复合高斯杂波条件下存在干扰时的反对称贝叶斯检测器

该文对复合高斯杂波条件下存在干扰时的目标检测问题进行研究。针对自适应检测器需要一定数目独立同分布训练样本才能保证较好的检测性能,利用接收天线的反对称结构以及引入杂波协方差矩阵的先验信息的方法,利用两步广义似然比检验准则提出了该背景下的贝叶斯检测器。仿真结果表明,该文提出的检测器在训练样本数较少时具有较好的目标检测性能。     

无参考数据的分布目标知识辅助检测

该文利用待检测单元杂波协方差矩阵的先验信息，基于贝叶斯方法，研究无参考数据条件下的分布目标的知识辅助检测问题。首先针对非均匀场景，假定各个距离单元杂波协方差矩阵依概率1不相等，给出了广义似然比检验和最大后验-广义似然比检验两种检测器。然后针对均匀杂波场景，给出了单步和双步广义似然比检验两种检测器。进一步利用计算机仿真分析了先验模型失配条件下的检测器性能。分析结果表明，先验模型参数u较小时，检测器性能与先验模型匹配程度密切相关。当u趋于无穷大时，该文给出的几种检测算法性能趋于相同。     

基于AR模型的距离扩展目标自适应检测器

针对非高斯杂波背景中扩展目标的检测问题,将自回归(AR)模型与广义杂波分组模型相结合,提出了基于AR的广义杂波分组模型。并在该杂波模型背景下,利用近似广义似然比检测(AGLRT)原理,结合迭代估计方法,提出了广义杂波背景下迭代近似广义似然比检测器(RAGLRT-GCC)。该检测器不需要利用辅助距离单元估计杂波协参数就可以实现目标的自适应检测。RAGLRT-GCC利用了杂波分组信息,有效提高了对稀疏扩展目标的检测性能。仿真结果表明,在相同检测概率下,RAGLRT-GCC性能优于现有的复合高斯杂波背景下迭代近似广义似然比检测器(RAGLRT-CG)。     

机载MIMO雷达广义最大似然检测器

该文针对机载MIMO雷达在未知统计特性的杂波中目标检测问题,首先给出广义最大似然(GLRT)检测器(MIMO-GLRT),利用MIMO雷达的空间分集特性提高检测性能,并推导出检测概率和虚警概率表达式。然后,基于MIMO雷达杂波协方差矩阵的块对角特性,给出一种简化MIMO-GLRT检测器,大大减小算法的复杂度,同时降低对参考单元数目的要求,并在只有两个接收雷达单元的情形下,推导出简化GLRT检测性能的表达式。结果表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,能够在未知杂波背景下有效地检测目标。     

OSGO-和OSSO-CFAR在K分布杂波背景下的性能分析

该文证明了形状因子已知条件下OSGO-CFAR和OSSO-CFAR检测器在均匀统计独立的K分布杂波背景下具有恒虚警性能,分析了两种检测器在均匀杂波背景、杂波边缘和存在强干扰目标情况下的检测性能。并与OS-CFAR进行了比较,结果表明OSGO-CFAR在均匀杂波背景和存在强干扰目标情况下带来的附加检测损失很小, 在杂波边缘具有更好的虚警控制能力。所以,OSGO-CFAR是K分布杂波背景下一种性能比较好的恒虚警检测器。     

一种分数低阶局部最优目标检测方法

:针对传统局部最优检测器在显著非高斯杂波背景下导致检测性能下降的问题,该文提出一种分数低阶局部最优雷达目标检测方法。首先对局部最优检测器的模型进行简化,在此基础上,根据分数低阶统计量理论,利用分数低阶相关矩阵描述杂波的相关特征,并以分数低阶二次型作为局部最优检测器的权值,改善了显著非高斯杂波背景下的雷达目标检测性能。利用仿真数据和IPIX雷达数据进行实验分析,结果表明,针对显著的非高斯杂波背景下的弱目标信号,相对于传统的局部最优检测方法,该文方法的检测性能显著提高。     

复合高斯杂波下抑制失配信号的自适应检测器

随着雷达分辨率的提高及擦地角的减小,海杂波幅度分布明显偏离瑞利分布,表现出很强的非高斯特性,复合高斯模型得到广泛应用。因此该文以复合高斯杂波为背景,研究当信号发生失配时的雷达目标检测问题。该文基于两步广义似然比(GLRT)检验,设计了复合高斯杂波下对失配信号具有选择性的自适应检测器。为了设计选择性检测器,在零假设下引入虚假干扰以修正原始二元假设,并假设该虚假干扰与实际目标信号在白化空间正交。该文提出的检测器对海杂波纹理分量及协方差矩阵恒虚警(CFAR)。最后利用仿真及实测海杂波数据,通过蒙特卡洛实验验证该检测器的有效性。实验表明,该文所提检测器有效提高了对失配信号的选择性,同时对距离扩展目标匹配信号的检测性能也有1～3 dB的提升。      

