标签多伯努利(LMB)滤波器在传统多伯努利滤波器基础上引入标签空间, 能够实现真正意义上的多目标轨迹级滤波.文章对红外小目标的运动和量测进行建模, 将标签多伯努利应用到红外小目标检测前跟踪领域.在此基础上, 为了实现对运动模型时变目标的检测前跟踪, 将交互式多模型(IMM)与LMB检测前跟踪算法相结合, 提出IMM-LMB检测前跟踪算法.此外, 给出了该算法的序贯蒙特卡罗实现.仿真结果表明, 所提算法能够从输入的原始图像中直接实现轨迹级多目标检测和跟踪, 且能够在线更新多模型概率, 更好的适应多机动目标场景.

为了提高过采样体制下点目标的探测能力，提出了基于多伯努利滤波器的过采样点目标检测前跟踪方法。分析了时空过采样体制的成像过程，给出了时空过采样体制下的点目标成像模型，并将过采样观测过程等效建模为多个单采样线阵同时观测的过程。利用提出的模型，将单采样条件下的图像处理方法自然地扩展到过采样条件下。然后，根据等效观测模型，给出了针对过采样点目标的多伯努利预测和更新过程，并用序贯蒙特卡罗的方式实现了该检测前跟踪方法。最后，通过仿真实验验证了本文算法的有效性。实验结果表明：本文提出的方法能够在图像信噪比≥3的条件下，有效检测和跟踪过采样体制下的多个点目标，目标估计误差≤0.25 pixel；与单采样检测前跟踪相比，过采样检测前跟踪能够探测目标能量更弱的小目标。因此，本文方法能够满足高精度天基点目标检测跟踪的需求。

分析了单采样和过采样两种扫描探测体制的成像原理, 并建立了扫描图像仿真模型.在不同云层杂波场景下从目标能量收集、背景杂波抑制和弱小目标检测三个方面对单采样和过采样扫描图像进行了对比分析.理论分析和仿真结果表明: 过采样扫描探测体制更有利于收集目标能量, 杂波抑制能力较优, 对弱小目标的探测能力更强.

基于势概率假设密度滤波(Cardinalized Probability Hypothesis Density, CPHD)检测前跟踪(Track before detect, TBD)算法能有效解决未知目标数的弱小目标检测跟踪.文章深入研究了CPHD算法, 从标准CPHD滤波的粒子权重更新出发, 结合检测前跟踪的实际, 合理地推导出CPHD-TBD算法的粒子权重更新表达式; 分析了CPHD滤波目标势分布的物理意义, 实现了目标势分布更新计算在检测前跟踪的应用.将CPHD滤波和TBD进行有效结合, 提出了基于势概率假设密度滤波的检测前跟踪算法, 并给出其详细实现步骤.仿真实验证明提出的CPHD-TBD算法与现有概率假设密度检测前跟踪(PHD-TBD)算法相比, 能更详细地传递目标分布信息, 从本质上改变了PHD-TBD对目标数估计的方式, 能更准确稳定估计目标数, 实现了对目标的发现和状态准确估计, 性能明显更优.

基于概率假设密度滤波(Probability Hypothesis Density，PHD)的检测前跟踪(Track before detect, TBD)技术可以有效解决未知目标数的弱小点目标检测前跟踪问题.文章针对现有PHD-TBD算法存在目标数估计不准、目标发现延时较久的问题进行研究.从标准PHD滤波出发，更为合理地推导出PHD-TBD算法的粒子权重更新计算表达式，实现对目标数的准确估计; 同时利用贝叶斯滤波理论，推导出基于量测的新生粒子概率密度采样函数，完成对目标的快速发现.仿真实验表明，与现有的PHD-TBD相比，改进算法能够适应目标扩散情况，准确估计目标数目，并实现对目标的快速发现和位置准确估计.

基于概率假设密度滤波（PHD）的检测前跟踪（TBD）技术可以有效解决未知弱小多目标检测问题。PHD-TBD算法粒子权重计算受量测噪声影响明显，导致目标数估计存在起伏现象，制约了PHD-TBD算法性能。对PHD-TBD技术进行研究，引进概率假设密度滤波平滑器，提出基于平滑的PHD-TBD算法。该算法对当前帧目标数估计时，综合利用前向递推和后向平滑结果对粒子权重进行更新，在一定程度上克服了随机量测噪声的影响。通过仿真验证，该算法能够有效发现目标，准确估计目标数目和位置，性能有较大提高。

针对天基光学传感器网络对目标的定位精度分析难题，提出一种基于多因素分析的目标定位精度分析方法。首先，根据目标到光学传感器像平面的转换关系，建立目标观测模型。其次，分析目标定位过程中的各种误差源，通过引入地惯坐标系下的目标视线矢量作为中间变量，推导出目标三维位置、目标视线矢量以及目标像平面位置三者之间的误差传递矩阵。在此基础上，根据最小二乘准则建立多颗星观测时的目标定位精度理论分析模型。不同条件下的理论定位精度以及蒙特卡罗(Monte-Carlo)仿真结果验证了该理论分析模型的有效性，部分结论可以为传感器调度等工程应用提供参考。

SBV是目前已成功应用于空间目标监视的典型天基光学传感器,通过被动探测空间目标反射的太阳光线辐射,完成对其探测、捕获和跟踪,并收集各种空间目标的观测数据。本文首先对SBV特点和性能进行介绍,然后以其为系统原型对天基光学空间目标监视信息处理流程和特点进行分析,提取相应关键技术,包括目标检测与恒星提取、编目维护与更新以及目标亮度特性分析等,并就其技术难点和发展趋势进行探讨。