地波雷達(dá)目標(biāo)檢測(cè)跟蹤聯(lián)合處理粒子濾波方法

付尚生紀(jì)永剛黎 明王祎鳴

(1.自然資源部 第一海洋研究所,山東 青島266061;2.中國(guó)海洋大學(xué) 工程學(xué)院,山東 青島266100)

高頻地波雷達(dá)(High Frequency Surface Wave Radar,HFSWR)是大范圍海上船只目標(biāo)監(jiān)視監(jiān)測(cè)的主要手段,它利用高頻電磁波(3～30 MHz)沿海面爬行來(lái)實(shí)現(xiàn)超視距的目標(biāo)(船只、低空飛機(jī)等)探測(cè),可以實(shí)時(shí)提供運(yùn)動(dòng)目標(biāo)的位置和航速航向等信息,探測(cè)距離最遠(yuǎn)可達(dá)300 km,因此它又被稱地波超視距雷達(dá)[1-3]。傳統(tǒng)的高頻地波雷達(dá)目標(biāo)探測(cè)方法采用的是先檢測(cè)后跟蹤(Detect-Before-Track,DBT)的思想,該方法對(duì)于回波能量較弱、信噪比較低的目標(biāo)單時(shí)刻的檢測(cè)效果不佳,從而使得連續(xù)時(shí)刻的目標(biāo)跟蹤性能下降。檢測(cè)與跟蹤聯(lián)合處理方法可以解決弱目標(biāo)檢測(cè)困難的問(wèn)題,其思路是:對(duì)單幀雷達(dá)回波數(shù)據(jù)不進(jìn)行目標(biāo)有無(wú)判斷,而是利用目標(biāo)在時(shí)空上的關(guān)聯(lián)特性和雜波噪聲的隨機(jī)性,進(jìn)行多幀數(shù)據(jù)累積,從而實(shí)現(xiàn)同一目標(biāo)的回波能量累積,由此提高目標(biāo)信噪比,完成目標(biāo)的檢測(cè)判決和航跡跟蹤。檢測(cè)與跟蹤聯(lián)合處理方法由于不設(shè)置檢測(cè)門限,能充分利用目標(biāo)回波譜的原始信息,即可減少先檢測(cè)后跟蹤過(guò)程中的點(diǎn)跡與航跡關(guān)聯(lián)問(wèn)題,亦可降低算法復(fù)雜度[4-6]。

