基于海面场景感知的雷达目标检测方法

空域上非均匀海杂波使得参考单元内数据难以服从独立同分布,致使参数估计不准确而往往导致杂波抑制能力下降和弱小目标丢失。针对非平稳海杂波下雷达目标检测难题,文中提出了一种基于海面场景感知的雷达目标检测算法。首先,采用启发式分割法依据回波幅度均值将整个场景的距离门分离为多个区域间非平稳、区域内平稳的回波区域;之后,感知各平稳区域回波类型及波动程度,即利用地杂波具有回波直流分量高的特点,识别出岛屿区域及其边界,对纯海杂波进行K分布拟合提取出其起伏参数;然后,利用从海杂波区域提取的波动参数,按恒警率法获取幅度阈值提取出可疑目标;最后,提取可疑目标的信号特征来甄别目标。基于《雷达学报》公开X波段岸基对海监测雷达数据的测试试验表明,本算法不仅能有效识别出海面场景,而且能大幅度提升非平稳海杂波下弱目标检测能力。     

相控阵雷达对海面目标的检测跟踪方法

阐述了适用于多功能相控阵雷达的海面目标检测与跟踪。重点论述了采用脉间频率捷变和扫描间滑窗积累的海杂波抑制,研究了"判连续"的点迹凝聚方法,以及利用目标与杂波间不同距离-方位单元分布特性的剩余杂波剔除方法,最后提出了适用于海面目标的跟踪滤波器。工程应用证明上述方法是行之有效的。     

基于全极化的相参雷达迁飞昆虫观测

昆虫雷达是迁飞昆虫监测的重要工具。传统昆虫雷达是非相参体制,距离分辨率低,采用旋转极化方式,测量效率低。本文介绍了一种基于全极化的相参雷达系统,该系统工作在Ku频段,采用同时全极化体制,可同时测量目标HH、HV、VH、VV极化回波,采用调频步进频波形,合成信号带宽800MHz,距离分辨率高达0.2m。雷达采用单目标校准技术,利用金属球和倾斜的金属丝作为定标体进行极化校准;采用基于散射矩阵的昆虫朝向提取方法,从昆虫主特征值向量中提取朝向;采用基于相位调制的振翅频率提取方法,通过对目标振翅回波的相位进行傅里叶分析提取昆虫振翅频率。通过外场实验,验证了雷达极化校准的有效性以及测量昆虫朝向和振翅频率的能力。      

基于实测数据的宽带雷达杂波模型分析与运动目标检测

给出了对一组实测宽带雷达回波的分析和处理,该宽带雷达回波数据是利用一部X波段1 GHz带宽的微型宽带雷达对城市中的某处立交桥观测得到的.分析了杂波幅度的分布和杂波的功率谱密度,得出了幂次函数形式的杂波经验谱.利用子带多普勒处理和Chirp-Z变换的方法对回波数据进行了杂波抑制,动目标回波多普勒色散补偿和相参积累处理.结果表明:该方法使杂波功率显著降低,而目标回波得到了增强.     

基于深度学习的雷达目标检测技术

根据纽曼-皮尔逊准则,恒虚警方法（CFAR）在虚警率10-6、检测概率90%的条件下,可检测目标的信噪比需大于12.8dB。由于可用于参考的环境单元有限且实际环境中杂波分布差异性大,特别是隐身、低慢小等目标的能量强度值很难达到检测门限的要求。本文基于深度学习方法,利用含杂波/噪声/干扰的目标距离多普勒(RD)域图像与相应理想情况下的目标RD图作为网络训练数据集,网络中的生成模型向判决模型提供抑制处理后的RD图,根据判决模型反馈来调整杂波抑制处理参数。这一动态对抗博弈的过程最终优化所得的生成模型将有效学习环境中杂波/噪声/干扰的特性并将其过滤。通过杂波、噪声和干扰环境下的实验证明,本文方法可以在RD域有效抑制杂波,增强目标信息,具备在实际杂波抑制场景下的可行性。     

基于不同天线高度雷达海杂波的蒸发波导反演

分析了影响雷达海杂波反演海洋蒸发波导的几个关键因素,建立了蒸发波导修正折射率剖面的两参数模型,提出了一种提高蒸发波导反演精度的方法。由于天线高度不同时,雷达接收的海杂波携带的波导特征信息不同,基于天线伺服系统,建立了可调天线高度雷达系统的两参数蒸发波导反演模型。通过与固定天线高度的蒸发波导两参数反演比较,验证了该反演模型具有较高的稳定性和反演精度。     

