非高斯杂波下基于子空间的距离扩展目标检测器

在辅助数据缺失的非高斯杂波背景下,采用两步法设计策略研究了距离扩展目标检测方法.首先,在杂波纹理分量已知的条件下,对待检测数据进行高斯化,利用高斯背景下杂波协方差矩阵和目标散射点幅度的合适估计,建立检验统计量.其次,利用待检测数据在信号子空间正交补上的正交投影,估计杂波纹理分量,提出了基于子空间的距离扩展目标自适应检测器,并证明了其对杂波纹理分量的恒虚警率（CFAR,Constant False Alarm Rate）特性.仿真结果表明,在典型非高斯背景下,所提检测器的CFAR特性和检测性能均优于对比检测器;另外,阵元数、目标距离单元数或杂波尖峰的增加,能不同程度改善检测性能.     

分布式目标的子空间双门限GLRT CFAR检测

 研究了分布式目标在球不变随机变量杂波中的检测问题,提出了一种具有恒虚警特性的双门限广义似然比检测器。分布式目标建模为子空间信号,在距离维和多普勒频率维同时扩展.第一门限的作用是筛选信杂比高的待检测距离单元.将选出的距离单元进行能量积累并与第二门限进行比较做出判决.假设杂波协方差矩阵已知,构造了双门限检测器,并通过推导检测器虚警概率说明其具有恒虚警特性.将基于辅助通道数据的杂波协方差矩阵的估计值替换假设已知的杂波协方差矩阵,得到一个自适应检测器.通过Monte Carlo仿真进行性能分析,说明检测器的有效性和鲁棒性.     

非高斯杂波下修正的SDD-GLRT距离 扩展目标检测器

 在球不变随机向量非高斯杂波背景下,针对SDD-GLRT方法在统计平均意义下对距离扩展目标进行最优检测所带来的检测损失,通过充分利用目标散射点的先验信息,基于有序统计检测理论,提出了修正的SDD-GLRT距离扩展目标检测方法.理论分析表明,在不存在目标的假设下,虚警概率与纹理分量的混合分布、杂波协方差矩阵以及确知信号的方向向量无关,即修正的SDD-GLRT方法具有恒虚警率(constant false alarm rate,CFAR)特性.仿真结果表明,随着积累脉冲数及目标散射点所占距离单元个数的增加,修正的SDD-GLRT检测性能得到提高.在散射点分布稀疏条件下,修正的SDD-GLRT的检测性能要明显好于SDD-GLRT和NSDD-GLRT,且在估计目标散射点个数存在微弱偏差和不同杂波尖峰情况下,修正的SDD-GLRT具有很好的鲁棒性.     

一种新的多频带相干雷达恒虚警检测算法

研究了复合高斯杂波环境中多频带相干雷达自适应恒虚警检测问题.利用Toeplitz矩阵的次对称性提出了一种新的多频带相干雷达恒虚警检测算法.所提出的算法对杂波的结构分量和杂波协方差矩阵都有恒虚警的性质,而且不需要杂波功率谱密度对称.该算法的检测性能优于以前提出的多频带归一化匹配滤波器算法.     

非高斯海杂波背景最优相干检测性能分析

非高斯海杂波背景下雷达目标检测一直是研究的重点。海杂波分布参数形式的多样化使得检测器对杂波平均功率的恒虚警特性无法保证,因此文中对描述非高斯海杂波的K分布、广义Pareto分布和逆高斯纹理复合高斯分布的参数形式进行了规范化,得到了规范化后的三种杂波分布对应的最优相干检测器。理论分析和实验验证了三个自适应检测器分别对杂波平均功率、目标多普勒频率和散斑协方差矩阵具有恒虚警特性。仿真实验表明:散斑协方差矩阵估计方法和辅助数据的数量均影响着自适应检测器的检测概率和虚警概率。     

一种高分辨率雷达海上目标自适应检测器

针对海上目标因波浪起伏和转向等导致的姿态变化引起的散射点起伏问题,在未知协方差矩阵的复高斯噪声背景下,研究了高距离分辨率雷达的距离扩展目标自适应检测问题.利用与待检测单元具有相同协方差矩阵结构的辅助教据估计未知噪声协方差矩阵,基于两步法检测策略获得了自适应检测器.恒虚警率特性分析表明,该检测器对不同噪声背景均具有很好的自适应特性.检测性能分析表明,该检测器对不同的目标模型具有很好的鲁棒性,且能有效避免“坍塌损失”.另外,通过增加传感器个数,可有效提高检测器性能.     

