近距离慢速目标检测杂波抑制方法

针对强杂波环境下近距慢速运动目标检测问题,该文提出一种基于相位编码及子空间投影的杂波抑制方法。主要对周期探测信号调制Chirp相位编码,通过回波慢时间维解码使杂波近似白化,降低杂波与目标回波相关性,再依据白化后杂波及有用信号成分自相关性差异分离出信号和杂波干扰子空间;最后将接收信号投影至正交于杂波子空间的信号子空间来抑制杂波。由于该方法中杂波空间的构建不需要假设杂波模型,避免了模型假设与实际环境不匹配的问题。仿真结果和实测数据处理结果证明该方法在低信杂比条件下性能明显优于传统方法。     

基于杂波方位抑制的无源雷达目标检测方法研究

研究了非合作运动辐射源照射条件下的动目标检测问题.分析了此背景下地杂波空时频分布特性,并结合非合作系统数据处理特点提出了基于杂波方位抑制的目标检测方法,该方法利用杂波与目标在空时频三维域上可分性特点解决了时频二维域上杂波覆盖目标的问题,将非合作领域中一般的时频检测方法改进为杂波方位抑制基础上的时频滤波,仿真结果表明在双基地背景下,当目标信号与杂波信号在空时频三维域不重合时,结合阵列天线的方位抑制能力该方法能够有效地抑制杂波,实现地杂波背景下的动目标检测.     

稀疏域海杂波抑制与微动目标检测方法

针对海上微动目标回波信号具有稀疏性的特点,该文研究了稀疏域微动特征提取和检测方法,提出一种基于形态成分分析(MCA)的海杂波抑制与微动目标检测方法.该方法充分利用海杂波和微多普勒信号组成成分的形态差异性,对不同源信号采用不同的字典进行稀疏表示,区分海杂波与微动目标.此外,提出的稀疏域海杂波抑制方法,能够在抑制海杂波的同时积累更多的信号能量,改善信杂比.仿真和实测数据验证了算法的正确性.     

采用本征滤波的自适应杂波抑制和动目标检测算法

本文叙述了一种用于实现自适应杂波抑制的有效的本征滤波算法,并且研究了它的性能。实现这种本征滤波器是以模拟杂波信号的弱平稳随机过程为基础,模拟结果表明,本文提出的本征滤波算法能比白化滤波算法给出更好的杂波抑制效果。     

基于INet的雷达图像杂波抑制和目标检测方法

强海杂波与海面目标的复杂特性使得海面目标回波微弱,有效的海杂波抑制和稳健快速的目标检测是雷达对海上目标探测需考虑的重要因素。然而,现有的海面目标检测算法对于复杂环境下的目标检测性能有限,环境和目标特性适应性差。该文设计了一种杂波抑制和目标检测融合网络(INet),通过层归一化-传递和连接方法提取关键目标特征,采用注意力网络抑制杂波和增强目标,构建跨阶段局部残差网络保证检测网络的轻量化和准确性。基于导航雷达在多种观测条件下采集的回波数据,构建了海面目标雷达图像数据集;通过模型的预训练和平面位置显示器(PPI)图像的帧间积累对INet进行了优化,得到了Optimized INet(O-INet)模型。经过多种天气条件下实测数据测试和验证,并与YOLOv3, YOLOv4,双参数CFAR和二维CA-CFAR对比后证明,所提方法在提高检测概率、降低虚警率和复杂条件下的强泛化能力有显著优势。      

基于杂波白化处理的海面低速弱目标检测

为了检测平稳海杂波中的低速弱目标，本文引入杂波白化处理模块取代雷达常用的MTI滤波器和多普勒滤波器组。理论分析与基于真实和海杂波数据的仿真试验结果均表明本文方法对海面低速弱目标的检测具有独特的效果。     

动目标检测雷达抑制气象杂波的研究

本文讨论了动目标检测(MTD)雷达对气象杂波的抑制作用,提出了用平均改善因子衡量MTD处理器的性能,并以此对不同组成的设备作了比较。同时还提出了构成MTD处理器时需要注意的问题。     

