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。     

复合高斯杂波下知识辅助的极化检测器

针对复合高斯杂波中检测低慢小目标,信杂比较低,极化通道相互影响,传统算法性能急剧下降的问题,提出了基于知识辅助的极化检测器。首先将杂波建模为纹理分量为逆伽马分布的复合高斯模型,基于Rao检测准则,得到检验统计量,并推导出纹理分量的精确最大似然估计,然后使用先验信息得到杂波极化散射矩阵,代入检验统计量得到知识辅助的极化检测器。计算机仿真表明,与传统检测器相比,该检测器具有更优良的检测性能,同时仿真分析了先验信息失配对检测性能的影响。     

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。     

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Bayes框架的复合高斯杂波下稳健检测

复合高斯杂波中的纹理分量决定了杂波的非高斯性,而纹理分量的不确定性会影响常规检测器的性能。基于 Bayes 框架,该文采用先验分布描述杂波纹理分量的不确定性,分析先验模型选择对检测器检测性能与稳健性的影响。先验信息模型包括无信息先验分布和有信息先验分布。无信息先验分布包括Jeffery先验模型和广义无信息先验模型两种,所得到的检测器结构就是归一化匹配滤波器(NMF)。有信息先验模型采用共轭先验分布,得到的是一种知识辅助的归一化匹配滤波器(KA-NMF),该检测器结构与判决门限都是先验分布参数的函数,该文分析了 KA-NMF 检测性能对先验分布参数的敏感性。进一步采用无信息先验模型描述先验分布参数,可以获得分层Bayes 归一化匹配滤波器(HB-NMF)。计算机仿真与实测海杂波数据分析结果表明,HB-NMF 的性能与分布参数无关,稳健性优于KA-NMF,而检测性能优于NMF。     

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     

非高斯杂波中知识辅助的信号检测算法

杂波的非高斯性会严重影响到常规信号检测算法的性能,提高非高斯杂波中信号检测性能是雷达信号检测领域的一个研究重点。本文考虑了一种在非高斯杂波中,利用先验信息进行信号检测的方法。假定杂波统计特性满足复合高斯模型,即可以表示为散斑分量与纹理分量的乘积。选择逆伽马分布作为纹理分量的先验分布,基于贝叶斯方法,给出了一种知识辅助的信号检测算法。计算机仿真结果表明,该检测算法的检测性能优于常规的自适应检测算法。进一步,本文采用McMaster大学的IPIX雷达海杂波数据作为研究对象,利用最大似然估计获得杂波非高斯性的先验信息,分析了该算法在实测数据中的检测性能。分析结果表明,在不同的雷达分辨率海杂波中,该算法也具有较好的检测性能。      

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。      

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。     

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.     

导向矢量失配条件下的参数化检测器的设计与分析

在检测器设计阶段所假定的信号模型与实际信号之间的失配,会导致检测性能的降低。将检测器参数化,通过调节参数值,可以实现检测器对失配信号检测性能的控制。本文将参数化检测器设计方法分为加数因子法、乘数因子法、指数因子法等,给出了不同设计方法获得检测器性能计算方法,并利用计算机仿真,分析了参数化检测器的可调性,信号匹配和失配下的检测性能。研究表明,采用加数因子法的参数化检测器可以获得更为稳健的检测性能,而采用指数因子法的参数化检测器可以获得更为敏感的检测性能。在检测器设计阶段所假定的信号模型与实际信号之间的失配,会导致检测性能的降低。将检测器参数化,通过调节参数值,可以实现检测器对失配信号检测性能的控制。本文将参数化检测器设计方法分为加数因子法、乘数因子法、指数因子法等,给出了不同设计方法获得检测器性能计算方法,并利用计算机仿真,分析了参数化检测器的可调性,信号匹配和失配下的检测性能。研究表明,采用加数因子法的参数化检测器可以获得更为稳健的检测性能,而采用指数因子法的参数化检测器可以获得更为敏感的检测性能。      

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。      

基于多层感知器的外辐射源雷达多帧联合检测

针对复杂杂波背景下“低慢小”目标检测问题,发展了一种基于多层感知器(multi-layer perceptron,MLP)的检测器.该检测器联合多场距离多普勒(range-Doppler,RD)谱作为观测空间,在每一场RD谱上取沿距离维滑窗的n个(通常取n=3)单元构造观测向量.为评估该检测器实际性能,开展了无人机探测...