SSD（single shot multibox detector）翻译，含原论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作 所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已 经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中 以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 位论文作着(笔)签名分2y年D月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学

针对多个信噪比相差较大时容易发生的目标漏检问题，提出了一种改进的多目标双层粒子滤波检测前跟踪算法(IM-PF-TBD)。算法采用双层粒子滤波结构，在目标检测层中，采用锦标赛选择方法对检测粒子群进行重采样，选取多个权重相差较大的粒子，通过粒子聚类同时检测多个目标，提高了检测初期较弱目标的存在概率。此外，算法提出了粒子群融合方法用于新发现目标的验证，便于目标检测后虚假目标的剔除。仿真结果表明，所提算法能有效改善信噪比较小的目标的检测概率并降低目标RMSE。

针对低信噪比条件下的机动小目标实时检测与跟踪困难的问题, 提出一种基于混合估计多模粒子滤波的检测前跟踪改进算法. 首先根据前一时刻所采用的模型状态及其转移概率等先验信息实现当前时刻的模型采样; 然后在充分考虑当前量测下实现当前的粒子预测, 采用一种序贯重要性平滑重采样策略, 在不增加计算量的前提下, 改善了粒子多样性衰退的问题; 最后通过新的粒子集完成对模型和状态的合理估计与目标检测. 仿真结果验证了该方法的检测与跟踪性能优于传统的多模粒子滤波方法.

针对在雷达观测下机动弱小目标的检测前跟踪（TBD）问题中，基于序贯蒙特卡洛的势均衡多伯努利检测前跟踪（SMC-CBMeMBer-TBD）算法存在目标的数目估计不准确及状态估计精度随时间下降的问题，提出了一种基于SMC-CBMeMBer前向后向平滑检测前跟踪的改进算法。该算法在预测和更新过程之间加入多目标粒子群优化算法（MOPSO），基于观测值设置适应度目标函数，使粒子集群向后验概率密度较为集中的位置分布，缓解了粒子贫乏的问题；在更新步骤之后加入平滑递归方法，利用观测值平滑滤波值，算法运算时间虽有