一种基于有序统计的MIMO雷达CFAR检测器

针对多输入多输出(MIMO)雷达的体制特点,提出了一种基于有序统计的MIMO雷达CFAR检测器(LCIOSOS-CFAR),给出了虚警概率与检测概率的表达式;然后在各种杂波背景下对检测器性能进行了仿真分析,并与经典的CA-CFAR检测器进行比较.仿真结果表明,LCIOSOS-CFAR检测器在均匀杂波背景下较CA-CFAR有较小损失,在多目标干扰环境下较CA-CFAR性能改善明显,在杂波边缘背景下虚警峰值小于CA-CFAR,实际应用中具有较强的鲁棒性.文中还分析了序值选取对LCIOSOS-CFAR检测性能的影响.     

广义Pareto分布海杂波背景下非相干检测器恒虚警性能分析

该文在广义Pareto分布海杂波背景下研究了单元平均(CA)和有序统计量(OS)两种非相干检测器的恒虚警(CFAR)性质,推导了两种非相干检测器的虚警概率公式,发现了两种检测器对杂波的尺度参数是恒虚警的。然而,两种检测器对杂波的散斑协方差矩阵结构和杂波形状参数是非恒虚警的。为了实现全场景的恒虚警检测,预先通过白化方法将具有相关性的海杂波去相关,并通过查表方法使用了匹配杂波形状参数、累积脉冲数和参考单元数的检测门限。在这种情况下,实验结果表明两种非相干检测器能确保全场景恒虚警。     

基于异常单元删除的改进CFAR检测器

雷达在大入射余角海杂波下进行检测时易受到功率突然增大的杂波异常单元影响,虚警率及误检率较高。为解决此问题,提出具有杂波抑制模块与恒虚警模块的二级检测器。杂波抑制模块通过参考单元的协方差矩阵构造正定矩阵,求解其矩阵范数用以估计杂波功率水平,根据功率水平设置一个动态门限,剔除异常单元后的杂波作为待检测信号输入恒虚警模块,恒虚警模块使用基于有序数据可变性的自动删除平均（ACCA-ODV-）CFAR检测器来改进传统变化指数恒虚警（VI-CFAR）检测器。仿真结果表明,新检测器在均匀杂波环境中检测性能与单元平均恒虚警(CA-CFAR)检测器几乎相同,在多目标环境中检测性能远远优于最大选择恒虚警(GO-CFAR)检测器、最小选择恒虚警(SO-CFAR)检测器、CA-CFAR检测器及VI-CFAR检测器,在杂波边缘环境中虚警控制能力仅次于VI-CFAR检测器与GO-CFAR检测器。综合考虑实测数据中各个检测器的检测结果,改进后的检测器在高分辨率大入射余角情况下具有最优的检测性能。     

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。     

均匀和部分均匀杂波中子空间目标的斜对称自适应检测方法

在雷达目标的自适应检测领域, 当参考单元数不足时, 充分挖掘协方差矩阵的结构信息是有效提高检测性能的途径之一。为此, 针对多维子空间目标的检测问题, 该文在协方差矩阵关于次对角线具有斜对称结构的约束下, 分别基于一步和两步广义似然比(GLRT), 推导了均匀和部分均匀杂波中的斜对称自适应检测器。由于检测器在设计阶段利用了协方差矩阵的结构信息, 仿真结果表明, 与已有检测器相比, 在参考单元数不足时, 斜对称自适应检测器可明显改善检测性能。此外, 分别从协方差估计方法的影响、目标子空间维数的影响、目标子空间失配性能以及目标起伏的影响4个方面对检测性能进行了仿真分析。      

基于稀疏重构的机载雷达KA-STAP杂波抑制算法

机载雷达非均匀杂波环境下的空时自适应处理（STAP）算法会因杂波协方差矩阵估计不准导致其杂波抑制性能下降。传统知识辅助 STAP (KA-STAP)算法性能依赖于先验知识的准确程度以及配准精度,先验信息的失配可能会导致算法性能恶化。本文提出一种基于稀疏恢复技术构造杂波加噪声协方差矩阵的KA-STAP算法。该算法不依赖于先验信息,首先利用稀疏贝叶斯学习技术通过少量回波样本估计出稳健的辅助协方差矩阵,然后结合采样协方差矩阵进行空时处理。在小样本非均匀杂波场景下,该算法的输出性能优于传统KA-STAP算法。仿真结果表明了本文方法的有效性。     

