一种新的超声速弱目标长时间相参积累算法

由于超声速弱目标的高速、小雷达散射截面特性,常规雷达难以对其进行有效检测与跟踪。针对该问题,文中提出了一种新的超声速弱目标长时间相参积累检测与估计算法。首先,给出了超声速弱目标回波信号模型,并分析了距离走动特性,同时通过构造线性频率相位因子,补偿了距离走动的影响;然后,进行匹配滤波和相参积累,来提高目标的检测性能,同时完成目标的参数估计;最后,通过仿真实验分析了该算法的检测和参数估计性能。理论推导和仿真结果表明,该算法的信噪比积累增益为脉压比和相参积累脉冲数的乘积。     

基于相参Radon变换的米波相控阵雷达弱目标检测

米波相控阵雷达具有反隐身和抗反辐射导弹的天然优势,且波束灵活可控,为四代机目标的检测提供了一种新的技术途径.但四代机目标在长积累时间内会发生严重的距离走动,导致检测性能急剧下降,针对该问题,文中提出了一种基于相参Radon变换的米波相控阵雷达弱目标检测与参数估计算法.首先给出了超声速弱目标回波信号模型,并分析了距离走动特性.同时,提出了沿距离走动斜线进行长时间相参积累的相参Radon变换法,并给出了算法实现流程图.最后,通过仿真实验验证了该算法的有效性,并分析了其检测和参数估计性能,仿真结果表明该算法具有比Hough变换法和MTD法更优的低SNR背景下的目标检测性能.     

基于最大置信度的多目标检测算法

针对混合运动模式下目标数量及目标运动速度范围等多项先验信息缺乏状况下的复杂航迹起始问题,提出一种基于最大置信度的多目标检测算法。该算法借鉴动态规划技术中的能量积累思想,并充分利用了传感器信号强度信息。在粗起始阶段利用扩展搜索算法生成候选航迹,并利用模型粗匹配的方法将候选航迹大致分为直线运动及曲线运动两种类型。在航迹确认阶段,采用基于信号强度信息的概率多假设跟踪算法,通过计算最优状态估计值获得量测点属于某一目标的最大置信度,并依据最大置信度确认目标量测。仿真实验结果表明,该方法实时性强,不仅能对多目标航迹准确起始,也可以有效避免概率多假设跟踪算法由于初值质量差而导致的错误跟踪现象。      

基于包络插值移位补偿的高速运动目标的积累检测算法研究

本文针对Chirp雷达在低信噪比下对高速运动目标的有效积累检测问题,首先分析Chirp雷达运动目标的回波特性,指出包络走动是影响高速运动目标积累性能的主要因素,然后提出“基于包络插值补偿的相参积累”检测算法来解决这一问题。Monte Carlo仿真实验表明,在信噪比-8dB的条件下,采用该算法,对高速运动目标的检测性能可以达到在虚警概率为10-6时截获概率大于95%,证明了本算法的有效性。     

一种基于相参积累的检测前跟踪算法

现有的TBD方法基本思想通过对多帧数据作非相参积累改善检测性能来检测弱小目标,但是非相参积累存在固有的积累损失.文中提出了基于相参积累的TBD方法,将若干帧数据中可能航迹上的点作相参积累,有效利用了回波信号的相位信息,克服了非相参积累的固有积累损失.仿真结果表明该方法与非相参积累的TBD方法相比,在检测概率为0.9条件下信噪比有1.5 dB以上的改善.     

利用多转发器直播卫星信号的外辐射源目标探测技术

根据某直播卫星实际信号的特点,分析了该直播卫星信号作为外辐射源的最大探测距离以及距离走动、频率扩散对目标探测的影响。通过实际信号的原理验证实验,进一步证明了该目标探测手段的可行性。提出了利用该直播卫星多路转发器信号实现相参积累的方法,并介绍了相参积累的原理。最后,利用对模糊函数的输出进行二维插值的方法,推导并仿真了相参积累的算法。仿真结果表明：利用该直播卫星信号作为外辐射源的7路转发器信号实现相参积累,检测信噪比可以提高8 dB。     

高速运动目标的积累检测研究

针对Ch irp雷达在低信噪比下对高速运动目标的有效积累检测问题,首先分析Ch irp雷达运动目标的回波特性,指出包络走动是影响高速运动目标相参积累性能的主要因素,然后提出用频分包络移位算法来解决该问题。MonteCarlo仿真实验表明,在信噪比-4 dB的条件下,采用该算法,对高速运动目标的检测性能可以达到在虚警概率为10-6时截获概率大于98%。     

