恒虚警极化自适应子空间检测器

本文研究了在未知统计特性的局部均匀高斯杂波环境中的相干雷达极化自适应目标检测问题.基于广义似然比检验提出极化自适应子空间检测器,并推导出虚警概率和检测概率的理论表达式.研究结果证明该算法在均匀杂波环境和局部均匀杂波环境都有恒虚警的性质.比较了均匀杂波环境下极化自适应子空间检测器、极化广义似然比检验和极化自适应匹配滤波器算法的检测性能,仿真分析了不同极化状态局部均匀杂波环境下极化自适应子空间检测器算法在的检测性能.     

部分均匀杂波环境中极化自适应Rao检测器

研究了机载极化雷达在部分均匀杂波背景下对于低慢小目标的自适应检测问题。基于Rao准则设计得到了极化自适应Rao检测器,分析了极化自适应Rao检测器的性能,推导得到了虚警概率和检测概率的解析表达式,证明了极化自适应Rao检测器对于杂波协方差矩阵和杂波功率比因子具有恒虚警率特性。理论分析和数值仿真表明,与基于广义似然比检验准则得到的自适应子空间检测器和自适应匹配检测器相比,极化自适应Rao检测器具有更好的检测性能和更低的计算复杂度。      

严重拖尾复合高斯杂波中目标的自适应极化检测

该文研究极化高分辨雷达在动态变化的杂波场景中自适应检测小目标的问题.将统计特性严重拖尾的杂波建模为纹理分量为逆伽马分布的复合高斯过程,借助于广义似然比检验和辅助数据得到了自适应极化检测器,并推导了该检测器的虚警概率表达式,证明了该检测器对协方差矩阵结构具有恒虚警特性.最后,利用仿真杂波数据验证了检测器检测性能的有效性.     

K分布下极化SAR图像CFAR检测新方法

在极化合成孔径雷达（PolSAR）图像杂波服从K分布下,已有的基于多视极化白化滤波器（MPWF）的恒虚警（CFAR）检测方法不适用于等效视数为非整数情形.针对此问题,提出了一种具有解析虚警概率表达式的CFAR检测方法.在乘积模型下引入Gamma分布纹理变量后,对MPWF检测量的概率密度函数（PDF）积分得到其累积分布函数（CDF）,进而得到虚警概率关于检测门限的解析形式.仿真实验结果表明新方法良好的虚警拟合效果,此外在目标杂波比（TCR）较大时,新方法检测概率更高,反之,检测概率低于已有方法.需说明的是,目前K分布下多视极化匹配滤波（MPMF）检测方法的虚警概率表达式存在错误,因此对K分布下的MPMF检测方法进行了修正并推导出了正确的虚警表达式.     

基于杂波模型的相干雷达极化自适应恒虚警检测算法

该文研究了高斯杂波背景下相干雷达极化自适应检测问题。利用雷达回波的极化信息来提高检测性能。提出了一种基于杂波模型的极化自适应恒虚警检测算法,该算法比极化自适应匹配滤波器算法有更小的估计损失,并推导出了虚警概率表达式。仿真结果表明,所提出的检测算法相对于杂波协方差矩阵都有恒虚警的性质。     

杂波背景中雷达目标极化检测的比较研究

该文导出了高斯随机极化波的瞬态Stokes矢量的联合概率密度函数,由此导出了基于Stokes矢量的极化检测器及其检测概率、虚警概率的解析表达式,并给出了该检测器在不同杂波极化度条件下的检测性能理论曲线。对基于Stokes矢量和基于Jones矢量的极化检测器进行了比较研究,给出了大脉冲数条件下二者检测性能差异的解析表达式,证明了基于Stokes矢量的极化检测器是正交双极化接收、非相参积累条件下的最优检测器。      

极化空时自适应匹配滤波检测器

针对极化空时自适应处理时目标极化状态和杂波协方差矩阵未知等实际瓶颈问题,提出了一种适应于机载极化阵列雷达的极化空时自适应匹配滤波(PST-AMF)检测算法.该检测算法先利用回波数据估计目标的极化状态,然后再将估值代入似然比得到了新的检验统计量,进一步推导了检测器虚警概率和检测概率的解析表达式,从理论上证明了该检测方法具备恒虚警(CFAR)特性.该检测器计算量比极化空时广义似然比检测器(PST-GLRT)少,易于工程实现.最后,仿真验证了在检测慢速运动目标时,其性能优于单个通道的空时自适应匹配滤波检测器(ST-AMF),具备较强的稳健性.     