Target Detection for Heterogeneous Cyclostationary Sea Clutter

This paper mainly deals with the problem of target detection under the heterogeneous background of cyclostationary sea clutter. Conventional approaches generally assume the ideal condition requiring the secondary data to be homogeneous with the primary data in order to exactly estimate the clutter covariance matrix and implement the adaptive filters. To the contrary, the realistic clutter environments appear heterogeneous, leading to the performance degradation of these traditional processors. For the sake of alleviating the effect of the heterogeneity, the non-homogeneous detectors, especially with knowledge-aided (KA) method based on the prior knowledge, are presented under the heterogeneous Gaussian condition. However, the experimental data manifest that the compound-Gaussian distribution is successfully applied in modeling the heterogeneous sea clutter, which also presents the cyclostationarity. Accordingly, when lacking prior information as used in the KA method, a new non-homogeneous detector based on mean value (M-NHD) is proposed against the heterogeneous sea clutter with cyclostationarity by operating solely on the primary data, in terms of the generalized likelihood ratio test (GLRT) criterion. The expressions of the probabilities of detection and false alarm are subsequently given. Since the detection performance depends on the steering vector, an adaptive non-homogeneous detector based on the steering vector (SV-NHD) is proposed subject to the design method for the optimal steering vector. Finally, the numerical results evaluate the performance of the two proposed detectors with Monte Carlo method under heterogeneity.     

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。      

子空间干扰非高斯杂波的抑制

在复杂电磁环境下,往往需要在线估计杂波协方差矩阵,从而自适应调整滤波器权值,实现对杂波的有效抑制,这样有利于目标的估计、检测、定位或跟踪。该文考虑非高斯杂波模型,且部分杂波受到子空间信号干扰,并且有用信号也位于该子空间内。常规方法会导致自适应滤波器在目标多普勒频率处有较大的衰减,极大影响了有用信号的探测。为此提出了一种知识辅助的分层贝叶斯模型,采用变分贝叶斯推断方法获得杂波协方差矩阵的近似后验分布,利用后验均值设计杂波抑制滤波器,可以有效提高目标的探测性能。计算机仿真和实测数据验证结果表明,该方法能够有效抑制杂波,而在目标处有较好的探测能力。      

集中式O FDM-MIMO雷达自适应检测算法

针对频率分集条件下，集中式OFDM-MIMO雷达在未知杂波环境中的目标检测问题，首先分析了OFDM-MIMO雷达回波数据模型，由于OFDM-MIMO雷达的频率分集特性，不同频率通道回波数据相互独立，在此基础上，分别基于一步和两步广义最大似然比准则，给出了集中式OFDM-MIMO雷达GLRT和OFDM-MIMO雷达AMF两种检测器，并分析了这两种检测器的恒虚警特性。两种检测器有效利用集中式OFDM-MIMO雷达频率分集特性，提升目标检测性能，同时降低了矩阵求逆维数，以及参考单元数目的要求，并且具有恒虚警性能。计算机仿真验证了算法的有效性。     

一种非均匀场景复合高斯杂波下的自适应检测器

该文考虑一种非均匀环境中,复合高斯杂波下的目标检测问题,即待检测单元杂波协方差矩阵与参考单元杂波协方差矩阵之间并不相等,且杂波数据满足复合高斯统计分布模型。利用已知的先验信息,选择合适的先验分布,基于贝叶斯方法,该文给出了杂波协方差矩阵的最小均方误差估计,并将其应用于正则化匹配滤波器检验。计算机仿真结果表明,采用该文提出的杂波协方差估计算法,能够在参考数据较少的情况下,获得较好的检测性能。     

A Bayesian Approach to Adaptive Detection in Nonhomogeneous Environments

We consider the adaptive detection of a signal of interest embedded in colored noise, when the environment is nonhomogeneous, i.e., when the training samples used for adaptation do not share the same covariance matrix as the vector under test. A Bayesian framework is proposed where the covariance matrices of the primary and the secondary data are assumed to be random, with some appropriate joint distribution. The prior distributions of these matrices require a rough knowledge about the environment. This provides a flexible, yet simple, knowledge-aided model where the degree of nonhomogeneity can be tuned through some scalar variables. Within this framework, an approximate generalized likelihood ratio test is formulated. Accordingly, two Bayesian versions of the adaptive matched filter are presented, where the conventional maximum likelihood estimate of the primary data covariance matrix is replaced either by its minimum mean-square error estimate or by its maximum a posteriori estimate. Two detectors require generating samples distributed according to the joint posterior distribution of primary and secondary data covariance matrices. This is achieved through the use of a Gibbs sampling strategy. Numerical simulations illustrate the performances of these detectors, and compare them with those of the conventional adaptive matched filter.