基于图连通密度的海面漂浮小目标检测

海面漂浮小目标由于其能量弱,一直是海面目标检测的重难点.传统基于统计模型的漂浮小目标检测算法借助回波能量进行检测,没有利用数据频域幅度间的关联性,导致检测性能受损.该文借助图的处理方式,首先利用回波数据脉冲间频域幅度的关联性计算连通密度,生成邻接矩阵,接着将邻接矩阵转换为拉普拉斯矩阵,提取拉普拉斯矩阵的最大特征值作为检测特征,提出了一种基于图的连通密度的海面漂浮小目标检测算法.通过对实测的全相参的X波段(IPIX)雷达数据进行连通密度的分析,发现海杂波构成的图比较稠密,而海面漂浮小目标构成的图比较稀疏,故通过连通密度构成的图可以有效地检测海杂波中的漂浮小目标.进一步地,通过与对比算法实验分析发现,该文所提基于图的连通密度的检测算法检测性能明显优越.     

弹载宽带相控阵雷达高度目标检测的通道级STAP方法

针对弹载宽带相控阵单脉冲测角雷达体制,根据海面上具有一定高度的舰船目标的距离-高度耦合效应、多普勒-高度耦合效应,提出了一种基于通道级空时自适应处理（Space Time Adaptive Processing,STAP）的高度目标检测新方法。该方法在和、差通道距离-多普勒二维成像的基础上,采用自适应对消技术进行杂波抑制,并通过数字方式形成修正的和、差通道。在修正的和通道上进行目标检测,利用修正的和、差通道之间的单脉冲比值测量目标的角度。理论分析及仿真结果表明:该方法在抑制杂波、检测目标的同时,能抑制移位角闪烁、有效改善高度目标的检测性能,且运算量低易于实现。      

基于图连通密度的海面漂浮小目标检测

海面漂浮小目标由于其能量弱,一直是海面目标检测的重难点。传统基于统计模型的漂浮小目标检测算法借助回波能量进行检测,没有利用数据频域幅度间的关联性,导致检测性能受损。该文借助图的处理方式,首先利用回波数据脉冲间频域幅度的关联性计算连通密度,生成邻接矩阵,接着将邻接矩阵转换为拉普拉斯矩阵,提取拉普拉斯矩阵的最大特征值作为检测特征,提出了一种基于图的连通密度的海面漂浮小目标检测算法。通过对实测的全相参的X波段 (IPIX)雷达数据进行连通密度的分析,发现海杂波构成的图比较稠密,而海面漂浮小目标构成的图比较稀疏,故通过连通密度构成的图可以有效地检测海杂波中的漂浮小目标。进一步地,通过与对比算法实验分析发现,该文所提基于图的连通密度的检测算法检测性能明显优越。     

基于INet的雷达图像杂波抑制和目标检测方法

强海杂波与海面目标的复杂特性使得海面目标回波微弱,有效的海杂波抑制和稳健快速的目标检测是雷达对海上目标探测需考虑的重要因素。然而,现有的海面目标检测算法对于复杂环境下的目标检测性能有限,环境和目标特性适应性差。该文设计了一种杂波抑制和目标检测融合网络(INet),通过层归一化-传递和连接方法提取关键目标特征,采用注意力网络抑制杂波和增强目标,构建跨阶段局部残差网络保证检测网络的轻量化和准确性。基于导航雷达在多种观测条件下采集的回波数据,构建了海面目标雷达图像数据集;通过模型的预训练和平面位置显示器(PPI)图像的帧间积累对INet进行了优化,得到了Optimized INet(O-INet)模型。经过多种天气条件下实测数据测试和验证,并与YOLOv3, YOLOv4,双参数CFAR和二维CA-CFAR对比后证明,所提方法在提高检测概率、降低虚警率和复杂条件下的强泛化能力有显著优势。      

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。     

基于半参数化概率密度估计的雷达目标识别

该文针对雷达目标高分辨距离像(High-Resolution Range Profile, HRRP)识别中距离单元回波幅值统计建模所面临的概率密度模型选择问题,提出一种基于半参数化概率密度估计的雷达目标识别方法。半参数化概率密度估计从参数化概率密度估计出发,有效利用了高分辨距离像各距离单元幅值近似服从Gamma分布的经验知识,并且通过非参数化修正因子对Gamma模型进行修正,达到参数化方法和非参数化方法优缺互补的目的。基于5种飞机模型高分辨距离像数据的仿真实验证明了该文方法的有效性。     

