A hybrid STAP approach to target detection for heterogeneous scenarios in radar seekers

Adaptive detection of moving targets on the sea is important for radar seekers. Recently, more attention has been paid to the deleterious effect of clutter heterogeneity on space-time adaptive processing (STAP) for pulse Doppler radar. Since secondary samples are no longer statistically independent and identically distributed (IID) in heterogeneous environments, this is subjected to a great challenge to target detection for radar seekers. Due to the fact that chaff jamming severely affects the performance degradation of target detection, the hybrid detection algorithm is proposed to suppress the sea clutter and chaff jamming. Firstly, the range cells can be classified into two regions according to the power, namely clutter region and hybrid region. Then we propose different algorithms to process two regions. The fixed point (FP) estimator is used to estimate the clutter covariance matrix in clutter region. While the power selected training (PST) algorithm is used to select the homogeneous secondary samples, and an algorithm based on two-step subspace projection for hybrid interference suppression is presented in hybrid region. Finally, the proposed Pareto-based generalized likelihood ratio test (PBGLRT) detector can detect the slowly moving targets in heterogeneous interference. Simulation results show that the PBGLRT detector outperforms both the low rank normalized adaptive match filter (LRNAMF) and normalized adaptive match filter (NAMF) detectors against interference heterogeneity.     

基于知识的海杂波背景下距离扩展目标检测

该文针对在辅助数据有限的情况下自适应检测器出现检测性能损失,提出基于杂波的先验知识分布的距离扩展目标自适应检测算法。复合高斯杂波的纹理和散斑的协方差矩阵分别被建模为服从逆伽玛分布的随机变量和逆复Wishart分布的随机矩阵。利用先验知识推导了纹理分量的最大后验估计,并结合广义似然比检验设计了不依赖辅助数据的距离扩展目标自适应检测器。仿真结果表明,提出的检测器在参数失配条件下具有好的鲁棒性,而且在辅助数据有限情况下检测性能优于传统的广义似然比检测器的检测性能。     

基于自适应局域变换的离散干扰抑制算法

在非均匀杂波环境中,针对待检测距离单元的离散干扰严重影响统计空时自适应处理(STAP)杂波抑制性能的问题,提出了基于自适应局域变换的离散干扰抑制算法。该方法利用自适应局域变换矩阵具有局域变换和自适应滤波的双重特性,在较低计算复杂度条件下有效消除离散干扰对统计STAP方法的影响。仿真数据和MCARM实测数据分析表明,该方法能有效抑制待检测距离单元中的离散干扰和均匀杂波,显著改善STAP在非均匀杂波中的性能。     

基于杂波跟踪的CFAR检测研究

通过设立专门通道将图像处理技术应用于雷达检测域杂波功率数据处理,对特征杂波进行跟踪,为恒虚警处理提供背景信息.本文介绍了对抗杂波边缘的自适应CFAR检测器设计中的研究工作,设计了基于杂波跟踪的杂波属性CF(clutter feature)-CFAR检测器和结构元素SE(structuring element)-CFAR检测器,对其检测性能进行了分析.并通过蒙特卡罗(Monte Carlo)仿真方法对上述两种检测器的检测性能进行了仿真.     

基于复合高斯杂波纹理结构的相干检测

传统的自适应检测器大多是在独立同分布纹理的前提下推导出的。然而,实测海杂波数据中各个距离单元的纹理具有相关性。该文将这一纹理相关性的信息加入到似然比检测中,提出一种基于纹理结构的相干检测器。基于涌浪调制在距离上产生纹理相关性的先验知识,确定与待检测单元纹理相关的距离单元数目,据此可以提供待测单元的纹理信息。实测数据实验表明,该检测器相对于逆伽马纹理复合高斯杂波下最优检测器具有一定的性能提升。     

复合高斯杂波中距离扩展目标的参数化Wald检测

本文研究复合高斯杂波环境中的距离扩展目标的自适应检测问题。有色杂波采用参数未知的自回归（AR）过程描述。结合Wald检测准则,仅需对H1假设条件下的未知参数进行最大似然估计,给出了一种新的基于参数化模型的扩展目标检测器——参数化Wald检测器。该检测器的检验统计量可解释为首先针对各个待测单元分别计算检验统计量,然后将所有待测单元的输出进行非相参累加,其对杂波的随机功率起伏具有恒虚警率(CFAR)特性。相比于常规的基于协方差矩阵的检测方法,参数化检测算法的执行过程不需要依赖辅助数据,仅利用待测扩展目标数据即可实现自适应处理,有效缓解了训练压力并降低了计算量。仿真实验表明,所提出的参数化Wald检测器的检测性能优于之前提出的参数化广义似然比检测器的性能。      

