复合高斯海杂波环境下雷达虚警概率分析

针对在服从复合高斯分布的海杂波条件下,进行脉冲积累检测的非相干处理雷达,推导出了其检测变量因子的概率密度函数。由于复合高斯海杂波的分布形式较为复杂,导致直接求解其概率密度困难。为了在数学上获得上述条件下雷达系统的理论性能,文中借助一种基于矩生成函数的近似方法,得到了检测变量因子概率密度的高精度解析结果。经过仿真分析,结果表明该近似方法的精确性很高,并且可以方便地推导出雷达虚警概率等性能的解析结论。     

局部均匀背景中距离扩展目标的GLRT检测器及性能分析

在复合高斯杂波满足局部均匀的背景下,对均匀杂波分组模型进行推广,建立了广义杂波分组模型.进一步,利用广义似然比检验（GLRT）原理,提出了距离扩展目标的基于广义杂波分组的GLRT检测器（GCC-GLRT）,并推导了检测器虚警概率与检测门限关系的表达式.GCC-GLRT有效地解决了基于均匀杂波分组的GLRT检测器（CC-GLRT）在非均匀杂波分组背景下不具备CFAR特性的问题.仿真结果还表明,对于稀疏散射点目标,在合适的杂波分组情况下,GCC-GLRT能有效克服采用NSDD-GLRT检测器出现的“坍塌损失”,改善检测器的检测性能.     

复合高斯杂波协方差矩阵估计的失配性能分析

在球不变随机向量的复合高斯杂波满足局部均匀的背景下,当估计的杂波分组大小与实际情况失配时,分析了自适应归一化匹配滤波器(ANMF)的恒虚警率(CFAR)特性和检测性能.理论分析表明,当杂波实际分组大小是估计分组大小的整数倍时,ANMF检测器对协方差矩阵结构和杂波功率水平均具有CFAR特性;而在其它的情况下ANMF检测器...     

Performance of STAP Tests in Gaussian and Compound-Gaussian Clutter

Michels, James H., Himed, Braham, and Rangaswamy, Muralidhar, Performance of STAP Tests in Gaussian and Compound-Gaussian Clutter, Digital Signal Processing, 10 (2000), 309–324.The performance of a recently proposed model-based space–time adaptive processing detection method is considered here and compared with several candidate algorithms. Specifically, we consider signal detection in additive disturbance consisting of compound-Gaussian clutter plus Gaussian thermal white noise. Consideration is given to both detection and constant false alarm rate robustness with respect to clutter texture power variations. Finally, the performance of the new test is assessed using small training data support size.     

复合高斯杂波下距离扩展目标的自适应检测

 研究了复合高斯杂波下的距离扩展目标自适应检测问题.基于辅助数据,利用采样协方差矩阵(SCM)和迭代(RE)估计矩阵,建立了自适应检测器AMSDD和基于动态阈值的ADT检测器,并分析了检测器的恒虚警率(CFAR)特性.理论分析表明,基于SCM的检测器只能保持对杂波协方差矩阵结构的自适应特性;而基于RE的检测器能同时获得对杂波协方差矩阵结构和纹理分量的CFAR特性.性能分析表明,对于AMSDD和ADT来说,与采用SCM估计器相比,采用RE估计器能使检测器获得更好的CFAR特性和检测性能.另外,基于RE的ADT检测器在目标散射点个数失配时具有很好的鲁棒性.     

严重拖尾杂波中距离扩展目标的自适应极化检测

为了解决统计特性未知的严重拖尾杂波背景下距离扩展目标的信号检测问题,提出了一种基于广义似然比检验(GLRT)的自适应极化检测器．该检测器利用了雷达回波的极化信息,并使用辅助数据估计杂波的协方差矩阵．推导了其虚警概率表达式,理论分析验证了该检测器对于杂波能量和杂波协方差矩阵具有恒虚警特性．仿真结果表明,该自适应极化检测器在较低信杂比下就可以获得好的检测性能,且相比于点目标自适应极化检测器和单极化自适应检测器,具有更优的检测性能．