目前,國(guó)內(nèi)外已發(fā)展了多種檢測(cè)前跟蹤(Track-Before-Detect,TBD)方法,均可被用于實(shí)現(xiàn)地波雷達(dá)目標(biāo)檢測(cè)與跟蹤聯(lián)合處理。主要方法有:動(dòng)態(tài)規(guī)劃(Dynamic Programming,DP)法[7]、粒子濾波(Particle Filter,PF)法[10]和三維匹配濾波(3-D Matched Filters)法[9]等。其中,動(dòng)態(tài)規(guī)劃法將目標(biāo)的軌跡搜索問(wèn)題轉(zhuǎn)換為最優(yōu)尋跡問(wèn)題,對(duì)目標(biāo)跟蹤采取批處理方法,主要側(cè)重于目標(biāo)檢測(cè)的實(shí)現(xiàn)[7]。三維匹配濾波法可將運(yùn)動(dòng)目標(biāo)的檢測(cè)轉(zhuǎn)換為三維變換域中尋找匹配濾波器的問(wèn)題,但該方法在某些情況下會(huì)導(dǎo)致不可實(shí)現(xiàn)的窮盡式搜索,限制了其性能[8-9]。粒子濾波法將目標(biāo)航跡跟蹤問(wèn)題轉(zhuǎn)換為目標(biāo)的概率密度函數(shù)估計(jì)問(wèn)題,相對(duì)于動(dòng)態(tài)規(guī)劃、三維匹配濾波等方法,它具有估計(jì)的目標(biāo)狀態(tài)在理論上最優(yōu)的特點(diǎn),適合于類似地波雷達(dá)這種非線性、非高斯的系統(tǒng),且因其遞歸結(jié)構(gòu)特點(diǎn)算法容易實(shí)現(xiàn)[10-11]。目前,粒子濾波法已被應(yīng)用于地波雷達(dá)目標(biāo)跟蹤,主要被用于傳統(tǒng)的先檢測(cè)后跟蹤方法中的濾波步驟,還未被用于地波雷達(dá)目標(biāo)檢測(cè)與跟蹤聯(lián)合處理。粒子濾波法已被應(yīng)用于天波雷達(dá)目標(biāo)檢測(cè)與跟蹤聯(lián)合處理,但鑒于天波雷達(dá)探測(cè)的是飛機(jī)等高速移動(dòng)的目標(biāo),與地波雷達(dá)的船只目標(biāo)特性存在較大區(qū)別,并且大多是基于仿真的研究,缺乏實(shí)測(cè)數(shù)據(jù)驗(yàn)證。因此,本文將粒子濾波方法應(yīng)用于地波雷達(dá)船只目標(biāo)的檢測(cè)與跟蹤聯(lián)合處理,發(fā)展適用于海上船只目標(biāo)檢測(cè)與跟蹤聯(lián)合處理的自適應(yīng)粒子濾波方法,以期解決復(fù)雜環(huán)境下的地波雷達(dá)目標(biāo)檢測(cè)和跟蹤效果較差的問(wèn)題,提高地波雷達(dá)目標(biāo)的整體跟蹤性能。

1 方法原理

1.1 粒子濾波法原理

在粒子濾波法中,通過(guò)使用序貫重要性采樣方法對(duì)目標(biāo)狀態(tài)進(jìn)行采樣,得到一組帶有權(quán)值的隨機(jī)樣本即“粒子”當(dāng)采樣的樣本集足夠大的時(shí)候,經(jīng)過(guò)重要性采樣獲得的這組隨機(jī)粒子就可以用來(lái)描述目標(biāo)的后驗(yàn)概率密度函數(shù)p(x1:k|Z1:k)(x1:k={x j|j=1,2,…,k}表示目標(biāo)的狀態(tài)序列,Z1:k={z1,z2,…,z k}表示目標(biāo)的量測(cè)值序列,l為似然比,k為自然數(shù))。一般在經(jīng)過(guò)多次迭代后,粒子會(huì)出現(xiàn)退化現(xiàn)象,因此,在重要性采樣結(jié)束后,還需要對(duì)粒子進(jìn)行重采樣。最終目標(biāo)狀態(tài)的后驗(yàn)概率密度可表示為

式中,i為自然數(shù)。

粒子濾波的粒子權(quán)重既可以構(gòu)造檢測(cè)似然比以實(shí)現(xiàn)目標(biāo)檢測(cè),又可以通過(guò)粒子權(quán)重與粒子狀態(tài)的加權(quán)估計(jì)目標(biāo)的狀態(tài),從而實(shí)現(xiàn)目標(biāo)的檢測(cè)與跟蹤聯(lián)合處理。粒子權(quán)重與檢測(cè)似然比之間的關(guān)系為

式中,L k為目標(biāo)k時(shí)刻的似然比;H1為目標(biāo)存在;H0為目標(biāo)不存在;p(z k|H1)為目標(biāo)存在時(shí)的概率密度;p(z k|H0)為目標(biāo)不存在時(shí)的概率密度;C i和C j為受目標(biāo)影響的單元;則目標(biāo)k時(shí)刻的遞歸似然比計(jì)算公式為

將計(jì)算得到的目標(biāo)似然比與設(shè)定的閾值進(jìn)行比較,判斷目標(biāo)是否存在。若目標(biāo)存在,則在完成粒子重采樣后按照公式進(jìn)行目標(biāo)的狀態(tài)估計(jì)。