基于杂波抑制的海平线红外弱小目标检测

针对红外图像中海天交接处目标能量较弱,难以获得精确检测的问题,本文提出一种基于杂波抑制的海平线弱小目标检测方法。该方法通过对红外图像特征分析,检测海平线像素特征,去除障碍物干扰,确定海平线区域;对海平线区域采用改进的均值差滤波与背景建模,去除海平线杂波;杂波滤除后,计算两个区间自适应阈值作为滞后阈值,从而检测出海平线弱小目标像素。实验结果表明,本文提出的算法能够有效去除海平线杂波,确定海平线区域,有效提取海平线像素,从而准确检测出海平线弱小目标,具有较高的检测率与较低的虚警率,验证了该算法的有效性。     

基于空域联合时频分解的海面微弱目标检测方法

海面目标不仅影响其位置处波浪运动,还会影响其周围的水域,其雷达回波信号分布于多个相邻的距离单元,所以目标回波信号表现出明显的空域相关性。该文根据海面目标信号的空间相关性提出了一种基于空域联合时频分解的海面微弱目标检测方法。该文提出的一种两信号互S-方法将相邻两个距离单元的回波信号变换到时频域,再利用互维格纳-威尔逆变换实现两距离单元信号的联合时频分解,最后根据分解分量的联合时频聚集性实现目标检测。实测X波段雷达海面回波的处理结果表明该文方法能够较精确地从海面回波中检测出微弱目标,并且能够显示目标的瞬时运动特性。      

外辐射源机载预警雷达系统的信杂比

提出了利用地面非合作辐射源如FM广播的外辐射源机载预警雷达系统的概念。为了分析影响其性能的关键因素——信杂比的变化范围和状况,分析、仿真了典型FM广播电台的辐射方向图尤其是垂直方向图,结合FM台站、AEW接收系统和目标的空间位置关系,利用双基地雷达的信号模型,得到了信杂比-60～-110dB的分布范围及其类似于信噪比变化的卡西尼卵形线的变化规律。     

基于分数阶谱相减的弱目标检测方法

提出了海杂波背景下的基于分数阶谱相减的弱运动目标检测方法。该方法通过对回波信号检测单元和参考单元分别作分数阶Fourier变换(FRFT),然后将得到的两个模值相减来构成检测统计量,达到抑制杂波、提高检测概率的目的。利用IPIX实测数据实验表明,所提方法在增加目标与杂波FRFT峰值差、提高信杂比以及检测概率等方面都明显优于仅对回波作FRFT变换。在信杂比降低到-12 dB时仍能很容易地检测出目标。设置适当的恒虚警检测门限,该检测方法能够达到更好的检测效果。     

基于分数阶模糊函数线调频率延时对消的运动弱目标检测

针对回波信号相位中存在的三次项问题,文中介绍了分数阶模糊函数的定义及部分性质,在此基础上研究了含有三次项的运动目标回波信号的分数阶模糊函数的线性调频延时特性,根据此特性文中提出了一种海杂波背景下的基于分数阶模糊函数线调频延时对消的运动弱目标检测方法。该方法通过将原信号的分数阶模糊函数模函数与线性调频延时后信号的分数阶模糊函数模函数对消,能在基本不减弱信号分数阶模糊函数模值的情况下有效地对消部分杂波,达到提高信杂比,提高检测性能的目的。最后,通过对IPIX实测数据验证表明,所提方法在增加目标与杂波分数阶模糊函数域峰值差以及提高信杂比等方面都明显优于仅对回波作分数阶模糊函数。文中采用双参数恒虚警检测方法设置适当的门限,该检测方法能够达到更好的检测效果。      