脉冲间跳频波形的相参积累目标检测方法

根据雷达对海上舰船目标的抗干扰检测需求,雷达发射脉冲间往往采用跳频设计,这时目标回波相位会随慢时间非线性变化,传统的快速傅里叶变换处理不再适用于相参积累检测.文中分析了脉间跳频波形的相位变化,提出了针对此波形的两种相参积累检测新算法——变周期法和变因子离散傅里叶变换法,并给出了相参积累检测的详细计算过程.仿真实验证明:...     

米波双基地雷达长时间相参积累算法

四代机目标具有隐身、高速、高机动等特点,传统雷达对其检测失效。针对这一问题,本文结合米波雷达和双基地雷达的优势,研究了米波双基地雷达的四代机目标检测特性。首先给出了米波双基地雷达目标回波信号模型,并对距离徙动和多普勒徙动特性进行了分析;在此基础上,提出了基于Keystone变换的米波双基地雷达长时间相参积累算法。该算法在距离频域-方位时域利用Keystone变换补偿距离徙动,并利用FFT实现长时间相参积累。最后,Monte Carlo仿真实验验证了所提算法的有效性。本文所提算法为四代机目标检测提供了新的技术途径。      

基于非合作捷变频雷达的微弱目标检测算法

目前,频率捷变技术广泛应用在雷达系统设计上,用来提高抗干扰能力和检测概率,这使得回波信号的相参性难以保证。同时,增加积累时间的方法通常用于提高雷达对微弱目标的检测能力,但是长时间积累容易引起距离走动。以上因素导致了回波信号的能量无法得到有效积累。提出的一种基于非合作捷变频雷达的微弱目标检测算法,能够有效解决捷变频回波信号长时间积累时出现的相位抖动问题,从而实现相参积累。仿真实验证明了该方法对于微弱目标检测的有效性。     

复杂背景下红外目标的检测算法研究

复杂背景下红外目标的检测一直都是研究的重点和难点,在总结国内外现有算法研究的基础上,针对非独立同分布情况下的目标运动提出了一种新的检测算法.该算法首先建立了GLR和GALR两个模型,然后在此基础上对影响检测算法性能的两个主要参数--虚警概率和平均检测延时进行了分析和计算,最后对两种模型进行了对比和仿真验证,结果表明在低信噪比的环境下检测算法的有效性和可行性.     

一种改进的CPHD多目标跟踪算法

CPHD(Cardinalized Probability Hypothesis Density)滤波是一种杂波环境下可变目标数的多目标跟踪算法,该文针对算法中存在的目标漏检问题提出一种改进算法,该算法在高斯混合框架下实现贝叶斯递归,通过对各个高斯分量进行标记,对目标进行航迹关联,在此基础上对修剪合并后各个高斯分量的权值进行两次分配。首先对超过检测门限的高斯分量权值进行分配,有效解决了目标漏检问题,然后基于一个目标只可能产生一个观测的事实进行第2次分配,改善了目标发生交叉时的算法性能。实验结果表明,所提方法在多目标状态估计和航迹维持方面均优于普通的CPHD算法。     

基于网络解析的像元耦合偏振成像目标检测算法

偏振成像目标检测对于人造目标检测有着重要意义。像元耦合是以四个方向的偏振强度数据作为一个超像元的偏振成像方法。对超像元进行偏振参量解析,会使图像的分辨率变为原始图像的四分之一,不利于小目标的检测。像元耦合图像的偏振参量解析会产生噪声,对小目标的检测造成干扰。本文提出了一个以YOLOv5s为网络基础,添加偏振信息解析模块(Covcat)的目标检测算法。该算法实现了端到端进行像元耦合偏振成像的目标检测,用网络实现偏振解析,利用多卷积信息融合提高特征提取能力,提高目标的平均检测精度(mAP)。使用对空无人机数据集对算法进行验证,实验表明,相比于使用偏振参量解析出的强度图、偏振度图和偏振角图,该算法的平均检测精度分别提升了4个百分点、5个百分点和12个百分点。     