基于地形融合分类的分区二维恒虚警检测器

在非均匀杂波背景下,由于恒虚警( CFAR)检测器与杂波背景幅度分布不匹配,导致检测器性能出现剧烈下降。针对此问题,提出了一种基于地形融合分类的分区二维CFAR检测器。首先提出一种基于拟合优度( GoF)的地形融合分类算法来对非均匀杂波背景下的地形进行分类编号,同时记录各地形的幅度分布及幅度分布参数;再根据地形编号及记录的幅度分布选择相匹配的CFAR处理窗实现分区二维CFAR;最后利用实测数据验证了该地形融合分类算法的有效性,并用半实测、实测数据对所提出CFAR检测器性能进行了仿真验证,结果表明相比传统二维CFAR检测器,所提出的CFAR检测器在非均匀背景下性能有明显提高。     

基于雷达知识库的知识辅助恒虚警检测算法

在非均匀杂波背景下,传统的恒虚警检测算法,比如CA鄄CFAR,所选择的参考单元与待检测单元往往无法满足独立同分布的条件,导致背景杂波功率水平的估计值存在偏差,使得检测性能降低。针对上述问题,文中提出了一种基于雷达知识库的知识辅助恒虚警检测算法。首先,利用雷达环境知识来构建动态的雷达知识库;然后,利用雷达知识库中的先验信息来辅助参考单元的选择,提高背景杂波功率水平的估计准确性,从而降低非均匀背景带来的影响;最后,利用线性调频连续波雷达采集的实测数据对该算法性能进行了验证。结果表明:在非均匀杂波环境下,基于雷达知识库的知识辅助恒虚警检测算法比传统算法有更好的检测性能。     

非高斯杂波下知识辅助检测的认知方法

先验信息的使用是提高雷达目标检测性能的有效途径之一,然而先验信息与当前探测环境的失配会严重影响到检测器的性能.本文考虑逆伽马分布纹理、复合高斯杂波下的知识辅助检测算法,推导了先验模型失配条件下(逆伽马分布参数失配)检测器的虚警率和Swerling I型目标的检测概率计算公式,获得了检测性能与模型参数失配之间的量化关系.利用两组不同参数的知识辅助检测器对当前杂波环境进行探测,通过评估检测器的性能,实现了当前杂波环境模型参数的估计.计算机仿真和实测数据的分析结果表明,采用认知方法的知识辅助检测器较常规检测器而言,能够获得更好的检测性能.     

相参雷达K分布海杂波背景下非相干积累恒虚警检测方法

相参雷达系统下的非相干积累检测方法,可以提高雷达的目标检测速度,达到实时处理的要求。然而,相参雷达系统下的非相干积累检测方法对参考单元数、脉冲积累数、杂波散斑协方差矩阵以及海杂波模型的形状参数均是非恒虚警(CFAR)的。该文基于块白化的海杂波预白化方法,提出预白化单元平均恒虚警(PWCA-CFAR)检测方法和预白化单元中值恒虚警(PWCM-CFAR)检测方法,并使用了匹配于参考单元数、脉冲积累数、形状参数的自适应门限,确保提出检测方法的恒虚警特性。实验结果表明,当存在异常单元时,PWCM-CFAR检测方法的检测性能优于PWCA-CFAR检测方法。     

不需要训练数据的分布式MIMO雷达距离扩展目标检测器

在非均匀杂波环境中,研究了高分辨率分布式多输入多输出(MIMO)雷达的距离扩展目标检测问题。由于分布式MIMO雷达观测到的杂波是非均匀的,无法获得足够的独立同分布的均匀训练数据来估计检测单元的杂波协方差矩阵。采用复逆Wishart分布对杂波协方差矩阵建模,基于该杂波模型设计了一种不需要训练数据的分布式MIMO雷达距离扩展目标广义似然比检测器。数值仿真结果表明:在非均匀杂波环境中,所设计的检测器的性能比用训练数据的协方差矩阵类检测器有明显的改进。     

一种基于多级维纳滤波的多通道SAR动目标检测算法

该文针对机载多通道SAR-GMTI系统及实测数据,提出一种新的地面慢动目标检测算法。新算法利用多级维纳滤波器实现多通道SAR系统杂波抑制,同时结合对角加载技术和非均匀检测器,进一步改善SAR系统在非均匀环境下的动目标检测性能。实测数据实验结果表明:与常规的自适应检测方法相比,新算法能够明显提高系统对杂波的抑制能力及非均匀环境下系统的动目标检测性能。     

复合高斯杂波中知识辅助的自适应检测算法

研究了在复合高斯杂波中利用先验知识自适应检测目标的问题,证明了基于双参数逆高斯分布纹理的复合高斯模型比传统的K分布、复t分布和单参数逆高斯分布纹理的复合高斯分布模型能够更好地拟合实际杂波。文中选择双参数逆高斯分布作为纹理分量的先验分布、基于广义似然比准则和贝叶斯方法设计得到了一种复合高斯杂波中的自适应检测器。理论分析和数值仿真表明,与自适应匹配滤波器和正则化自适应匹配滤波器相比,该检测器具有更好的检测性能     