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。     

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。     

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.     

基于对角加载的机载MIMO雷达GLRT检测器

本文研究了基于GLRT的机载MIMO雷达自适应目标检测问题.针对参考单元数据不足对GLRT性能的影响,提出了基于对角加载的MIMO雷达GLRT(MIMO-LGLRT)检测器,并对其检测性能进行了分析,给出了虚警概率和检测概率的闭合表达式.该检测器充分利用机载MIMO雷达杂波子空间低秩的特点和对角加载技术,解决了因参考数据不足所引起的矩阵病态问题.为了减少MIMO-LGLRT检测器的运算量,在分析杂波协方差矩阵块对角化特性的基础上,给出一种简化MIMO-LGLRT检测器.理论分析和仿真结果表明,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,检测性能优于普通GLRT检测器.     

复合高斯杂波环境中分布性目标相干雷达恒虚警检测算法研究

本文研究了在未知统计特性的复合高斯杂波环境中对分布性目标检测的问题。利用Toeplitz矩阵的次对称性提出了一种新的杂波协方差矩阵结构的估计方法,并用此估计方法来实现基于广义似然比检验的恒虚警检测算法。该算法能够在不需要杂波功率谱密度对称的情况下作到对杂波的结构分量和协方差矩阵都有恒虚警的性质,而且该实现方法的检测性能优于先前提出的实现方法。     

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。     

SIRV杂波下距离扩展目标CFAR检测器

在球不变随机向量(SIRV,Spherically Invariant Random Vector)的非高斯杂波背景下,提出了一种新的距离扩展目标检测器.给出了检测参数的简易确定方法,推导了虚警概率与检测阈值的解析表达式,证明了所提检测器的恒虚警率特性.仿真实验表明,在参数设置合理情况下,所提出的检测器性能远好于已有的两种距离扩展目标检测器.另外,随着阵元数、目标散射点个数及杂波尖峰的增加,检测器的性能得到提高;且该检测器对第三门限的选取和不同的杂波相关性均具有很好的鲁棒性.     

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.     

非高斯相关杂波背景下雷达目标检测方法研究

在非高斯相关杂波背景下,基于MTD(Moving Target Detection)的雷达目标检测性能严重下降。针对该问题,根据Alpha稳定分布杂波模型、分数低阶统计量理论,以输出信杂比最大为准则,提出了一种适用于非高斯相关杂波背景的雷达目标检测方法。该方法通过分解信号分数低阶协方差矩阵,计算等效杂波分数低阶协方差矩阵特征向量,得到最佳滤波器系数。通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与基于MTD的检测方法进行了比较,结果表明,在非高斯相关杂波背景下,所提方法的检测性能明显优于传统的MTD。      

复杂海杂波背景下分数低阶匹配滤波检测方法

针对在复杂海杂波背景下,雷达目标检测中动目标检测(Moving Target Detection,MTD)技术的检测性能显著下降的问题,以及局部最优检测器(Locally Optimum Detector,LOD)仅适用于低信杂比背景下弱目标检测的问题,基于分数低阶统计量理论,提出了一种分数低阶匹配滤波检测方法.该方法通过幂变换抑制杂波的非高斯特性,通过应用杂波分数低阶协方差矩阵特征值分解的方法白化相关杂波,在此基础上应用匹配滤波进行目标积累,以提高信杂比.通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与MTD和LOD进行了比较.结果表明,本文所提出方法能较好地解决非高斯相关杂波背景下的目标检测问题,检测性能明显优于MTD和LOD方法.