认知无线电中衰落环境下的能量检测性能分析

鉴于能量检测对信道环境的敏感性,采用理论推导加数值实验的方法,研究认知无线电中衰落环境下的能量检测性能.首先,在等效低通数字域上通过严格的数学推导,给出能量检测的虚警和漏检概率解析式,然后在统计意义上给出了能量检测在瑞利衰落和阴影衰落环境下的检测性能表达式.此外,还在统计意义上,在大信噪比和小信噪比两种条件下对能量检测器的检测概率与观测点数或检测器抽样速率之间的关系进行了分析.最后,在Matlab环境下进行了数值实验,结果表明:在瑞利衰落环境下能量检测器的检测性能明显下降;在阴影衰落环境下能量检测器的检测性能进一步恶化;能量检测器可以通过适当增加观测点数或提高抽样频率来补偿信噪比的下降.     

Wishart分布情形下极化SAR图像目标CFAR检测解析方法

等效视数是影响极化合成孔径雷达（PolSAR）图像恒虚警 （CFAR）检测性能的重要参数.目前等效视数的估计大都不是整数,导致已有的基于整数等效视数的CFAR检测方法不再适用.为解决此问题,提出了一种新的PolSAR图像目标CFAR检测解析算法.首先,在Wishart分布假设下,推导出了多视极化白化滤波（MPWF）检测量的概率密度函数;然后对其积分得到了CFAR检测门限关于等效视数的解析表达式;最后通过仿真数据和AIRSAR实测数据比较了新方法与已有的适用于整数等效视数的检测方法和双参数恒虚警（2P-CFAR）检测方法的CFAR检测性能.结果表明新方法中实际虚警概率与给定的恒虚警概率最为接近,更好保证了CFAR检测的恒虚警假设.     

MIMO雷达双门限恒虚警检测

由于MIMO雷达的多通道特性,使得MIMO雷达各接收天线之间需要进行大量的数据传输。在MIMO雷达中应用双门限检测可以使数据传输量大大降低。本文在单元平均恒虚警检测器的基础上,提出了一种MIMO雷达双门限恒虚警检测器,设计了MIMO雷达双门限恒虚警检测器的结构,将其检测性能和单门限恒虚警检测器进行了对比,分析了MIMO雷达双门限检测器在多目标环境下的检测性能。仿真结果表明在MIMO雷达中应用双门限检测具有结构简单,数据传输量低等特点,在单目标和多目标环境中,双门限恒虚警检测器的检测性能均优于单门限恒虚警检测器。      

一种新的多视全极化SAR目标检测器及其性能分析

本文提出一个新的多视极化合成雷达（SAR）的目标检测算法，对均匀和非均匀的杂波及目标模型，分析了该算法的检测性能，给出了检测统计的精确表达式。模拟实验结果表明，本文所提出的目标检测算法明显优于全功率检测算法和利用单通道强度的检测算法。     

Study on speckle reduction in multi-look polarimetric SAR image

This paper studies the speckle reduction in multi-look polarimetric synthetic aperture radar (SAR) image. A multi-look polarimetric whitening filtering (MPWF) method is presented and extended to form a fully polarimetric filter with multi-channel output. The paper also quantifies the speckle reduction amount achievable by the MPWF, and compares the MPWF with the span, weighting and power equalization methods. Experimental results with the NASA/JPL L-band 4-look polarimetric SAR data verify the effectiveness and superiority of the MPWF, and show that the MPWF is of great advantage for enhancing SAR image classification.     