基于流形等距映射的矩阵信息几何检测方法

雷达目标检测常面临复杂的杂波特性,经典的检测方法通常适合于某些特定的场景,当检测背景发生变化时,其检测性能急剧下降。为有效提升不同杂波背景下的检测性能,提出一种基于流形等距映射(ISOMAP)的矩阵信息几何检测器。该方法首先将信号检测问题转化为矩阵流形上两点之间的区分性问题;然后基于样本数据和流形等距映射原理,自适应地学习出矩阵流形的投影变换矩阵,将矩阵流形变换为可区分的低维流形,最大程度地保持每一个矩阵与其邻域内矩阵之间几何距离大小,增强矩阵流形的可分性;最后利用仿真杂波和实测数据对算法进行验证。实验结果表明,相比于经典的检测方法,所提方法能有效提升目标检测性能。     

基于贝叶斯的高斯杂波背景下MIMO雷达自适应检测算法

对于集中式多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达,该文研究了高斯杂波背景下的目标检测问题。该文假设杂波的协方差矩阵是未知随机的,且服从逆复Wishart分布,基于贝叶斯方法和广义似然比检验准则设计了两种新型自适应检测器。该文提出的贝叶斯检测器具有两个显著的优点:(1)不需要训练数据;(2)杂波的先验知识体现在设计方案中,从而提高了检测性能。仿真结果显示该文提出的贝叶斯检测器的检测性能优于目前常用的非贝叶斯检测器,特别是在发射波形采样数较少时。另外,该贝叶斯检测器在参数失配条件下的性能会有一定程度下降。      

海杂波中基于可控虚警K近邻的海面小目标检测

由于高分辨海杂波具有复杂的特性以及海面小目标具有多样性,没有精确的简单统计模型可以较好地描述海杂波和目标回波时间序列,这导致目标检测遇到了很多阻碍。为了区分海杂波和目标回波,分别提取它们的特征将检测问题转化为特征空间中的分类问题是一种有效的方法。基于特征的检测可以归结为在特征空间中的一种2元假设检验问题,但是其有两个问题需要解决:一是目标回波数据远少于杂波数据;二是虚警概率不可控。为了解决第1个问题,一种典型小目标的仿真回波产生器被用于产生充足的典型目标回波数据,以辅佐后续检测器的设计。K近邻(K-NN)是一种简单有效的分类方法,但是因为无法精确地控制虚警率而不能直接在目标检测中使用。该文提出一种基于改进K-NN的海面小目标检测方法,可以很好地实现可控虚警。经IPIX雷达数据集验证,所提出的方法在观测时间分别为0.512 s和1.024 s时获得了85.1%和89.2%的检测概率,相比现有的检测器获得了7%和5%的提升,具有良好的检测效果和稳定性。      

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.     

非高斯杂波下知识辅助检测器敏感性分析

先验信息的使用可以提高知识辅助检测器的探测性能,若先验信息与当前探测环境不匹配,检测器性能可能会受到影响。该文考虑一种复合高斯杂波下的知识辅助检测器,其采用逆伽马分布作为纹理分量先验分布,分析该检测器在不同杂波纹理分量模型参数条件下的检测性能。首先给出了先验模型参数失配条件下,虚警概率和Swerling I型目标检测概率的计算方法。然后在给定先验模型参数条件下,分析了杂波纹理分量分布参数对检测器性能的影响。理论分析表明,若杂波纹理分量分布参数位于某个区域以内时,检测器可以获得比模型匹配时更好的检测性能,计算机仿真验证了上述结论。     

机载双基地雷达杂波距离依赖补偿方法

针对杂波距离依赖造成空时自适应处理器性能下降问题,提出一种基于最小二乘估计的聚焦矩阵补偿方法。首先,利用最小二乘方法估计杂波幅度,选取幅度较大的杂波点;其次,根据杂波点的空时导向矢量求解聚焦矩阵,通过聚焦矩阵直接对训练数据进行线性变换;最后,根据变换后的数据估计出待检测单元的杂波噪声协方差矩阵,进而求出自适应权值矢量。该方法采用非均匀采样求解聚焦矩阵,杂波抑制性能更好,仿真实验验证了所提方法的有效性。      

基于特征的海面低速小目标检测工程算法

为了提高海面雷达对海漂浮小目标检测能力,提出了一种基于目标时频特征的检测算法。首先,验证了从接收的时间序列中提取的相对多普勒峰高、相对多普勒偏移、相对多普勒熵等特征在时间维度上可以有效地区分海杂波和小目标;其次,构造了特征检测器,给定虚警概率下的判决区域由凸包算法确定;最后,根据实测数据对算法进行了检验。结果表明：当虚警概率为0.01时,采用双特征检测器可在512个脉冲下完全区分海杂波和实测小目标,双特征检测算法优于传统动目标检测算法。