.png){kind=icon}
返回
An Anti-Range Gate Pull-Off Jamming Method for Robust Multitarget Tracking
.png){kind=icon}
PRE
AI
DOI：10.1109/TAES.2025.3585488.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管距离门拖引（RGPO）干扰对雷达跟踪造成了严重损害，但关于在目标跟踪阶段对抗RGPO干扰的研究报道很少。针对这一问题，我们提出了一种鲁棒多目标跟踪的抗RGPO干扰方法。首先，基于RGPO干扰的拖引特性，设计了一种四维CFAR检测器，以优化真实目标和邻近干扰的检测能力。其次，构建了多扫描测量关联的代价函数以感知RGPO干扰，并通过最小化关联代价获得干扰测量序列。第三，基于高阶马尔可夫链和上述关联结果，设计了一种抗RGPO干扰的高阶多模型广义标记多伯努利滤波器，能够同时跟踪机动目标和识别RGPO干扰。仿真结果表明，该方法在复杂干扰场景下的多目标跟踪中表现出竞争力，尤其在鲁棒性和准确性方面优于现有方法。
Keyword:
Anti-range gate pull-off (RGPO) jamming
four-dimensional CFAR
high-order multiple-model generalized labeled multi-Bernoulli (HOMM-GLMB)
jamming perception
multitarget tracking
期刊
IF:
5.7
论文数:
858
被引数:
2.4W
机构
引用论文
分享收藏
K. Shen, W. Yuan, J. Yan, K. Ma, MCST: An Adaptive Tracking Algorithm for High-Speed and Highly Maneuverable Targets Based on Bidirectional LSTM Network, IEEE Transactions on Aerospace and Electronic Systems 61 (2) (2025) 3205–3226. 10.1109/TAES.2024.3484393K. Shen, W. Yuan, J. Yan, K. Ma, MCST: 基于双向LSTM网络的高速高机动目标自适应跟踪算法，IEEE航空航天与电子系统汇刊61(2)(2025) 3205–3226。10.1109/TAES.2024.3484393.png)
IF0
PREAI
分享收藏A deep learning model based on transformer structure for radar tracking of maneuvering targets基于transformer结构的雷达机动目标跟踪深度学习模型INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏
查看更多内容