1.2 基于粒子濾波的目標(biāo)檢測(cè)與跟蹤聯(lián)合處理方法

將高頻地波雷達(dá)回波譜按照時(shí)間順序排列構(gòu)成三維R-D-T(Range-Doppler-Time)數(shù)據(jù),如圖1所示,其單幀RD譜的2個(gè)面目標(biāo)如圖2所示。由于受到目標(biāo)本身特性(如目標(biāo)自身的大小尺寸、相對(duì)于雷達(dá)的位置和運(yùn)動(dòng)速度等)和雷達(dá)系統(tǒng)參數(shù)(如頻率、帶寬和積累時(shí)間等)的影響,出現(xiàn)目標(biāo)能量展寬現(xiàn)象,導(dǎo)致目標(biāo)呈現(xiàn)為面目標(biāo)。對(duì)于地波雷達(dá)目標(biāo)探測(cè),通常采用較長(zhǎng)時(shí)間積累(100～300 s),以得到較高的頻率分辨率并突顯目標(biāo)信號(hào)。在長(zhǎng)時(shí)間積累過(guò)程中,運(yùn)動(dòng)目標(biāo)的速度和所在距離會(huì)發(fā)生一定的變化,導(dǎo)致目標(biāo)信號(hào)在多普勒維和速度維均發(fā)生一定的展寬(圖2)。實(shí)際上,在雷達(dá)距離維,由于在雷達(dá)距離解調(diào)過(guò)程中存在加窗濾波處理,對(duì)于尺寸在幾十米到幾百米的目標(biāo),或者在積累時(shí)間內(nèi)徑向距離變化只有幾十米到幾百米,甚至精致不動(dòng)的目標(biāo),也會(huì)在距離維上表現(xiàn)為一定的展寬。這種展寬現(xiàn)象對(duì)粒子濾波算法中的粒子初始化步驟會(huì)產(chǎn)生影響,因此,在對(duì)目標(biāo)進(jìn)行粒子采樣的時(shí)候需要結(jié)合面目標(biāo)特性設(shè)定粒子的采樣范圍,本文在距離[Rmin,Rmax]、多普勒[Dmin,Dmax]范圍內(nèi)均勻采樣N個(gè)粒子,如圖3所示,其中,灰色區(qū)域表示目標(biāo)回波信號(hào)的展寬區(qū)域,黑色方格表示目標(biāo)雷波回波中的峰值位置。

圖1 R-D-T三維數(shù)據(jù)Fig.1 R-D-T three-dimensional data

圖2 RD譜兩個(gè)展寬目標(biāo)Fig.2 RD spectrum of two broadening targets

圖3 粒子初始化Fig.3 Particle initialization

結(jié)合高頻地波雷達(dá)實(shí)測(cè)數(shù)據(jù)、目標(biāo)特性及粒子濾波探測(cè)的原理,總結(jié)出了基于粒子濾波的地波雷達(dá)目標(biāo)檢測(cè)與跟蹤聯(lián)合處理的流程,整個(gè)流程共分為5個(gè)步驟:第一步,利用多幀RD數(shù)據(jù)構(gòu)建R-D-T三維數(shù)據(jù);第二步,預(yù)處理,主要包括雜波抑制和低門限CFAR處理,對(duì)構(gòu)建的R-D-T數(shù)據(jù)中每一幀RD譜數(shù)據(jù)進(jìn)行預(yù)處理,通過(guò)預(yù)處理可以篩選出主要的目標(biāo)區(qū),剔掉明顯非目標(biāo)的信息,從而節(jié)約計(jì)算資源,提高算法效率;第三步,利用基于粒子濾波的方法提取出目標(biāo)無(wú)向航跡;第四步,估計(jì)目標(biāo)航跡的參數(shù),主要是實(shí)現(xiàn)目標(biāo)無(wú)向航跡的測(cè)向、精確的距離和速度估計(jì);第五步,目標(biāo)航跡空間定位,即將精確參數(shù)估計(jì)后的目標(biāo)航跡由距離-多普勒坐標(biāo)系投影到地理坐標(biāo)系,估計(jì)其經(jīng)緯度坐標(biāo),完成目標(biāo)航跡定位(圖4)。

