯和倚粒子濾波崖三基于粒央子濾波的檢躲測前跟蹤算攝法(TBD殖)延1腰基于粒子濾昨波的精TBD組背景介紹云在跟蹤過程找中，由于噪熊聲的干擾，保目標信噪比嬸較低。刻在傳感器的糊一拍掃描中些，渠目標出現(xiàn)與態(tài)否不定械，妨即使目標出圾現(xiàn)飾，郊因其產(chǎn)生的羊信號太弱而際可能不被檢丟測到糊。武檢測前跟蹤搶(TBD)撒通過對多拍黃量測數(shù)據(jù)的襪處理麗，辭使傳感器的硬響應(yīng)逐步積谷累究，希最終通過閾頭值而被檢測索到氣，拿同時得到目需標的狀態(tài)估捉計招。梳TBD的常扒用方法有動煎態(tài)規(guī)劃和最消大似然估計戒等葛，乎但這些方法趴在信噪比較猶低和目標機幼動時性能很芹差壩。旬最近幾年出袋現(xiàn)的粒子濾茫波器因能解收決非線性非據(jù)高斯問題而蜜得到廣泛的慧應(yīng)用棕。肝下面介紹一那下低信噪比蠻下具有幅值社波動目標的俯跟蹤問題，繞利用傳感器帝的原始數(shù)據(jù)項，做為觀測創(chuàng)量，由粒子耽濾波器得到盯狀態(tài)的后驗候概率分布以積及目標出現(xiàn)昌的概率，用王Bayes錢似然比作為向目標檢測的土判決準則。燒2問題描青述尿目標跟蹤問賽題可用狀態(tài)閥空間模型描隆述解，減其中目標的追運動模型用逆狀態(tài)轉(zhuǎn)移概爭率劣描述飼，摘傳感器的量貌測用似然函構(gòu)數(shù)糠描述港?？患俣顟B(tài)服剩從一階Ma貝rkov過李程項，播在給定狀態(tài)錯的條件下帶，量測相輪互獨立特。辱在目標檢測敏與跟蹤問題榴中稅，便人們只關(guān)心手目標是否出蛙現(xiàn)在傳感器寧的檢測域疏內(nèi)削。胳設(shè)呢為目標位于截內(nèi)的狀態(tài)空蜜間矮，肚如果目標不愈出現(xiàn)在震內(nèi)薦，際記目標狀態(tài)肆為鋪，明設(shè)擴張的目襪標狀態(tài)空間慎為裳，胃設(shè)銜時刻目標狀望態(tài)向量為擴，服。粱由于目標可幅能出現(xiàn)也可帖能不出現(xiàn)賺，走對狀態(tài)轉(zhuǎn)移離概率作如下慚修正白：承設(shè)轉(zhuǎn)移概率封，蠟，皺為某個小的狀正數(shù)歌；誼設(shè)目標從恭進入乘時狀態(tài)牌在億內(nèi)均勻取值歪；積設(shè)目標由都進入悉的概率為富，室為某個小的訓正數(shù)鹽；劇設(shè)初始時刻嘆目標不出現(xiàn)撇在管內(nèi)的概率為生，診若目標出現(xiàn)永，勻初始狀態(tài)益在狀態(tài)空間慢內(nèi)均勻分布鼻。醒3系統(tǒng)模落型干★尸噴運動模型南設(shè)一個點源防目標在xy顆平面上作機驢動運動鎮(zhèn)，耕目標的運動望模型為非線濾性轉(zhuǎn)彎運動蝶，迎即(1)喉其中，目標找狀態(tài)向量鉤包含目標位渣置劇，蜻速度界和轉(zhuǎn)彎速度值；醬為采樣間隔疑；蜻為系統(tǒng)噪聲瓣，貼服從某個已鑰知分布血。請目標的幅值港為百且隨時間波籃動鳴，表設(shè)目標幅度摟的波動模型躍為恰女銅阻(犧2)鉆其中，政給出了前后豪時刻目標幅評度之間的相觸關(guān)程度，追，噪聲場服從已知分僵布古。然★工觀測模型燕重設(shè)傳感器對熟平面上的區(qū)購域吩進行掃描監(jiān)魚測咱，趟傳感器含有屢個矩形分辨潮單元岡，療大小為餃，類在每個采樣腦時刻納，播每個分辨單博元圣分別記錄一皂個量測計，野即避巖媽顧良(3)給其中趣：溜為豎時刻當目標毒位于擇時前，崗單元鹿處接受的信罵號強度鞏；菠為量測噪聲月，桑其分布為藝。印設(shè)像素之間飲，真每幀之間的齊噪聲相互獨簽立。濱單元句處的信號強星度個按繭照傳感器的魔點傳播函數(shù)頌可近似為蘭笨涂(4海)口其中熄，量測飼與目標位置慰和幅值淚之間具有強冰非線性關(guān)系洪，自設(shè)參。染由于目標幅煉值訓波動,需要燃對給進行估計層。撿定義擴張的猛狀態(tài)向量拿，您其中省為狀態(tài)向量曉；撲擴張狀態(tài)的索轉(zhuǎn)移概率為巨，特其中梅代表幅值的境轉(zhuǎn)移概率廚，螞由式(2)頃確定良。肉4基于粒厚子濾波器的杜檢測和跟蹤串算法然當量測的信燈噪比很低時曠，判利用粒子濾尾波器估計目繁標出現(xiàn)在檢攏測域內(nèi)的后問驗概率從，桐目標出現(xiàn)的績后驗概率和拘沒有出現(xiàn)的男后驗概率之冬比稱為Ba隆yes似然界比善。澤Bayes沿似然比結(jié)合訓了目標動態(tài)暈、蜓先驗信息以濃及傳感器量唱測等信息園，火以它作為檢根測的充分決嘴策統(tǒng)計量是蔑一種最優(yōu)準宋則斯。養(yǎng)當宣布目標宣出現(xiàn)時乏，