CLASSIFICATION OF MULTI-LOOK POLARIMETRIC SAR IMAGERY AND POLARIZATION CHANNEL OPTIMIZATION

In this paper, a new maximum likelihood (ML) classification algorithm is proposed to classify the multi-look polarimetric synthetic aperture radar (SAR) imagery. Experimental results with the NASA/JPL airborne L-band polarimetric SAR data demonstrate the effectiveness of the new algorithm. Furthermore, when using the algorithm in the classifications with subsets of the multi-look polarimetric SAR data, the polarization-channel optimization for the terrain type classification is implemented.     

多视极化合成孔径雷达图象的分类和极化通道优化

本文提出一个新的最大似然(ML)分类算法对多视全极化合成孔径雷达(SAR)图象进行分类,给出了应用NASA/JPL机载L波段四视全极化SAR实测数据的试验结果,证明了新算法的有效性。此外,本文还将所提算法应用于部分的多视全极化SAR数据中,实现了地貌类型分类的极化通道优化。     

基于小波变换和马尔可夫随机场的极化SAR图像自动分类

本文提出一种对极化合成孔径雷达(SAR)图像进行自动多分辨率分类的方法。首先利用多视极化白化滤波(MPWF)抑制极化SAR图像的相干斑,得到反映地物辐射特征的纹理SAR图像,然后利用小波变换(WT)提取不同分辨率的纹理信息,在最低分辨率级利用Akaik信息准则(AIC)自动估计图像中的纹理类数,进而在各个分辨率级利用马尔可夫随机场(MRF)模型表征各像素间的空间关联信息,并分别利用最大似然(ML)方法和循环条件模式(ICM)进行自动的模型参数估计和最大后验概率(MAP)分类,最后应用NASA/JPL机载L波段极化SAR数据验证了本文所提分类方法的有效性和优越性。     

Near optimum tree-search detection schemes for bit-synchronousmultiuser CDMA systems over Gaussian and two-path Rayleigh-fadingchannels

Simple reduced tree-search detection schemes of the breadth-first type are applied to suboptimal joint multiuser detection in bit-synchronous code-division multiple access (CDMA) systems over both Gaussian and two-path Rayleigh-fading channels. It is pointed out that in contrast to the case of the optimal multiuser detector, the choice of the receiver filter severely influences the performance of suboptimal multiuser detectors. Simulation results supported by analysis show that breadth-first tree-search algorithms using a decorrelating noise whitening receiver filter perform better than similar receivers, which solely use a matched filter (MF) for virtually all nonsingular spreading code sets studied. Most of the code sets are randomly generated. The M- and T-algorithm detectors based on decorrelating noise whitening filter (WF) outputs can achieve near optimum performance at a very low complexity compared to the optimal detector, although the proposed detectors are more complex than some known suboptimum detectors. Furthermore, the use of combining techniques is considered for a two-path Rayleigh-fading channel, and a semi-synchronous CDMA structure is proposed. It is shown that if maximum ratio combining (MRC) is employed, the decorrelating noise WF still exists. The corresponding suboptimal combining detector with a decorrelating noise WF outperforms a similar noncombining detector     

Fisher纹理分布下基于匹配滤波的极化SAR图像CFAR检测方法

在已有的极化合成孔径雷达（PolSAR）图像恒虚警（CFAR）检测方法中,存在着高分辨下杂波模型适用性差的难题。为此提出了一种Fisher分布下的CFAR检测方法,并定义虚警损失率（CFAR Loss,C_L）以量化评估算法的恒虚警保持性能.首先,在乘积模型框架下引入Fisher纹理变量,推导出了多视极化匹配滤波（Multi-look Polarization Matched Filter,MPMF）检测量的概率密度函数（PDF）.然后,对PDF积分得到了虚警概率的闭合解析式,并设计了CFAR检测流程.仿真数据和机载合成孔径雷达（Airborne SAR,AIRSAR）数据实验结果表明,与基于K分布、G₀分布、Wishart分布的CFAR检测算法以及双参数恒虚警（two-Parameter CFAR,2P-CFAR）算法相比,新方法具有良好的恒虚警保持性能和检测性能,具有较强的鲁棒性,且运算时间未明显增加,相比于其他检测方法,品质因数（Figure of Merit,FoM）平均高出12.80%.