圖4 基于粒子濾波的地波雷達(dá)檢測(cè)與跟蹤聯(lián)合處理流程Fig.4 Integrated detection process of high frequency surface wave radar detection and tracking based on particle filter

在完成數(shù)據(jù)預(yù)處理并得到疑似面目標(biāo)后,記k時(shí)刻疑似面目標(biāo)集合為N k}。對(duì)集合內(nèi)的面目標(biāo)進(jìn)行分區(qū)處理,使得每一個(gè)分區(qū)對(duì)應(yīng)一個(gè)面目標(biāo),然后采用粒子濾波法實(shí)現(xiàn)對(duì)每一個(gè)疑似面目標(biāo)的無(wú)向航跡探測(cè)。在整個(gè)流程中,基于粒子濾波的無(wú)向航跡探測(cè)過(guò)程最為關(guān)鍵,這個(gè)過(guò)程又可細(xì)分為3步。

1)步驟1:起始目標(biāo)的粒子初始化。設(shè)k時(shí)刻某一面目標(biāo)狀態(tài)向量為X k=[r k,v k,a k,A k]T,其中r k,v k,a k和A k分別對(duì)應(yīng)k時(shí)刻該目標(biāo)的距離、速度、加速度和幅度四種狀態(tài)信息。在距離[Rmin,Rmax]、多普勒[Dmin,Dmax]的采樣范圍內(nèi)按照x n0～q b(x k)(x n0表示初始化過(guò)程中的第n個(gè)粒子狀態(tài),q b(·)表示采樣函數(shù))采樣N個(gè)粒子。

3)步驟3:目標(biāo)狀態(tài)估計(jì)。完成粒子的狀態(tài)轉(zhuǎn)移之后,結(jié)合地波雷達(dá)目標(biāo)觀測(cè)模型來(lái)構(gòu)造檢測(cè)似然比,計(jì)算粒子的權(quán)重,第k幀觀測(cè)數(shù)據(jù)的未歸一化粒子權(quán)重可用似然比函數(shù)近似表示為

式中,r和d分別為x k在測(cè)量數(shù)據(jù)中對(duì)應(yīng)的距離單元和多普勒單元坐標(biāo);C r(x k)={r-q,…,r-1,r,r+1,…,r+q},C d(x k)={d-p,…,d-1,d,d+1,…,d+p};p和q分別為受目標(biāo)點(diǎn)影響的距離單元和多普勒單元數(shù)目;A k(r,d)為目標(biāo)在(r,d)處的回波幅度;I0(·)為零階修正的貝塞爾函數(shù);z k(r,d)為第k幀目標(biāo)在(r,d)處的量測(cè);δ為粒子權(quán)重。

比較由式(3)得到的粒子權(quán)重與所設(shè)置閾值η,當(dāng)粒子權(quán)重大于設(shè)置的閾值時(shí),則判斷目標(biāo)存在,然后對(duì)所有粒子進(jìn)行系統(tǒng)重采樣,并依據(jù)估計(jì)目標(biāo)狀態(tài)。若連續(xù)3幀該目標(biāo)的粒子權(quán)重均小于設(shè)置的閾值η,則判斷目標(biāo)消失,終止航跡跟蹤。重復(fù)步驟2和步驟3,對(duì)所有目標(biāo)進(jìn)行檢測(cè)與跟蹤處理,得到目標(biāo)無(wú)向航跡集合。