基于非参数化概率密度估计的雷达目标识别

针对雷达目标识别中,参数化方法估计高分辨距离像的概率密度存在的模型失配问题,提出一种非参数化方法基于累计量的随机学习算法,估计距离像的概率密度。该算法运用多层感知器估计训练样本的分布函数,然后求导得到概率密度。该算法不仅能全面、精确地估计概率密度,而且回避了许多其他非参数方法面临的窗宽敏感性问题。基于外场实测数据的实验证明了该文方法的有效性。     

雷达与雷达网的目标检测威力模型

针对飞行器面临雷达网的威胁描述问题,研究了雷达目标检测威力模型。基于雷达方程、雷达系统参数和检测概率建立了雷达目标检测模型。该模型不仅可以用于描述单部雷达的目标检测威力,还可以推广到雷达网中,用于规划飞行器突破雷达网的航迹、突防成功概率和飞行器突防雷达网临界雷达散射截面积计算。     

基于玫瑰扫描目标探测与识别的研究

针对＂毒刺＂导引头双色探测系统,介绍了玫瑰扫描原理,分析目标探测与识别方法,建立了目标探测与识别模型。讨论非重叠图像扫描信息转化为二维图像的过程,提出了重叠图像映射方法及目标识别方法的应用策略。最后基于VC建立仿真平台,并结合红外弹的数学模型分别验证在红外弹投放瞬间,目标与红外弹分离时玫瑰扫描结果及目标识别应用策略。     

基于半参数化SLC 的雷达目标识别

针对雷达目标高分辨距离像(HRRP)统计识别中SLC(基于累计量的随机学习算法)在小样本情况下概率密度估计准确度下降的问题,该文提出一种基于半参数化SLC 的雷达目标识别方法。该方法利用半参数化概率密度估计思想对SLC 非参数化概率密度估计进行修正,有效利用了HRRP 各距离单元幅值近似服从 Gamma 分布的经验知识,达到参数化方法和非参数化方法优劣互补以提高小样本情况下雷达目标识别率的目的。最后基于5 种飞机模型HRRP 数据的仿真实验证明了该方法的有效性。      

一种基于接收相参的鸟类目标探测雷达

针对鸟类目标探测技术能有效预防飞鸟对飞机起降带来的危害问题,提出了一种基于接收相参的鸟类目标探测雷达方案。通过对鸟类目标探测雷达系统及鸟类目标实际飞行姿态的分析,研究系统构架及技术途径。并通过工程实践研究接收相参技术在鸟类目标探测雷达中的应用。以试验数据验证了该方案的可行性,对下一步的工程应用具有参考价值。     

脉冲雷达微弱目标的IPPS检测

针对单频／窄带脉冲体制雷达系统，研究了微弱目标的检测问题。首先给出了目标信号和接收机噪声的瞬态“极化”投影序列(IPPS)表征方法，导出了接收机噪声的IPPS到期望点广义距离的统计特性。在此基础上，利用雷达目标回波信号在相邻脉冲之间的相关性及接收机噪声在相邻脉冲之间随机的特性，借鉴极化积累的思想，提出了一种微弱目标的IPPS检测算法，仿真结果表明了该算法比常规脉冲匹配检测性能提高了近10dB左右，极大地改善了脉冲体制雷达的探测性能。     

一种无源雷达高速机动目标检测新方法

针对无源雷达中高速机动目标在积累时间内出现距离和多普勒徙动,导致检测性能恶化的问题。该文建立了目标信号模型,提出一种基于Keystone变换结合傅里叶变换分段计算的高速机动目标检测方法,通过信号重叠分段划分快时间和慢时间,利用Keystone变换校正径向速度差的距离徙动,再对慢时间进行二次分段,并结合傅里叶变换的分段计算完成径向加速度差的距离和多普勒徙动校正,实现信号相参积累和目标检测。仿真和实测数据结果验证了该方法的有效性。     

低信噪比下基于YOLOv3的昆虫目标检测

掌握昆虫迁飞规律对于农业防治和生态学研究具有重大意义,雷达正是检测昆虫迁飞最有效的手段.昆虫回波弱,传统的恒虚警检测(Constant False Alarm Rate,CFAR)算法在低信噪比(Signal To Noise Ratio,SNR)时的检测性能下降;同时昆虫目标体积小、飞行速度慢,在距离维和多普勒维的扩...