Poisson Conjugate Prior for PHD Filtering based Track-Before-Detect Strategies in Radar Systems

要約

検出前追跡 (TBD) 戦略を備えたさまざまなフィルターが開発され、確率仮説密度 (PHD) フィルターを含む低信号対雑音比 (SNR) シナリオに適用されています。
検出前トラック (DBT) 戦略に基づく標準ポイント測定モデルの仮定は、TBD 戦略に基づく振幅エコー モデルには適していません。
ただし、さまざまなモデルと比類のない仮定に基づいて、DBT-PHD フィルターの測定更新式は、既存の TBD-PHD フィルターに機械的に適用されるだけです。
本論文では,Kullback‐Leibler発散最小化基準,有限集合統計理論および厳密ベイズ規則に基づいて,TBD‐PHDフィルタの原理的閉形式解を導き出した。
さらに、TBD 戦略に基づいて、PHD フィルターがポアソン事前分布に共役していることを強調します。
次に、SNR の増加に伴うターゲット数の推定の発散を処理するために、キャッピング操作が考案されます。
さらに、動的および振幅エコー モデルの逐次モンテカルロ実装がレーダー システム用に提案されています。
最後に、モンテカルロ実験は、レイリー ノイズと低 SNR のシナリオで優れたパフォーマンスを発揮します。

要約(オリジナル)

A variety of filters with track-before-detect (TBD) strategies have been developed and applied to low signal-to-noise ratio (SNR) scenarios, including the probability hypothesis density (PHD) filter. Assumptions of the standard point measurement model based on detect-before-track (DBT) strategies are not suitable for the amplitude echo model based on TBD strategies. However, based on different models and unmatched assumptions, the measurement update formulas for DBT-PHD filter are just mechanically applied to existing TBD-PHD filters. In this paper, based on the Kullback-Leibler divergence minimization criterion, finite set statistics theory and rigorous Bayes rule, a principled closed-form solution of TBD-PHD filter is derived. Furthermore, we emphasize that PHD filter is conjugated to the Poisson prior based on TBD strategies. Next, a capping operation is devised to handle the divergence of target number estimation as SNR increases. Moreover, the sequential Monte Carlo implementations of dynamic and amplitude echo models are proposed for the radar system. Finally, Monte Carlo experiments exhibit good performance in Rayleigh noise and low SNR scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google