1.3 粒子數(shù)自適應(yīng)確定

理論上,當(dāng)采樣的粒子個(gè)數(shù)N k足夠大的時(shí)候,粒子的分布函數(shù)就可以表示目標(biāo)的真實(shí)后驗(yàn)概率密度,表示為

式中,P p(x k|z k)表示采樣的N k個(gè)粒子集合的概率密度,P r(x k|z k)表示k時(shí)刻目標(biāo)的真實(shí)后驗(yàn)概率密度。

一般情況下,地波雷達(dá)回波信號(hào)中背景噪聲復(fù)雜、目標(biāo)信噪比強(qiáng)弱差別較大。對(duì)于背景噪聲相對(duì)均勻且目標(biāo)信噪比高的情況,只需要少量的粒子就可以滿足系統(tǒng)的跟蹤需求;對(duì)于復(fù)雜的背景環(huán)境,目標(biāo)信噪比較低,為了保證跟蹤精度,通常需要的粒子數(shù)目較大,而粒子濾波算法的復(fù)雜度與采樣的粒子個(gè)數(shù)成正比。顯然,采用固定個(gè)數(shù)的粒子不符合實(shí)際需求,因此,需要根據(jù)目標(biāo)所處環(huán)境對(duì)粒子個(gè)數(shù)進(jìn)行自適應(yīng)選取。由于雷達(dá)目標(biāo)存在地波展寬現(xiàn)象,其面目標(biāo)的粒子權(quán)重大小反映粒子擬合目標(biāo)真實(shí)狀態(tài)程度的高低,因此,通過(guò)設(shè)置固定的粒子權(quán)重之和進(jìn)行粒子自適應(yīng)的選取。除此之外,還需確定粒子的最大數(shù)目和最小數(shù)目。由于在目標(biāo)消失或者目標(biāo)信噪比過(guò)低的情況下,粒子權(quán)重之和需要大量的粒子才能達(dá)到設(shè)定的閾值,所以,設(shè)置最大粒子數(shù)目Nmax以避免大量無(wú)效計(jì)算,設(shè)置粒子個(gè)數(shù)下限Nmin以防止由于信噪比過(guò)高導(dǎo)致自適應(yīng)選取后的粒子多樣性損失嚴(yán)重,造成目標(biāo)跟蹤性能惡化或者丟失等情況。自適應(yīng)粒子濾波步驟為4步。

1)步驟1:粒子初始化。初始化粒子跟蹤參數(shù)n i=0,S i=0;其中n i表示k時(shí)刻第i個(gè)目標(biāo)的粒子數(shù),S i表示k時(shí)刻第i個(gè)目標(biāo)對(duì)應(yīng)的粒子權(quán)重之和。按照起始目標(biāo)的先驗(yàn)信息,對(duì)目標(biāo)進(jìn)行采樣,并更新采樣的粒子數(shù)目。

3)步驟3:粒子自適應(yīng)選取。當(dāng)粒子個(gè)數(shù)小于Nmin或者當(dāng)粒子個(gè)數(shù)大于Nmin且小于Nmax但粒子權(quán)重和S i小于設(shè)定的閾值η時(shí),即滿足公式N＜Nmin或(Nmin＜N＜Nmax且S i＜η),需要繼續(xù)采樣粒子;其他情況下,均停止采樣。

3 實(shí)測(cè)數(shù)據(jù)驗(yàn)證

采用2015年1月在渤、黃海海域開(kāi)展的地波雷達(dá)目標(biāo)探測(cè)實(shí)驗(yàn)數(shù)據(jù),驗(yàn)證本文提出的基于自適應(yīng)粒子濾波的地波雷達(dá)目標(biāo)檢測(cè)與跟蹤聯(lián)合處理方法。雷達(dá)工作中心頻率為4.7 MHz,距離分辨率為2.5 km,接收陣元數(shù)為8個(gè),相干積累時(shí)間為262.144 s。其中選用60幀RD譜來(lái)構(gòu)建R-D-T數(shù)據(jù),相鄰兩幀之間的時(shí)間間隔為60 s。為了驗(yàn)證本文算法的目標(biāo)跟蹤效果,采用船舶自動(dòng)識(shí)別系統(tǒng)(Automatic Identification System,AIS)航跡數(shù)據(jù)作為目標(biāo)真實(shí)航跡。