基于背景杂波自适应预测的红外弱小目标检测

文章根据背景杂波和运动目标的红外成像差异,提出了两种自适应杂波预测技术的低 信噪比小目标检测方法。首先讨论了一种基于均方误差最小的自适应线性预测器,该预测器计算量小,易满足实时要求,且对平稳和线性云层红外背景图像具有很好的背景预测能力。然后提出了一种基于非线性函数可调整的BP 神经网络预测器,该预测器中的非线性函数可调整且非线性程度很高,能很好的适应各种复杂的起伏背景,特别是非平稳和非线性杂波背景。文中还通过实际的红外图像验证了两种方法的有效性。     

针对点目标探测的背景杂波量化改进方法

在点目标探测模型中,目标的形状纹理信息丢失,可用特征少,背景杂波对目标检测造成严重干扰.传统分块方差统计法会引入背景低频波动,使杂波偏大,而且杂波度量值随分块单元尺度变化较大.本文提出一种基于匹配滤波的杂波量化改进方法,首先以点目标像斑分布为模板,对背景图像进行匹配滤波,得到互相关矩阵;然后将高相关性区域标记为杂波重点区域,计算方差作为局部杂波,取局部杂波的均方根作为全局背景杂波.该方法突出了对空间杂波区域的选择性,能有效降低背景低频波动和传统分块尺度对杂波的影响.对遥感图像样本进行杂波量化和点目标检出仿真,结果表明本文方法对杂波统计尺度有很好的稳定性,杂波量化与探测率的相关性高于传统方差统计方法.     

一种相关Weibull杂波背景中的目标检测方法

为提高雷达在非高斯杂波背景下的检测性能,基于球不变随机过程模型和似然比检测准则,给出了一种相关Weibull分布杂波背景中目标的检测方法.首先从理论上导出了基于球不变随机过程的Weibull分布模型,然后在似然比意义下给出了Weibull分布杂波背景下的检验统计量.仿真和实际数据实验结果表明该检测方法的检测性能明显优于传统的检测方法     

基于稀疏矩阵计算的外辐射源多径杂波抑制算法

在电视与调频广播的外辐射源雷达中,需要对消直达波与多径,才能进行目标的检测。常采用自适应对消器完成该类杂波的抑制,由于多径跨越的采样点很多,造成算法的计算量很大。文中利用了杂波多径稀疏性的特点,提出了稀疏矩阵运算的自适应算法,使得协方差矩阵的计算维数有效减少,在算法性能不下降的前提下,大大减少了自适应算法的计算量。通过计算机仿真验证了该算法的性能。     

海杂波AR谱多重分形特性及微弱目标检测方法

该文研究了海杂波功率谱的多重分形特性。为了克服频谱傅里叶分析的缺点,用现代谱估计的方法来计算海杂波的功率谱。AR模型是一个线性预测模型,它通过序列的自相关函数矩阵来估计功率谱,并且具有更精确的频谱分辨率。该文主要分析基于AR谱估计的海杂波功率谱的多重分形特性,以及在微弱目标检测中的应用。首先,以分数布朗运动(FBM)模型为例,证明其功率谱具有多重分形特性。其次,根据X波段雷达的实测海杂波数据,通过多重去趋势分析法(MF-DFA)验证了海杂波AR谱的多重分形特性。最后,分析了海杂波AR谱的广义Hurst指数以及影响参数,并提出一种基于局部AR谱广义Hurst指数的目标检测方法。实验结果表明,该种检测方法具有海杂波背景下微弱目标检测的能力。与现有的分形检测方法和传统的CFAR检测方法对比,该算法在低信杂比情况下具有较好的检测性能。     

海杂波中基于混沌预测的目标检测方法改进

基于记忆库非线性预测的NP-CFAR方法是目前混沌海杂波背景中目标检测的一种典型而先进的方法.考虑到海杂波功率与特征的时变不稳定性,本文提出运用旋转超盒分类取代这一方法中的NP-CFAR进行目标检测,并探讨了运用盒维数特征提取进行预处理以节省运算开销的问题.仿真实验验证了本文所提改进方法的有效性.