外辐射源雷达运动目标信号特性及检测方法研究

以调幅广播为信号源的短波外辐射源雷达系统需进行信号长时间积累以检测微弱目标信号,目标运动变化会导致多普勒频率展宽,传统积累检测方法检测性能下降,针对这一问题提出了基于运动补偿的积累检测方法。建立了动目标回波模型;介绍了基于多项式拟合积累检测算法原理;分别通过仿真数据和试验数据进行补偿,验证目标运动补偿前后信噪比得益;并利用计算机仿真建模方法验证了该积累检测算法的检测性能;在此基础上分析了补偿后的理论损失及搜索步长的参数获取,并评估了目标运动补偿方法的运算量。     

Adaptive radar detection

In the letter a new adaptive procedure for the detection of a radar target in clutter is described. The procedure is based on the development of linear models for the two hypotheses H0 and H1. Under hypothesis H0, there is no target present, and the received signal is modelled as a regressive process. Under hypothesis H1, a target is present and the received signal is modelled as an autoregressive process. Results based on actual radar data are included to confirm the validity of this new approach, and comparison is made with the previously published innovations-based detection algorithm.     

基于改进YOLOv5的复杂背景红外弱小目标检测算法

针对传统算法依赖于对红外目标与环境背景的精确分离和信息提取,难以满足复杂背景和噪声等干扰因素下的检测需求。论文提出一种基于改进YOLOv5（You Only Look Once）的复杂背景红外弱小目标检测算法。该算法在YOLOv5基础上,添加注意力机制提高算法的特征提取能力和检测效率,同时改进原YOLOv5目标检测网络的损失函数和预测框的筛选方式提高算法对红外弱小目标检测的准确率。实验选取了来自不同复杂背景的7组红外弱小目标数据集,将这些图像数据集进行标注并训练,得到红外弱小目标检测模型,然后从模型训练结果和目标检测结果的角度评估算法和模型的正确性。实验结果表明:改进的YOLOv5算法训练出来的模型,检测准确性和检测速度对比实验列出的几种目标检测算法均有明显的提升,平均精度均值（mean Average Precision,mAP）可达99.6%以上,在不同复杂背景下均可有效检测出红外弱小目标,且漏警率、虚警率低。     

卷积神经网络在目标检测中的应用及FPGA实现

针对传统目标检测算法在复杂背景条件下的对红外弱小移动目标的检测能力弱,虚警率高等问题,提出了一种基于卷积神经网络的目标检测方法,分析了卷积神经网络的结构、特点,将卷积神经网络应用到红外弱小目标检测领域,选择卷积神经网络模型,学习训练学习出合适的模型参数,并将算法在以FPGA为核心的硬件平台上进行移植。实验表明,本文的算法实时性好,硬件移植工作量小,在复杂背景下能够得到目标掩码信息、有效检出目标。     

复合高斯杂波下的3种目标检测算法研究

针对复合高斯分布背景下的慢速目标检测问题,从贝叶斯统计检测理论出发,系统分析了最优的GLRT检测算法、次优的基于AR模型的目标检测算法和传统的自适应MTI检测算法。结合这3种算法的特点阐述了它们的检测性能和工程可实现性。并在最后通过IPIX雷达实测海杂波数据对上述结论进行了验证,实验结果表明在性能损失不大时,基于AR模型的目标检测算法易于工程实现。     

SAR目标检测中的一种稳健变化检测算法

在合成孔径雷达(SAR)目标检测中,目前采用的变化检测算法主要包括构造似然比法和最小二乘图像相减法,这两种算法在实际变化检测中分别存在如下问题:构造似然比法需要目标、杂波及噪声充分的先验知识,而最小二乘图像相减法则存在稳健性差的问题,鉴于上述问题,该文提出一种稳健可行的变化检测算法,该算法在最小二乘图像相减法的基础上引入了误差影响因子,通过迭代的方法求取待定参数,大大提高了变化检测的稳健性,文章最后基于不同算法进行了变化检测试验,试验结果进一步证明了该文提出算法的稳健性。     

野外复杂背景下红外图像的目标检测

野外复杂背景下红外图像序列目标检测是红外野外监视中的重点问题。大量的背景物增加了目标检测的难度。文中针对野外复杂背景下红外图像序列的特点,提出了一种实用的运动目标检测算法。该算法包括两个处理步骤：首先,在场景配准后利用帧间差图像提取目标的运动信息,并据此进行目标的粗检测;其次,合目标运动在时间和空间上的相关性进行精检测。粗检测的低漏判度和精检测的低误差率保证了算法的可靠性。在检测的同时算法确定了目