應(yīng)用基于粒子濾波的檢測(cè)與跟蹤聯(lián)合處理方法得到航跡跟蹤結(jié)果,其三維空間分布(圖6),基本符合船只目標(biāo)的運(yùn)動(dòng)規(guī)律。為進(jìn)一步分析將其投影到地理坐標(biāo)系并與AIS結(jié)果進(jìn)行比對(duì),結(jié)果如圖7所示?？梢钥闯?PF-TBD算法跟蹤得到的航跡結(jié)果與AIS航跡結(jié)果在經(jīng)緯度上的分布基本一致,結(jié)果匹配較好。

為詳細(xì)比對(duì)分析探測(cè)結(jié)果,分別采用粒子濾波方法和動(dòng)態(tài)規(guī)劃方法進(jìn)行了目標(biāo)檢測(cè)與跟蹤聯(lián)合處理(圖8和圖9)。由圖8和圖9可知,PF-TBD算法和DP-TBD算法的跟蹤結(jié)果顯示其徑向距離和速度誤差分布相差較大。其中PF-TBD算法得到的航跡與AIS航跡誤差較小,徑向距離誤差小于1 km,徑向速度誤差小于0.5 km/h,均在地波雷達(dá)系統(tǒng)目標(biāo)探測(cè)允許的誤差范圍之內(nèi);而DP-TBD得到的航跡中,其中在前5 min與AIS的徑向距離誤差大于5 km,徑向速度誤差在前3 min也大于1 km/h,均超出了地波雷達(dá)系統(tǒng)目標(biāo)探測(cè)精度。因此,依據(jù)DP-TBD算法得到的結(jié)果,可判斷出與同步AIS均在較大誤差的航跡為虛假航跡,而在判別與剔除虛假航跡方面,PF-TBD算法的結(jié)果優(yōu)于DP-TBD算法。

圖6 無(wú)向航跡跟蹤結(jié)果三維顯示Fig.6 Three-dimensional display of undirected track tracking results

圖7 地理坐標(biāo)系下航跡跟蹤結(jié)果Fig.7 Tracking results in the geographic coordinate system

圖8 個(gè)例1和個(gè)例23種航跡對(duì)比結(jié)果Fig.8 Comparison results of three tracks in two cases

圖9 距離和速度分別隨時(shí)間變化Fig.9 Distance and speed change over time

為了驗(yàn)證結(jié)果的可靠性,本文分析了個(gè)例1和個(gè)例2前7個(gè)時(shí)刻2種方法得到的目標(biāo)航跡以及同步AIS航跡的距離和速度隨時(shí)間變化的分布圖(圖9)。由圖9a可知,從第5分鐘到第6分鐘,DP-TBD算法得到的目標(biāo)航跡中距離變化量為4 km,這與根據(jù)s=vt計(jì)算得出的0.32 km的距離變化量明顯不符,因此可判斷這個(gè)結(jié)果屬于錯(cuò)誤的虛假航跡關(guān)聯(lián)結(jié)果。之所以出現(xiàn)這樣的現(xiàn)象,原因在于DP-TBD算法是通過(guò)設(shè)定搜索范圍來(lái)尋找搜索范圍內(nèi)回波信號(hào)強(qiáng)度最大的位置,由于前5 min內(nèi)的信噪比低(3～5 dB),直接導(dǎo)致DPTBD算法中出現(xiàn)了錯(cuò)誤的關(guān)聯(lián)結(jié)果;而PF-TBD算法是根據(jù)粒子運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移方程來(lái)預(yù)測(cè)目標(biāo)下一步的位置和狀態(tài),對(duì)于不符合目標(biāo)運(yùn)動(dòng)規(guī)律的噪聲點(diǎn)無(wú)法通過(guò)時(shí)間累積能量來(lái)形成虛假的目標(biāo)航跡。因此,PFTBD算法可以在跟蹤階段有效剔除虛假航跡。

自適應(yīng)粒子數(shù)PF-TBD和PF-TBD算法的跟蹤整體結(jié)果如圖10所示。從2種算法跟蹤得到的航跡與AIS真實(shí)航跡對(duì)比可以看到,自適應(yīng)粒子數(shù)PF-TBD算法與PF-TBD算法在大部分情況下跟蹤結(jié)果一致。但對(duì)于個(gè)別目標(biāo),自適應(yīng)粒子數(shù)PF-TBD算法優(yōu)于PF-TBD算法,為了驗(yàn)證算法的可靠性,本文給出了目標(biāo)個(gè)例2種方法得到的目標(biāo)航跡以及同步AIS航跡的結(jié)果。

由圖11可以看出,自適應(yīng)粒子數(shù)PF-TBD跟蹤得到了標(biāo)號(hào)為5的航跡,而PF-TBD未跟蹤得到。統(tǒng)計(jì)該航跡各個(gè)時(shí)刻速度,計(jì)算得到該目標(biāo)的平均加速度大小為9.6 km/h2,最大加速度為12.9 km/h2。相對(duì)于其他速度變化較慢的船只目標(biāo),該船只的速度變化較快,而自適應(yīng)粒子數(shù)PF-TBD方法可通過(guò)自適應(yīng)增加粒子個(gè)數(shù),實(shí)現(xiàn)對(duì)速度變化較快的目標(biāo)航跡跟蹤。

圖10 目標(biāo)AIS航跡與兩種算法跟蹤航跡整體結(jié)果Fig.10 Target AIS track and overall track tracking results of the two algorithms

圖11 自適應(yīng)PF-TBD航跡與AIS航跡對(duì)比結(jié)果Fig.11 Comparison between adaptive PF-TBD track and AIS track

4 結(jié) 語(yǔ)

利用地波雷達(dá)回波譜數(shù)據(jù)中運(yùn)動(dòng)目標(biāo)的展寬特性,本文提出了基于自適應(yīng)粒子濾波的地波雷達(dá)目標(biāo)檢測(cè)與跟蹤聯(lián)合處理方法,用來(lái)解決固定粒子數(shù)濾波算法在復(fù)雜環(huán)境下對(duì)弱目標(biāo)跟蹤性能不佳的問(wèn)題。首先在分析波雷達(dá)回波譜數(shù)據(jù)目標(biāo)特性基礎(chǔ)上,將粒子濾波法應(yīng)用于地波雷達(dá)目標(biāo)跟蹤,提出了基于粒子濾波的地波雷達(dá)目標(biāo)檢測(cè)與跟蹤聯(lián)合處理的方法;然后,基于目標(biāo)所處環(huán)境實(shí)現(xiàn)粒子個(gè)數(shù)的確定原則和步驟;最后利用2015年實(shí)測(cè)地波雷達(dá)目標(biāo)探測(cè)結(jié)果與同步AIS數(shù)據(jù)來(lái)檢驗(yàn)方法的有效性,開(kāi)展了目標(biāo)檢測(cè)與跟蹤聯(lián)合處理方法和動(dòng)態(tài)規(guī)劃方法結(jié)果的比較分析。結(jié)果表明:本文提出的自適應(yīng)粒子濾波的地波雷達(dá)目標(biāo)檢測(cè)與跟蹤聯(lián)合處理方法可實(shí)現(xiàn)對(duì)速度變化較快的船只目標(biāo)的有效跟蹤,并可排除因某些噪聲造成的虛假航跡,整體上提高地波雷達(dá)目標(biāo)航跡跟蹤性能。