非平稳海杂波背景下子带开关相干检测器

海杂波由纹理分量调制散斑分量构成,本文着重研究纹理分量和散斑分量的平稳特性.首先,通过DFT调制滤波器组将海杂波分解到各个子带,提出两种一致性因子分别衡量各个子带海杂波的纹理分量和散斑分量的平稳性,实验结果表明海杂波的非平稳特性主要体现在纹理分量上,强杂波区的纹理分量体现出显著的非平稳性,弱杂波区的纹理分量具有平稳特性.进一步针对海杂波在不同多普勒频率分量上具有不同的平稳特性,将纹理分量的一致性因子作为判断函数,分别使用样本协方差矩阵和归一化样本协方差矩阵估计算法,提出了子带开关自适应归一化匹配滤波(Adaptive Normalized Matched Filter,ANMF)检测器.实测的海杂波数据实验结果表明,子带开关ANMF检测器的性能优于对比算法.     

一种改进的基于峰值信噪比-高阶奇异值分解的天波超视距雷达自适应海杂波抑制算法

天波超视距雷达(OTHR)舰船目标的检测性能受目标区海杂波的影响严重,准确且自适应的海杂波抑制效能对改善低可探测舰船目标的检测性能意义重大。该文针对基于高阶奇异值分解(HOSVD)的海杂波抑制算法非自适应机制的不足,通过引入峰值信噪比(PSNR),提出一种改进的基于PSNR-HOSVD的自适应算法。该算法仅利用第3等效模式展开矩阵的左奇异向量构造一个投影矩阵,相比于HOSVD算法,该文算法可有效降低计算复杂度,同时由于海杂波仅在第3等效模式展开矩阵的列空间中具有聚集特性,因此该文算法具有比HOSVD算法更好的海杂波抑制性能。实测数据处理结果表明,在电离层状态理想和非理想的情况下,该文PSNR-HOSVD自适应算法的性能均优于EVD自适应算法和HOSVD非自适应算法。     

一种基于奇异值谱加权的超声彩色多普勒成像杂波抑制算法

针对超声彩色多普勒成像中由血管或血管周围组织时变运动引起的非平稳杂波抑制问题,提出一种基于奇异值谱加权的杂波抑制算法.首先根据单个慢时方向的回波多普勒矢量构建Hankel数据矩阵并进行奇异值分解,利用分解得到的Hankel主成分构造回归滤波器的正交基函数,同时引入改进的Sigmoid函数根据能量归一化奇异值谱计算回归滤波器系数,使得杂波区域的检测具有高度的特异性,从而提高非平稳杂波的抑制能力.为验证算法的有效性,利用商业级超声仪(Sonix RP,Ultrasonix Inc.)采集50帧人体颈动脉血流基带回波数据并进行滤波处理,滤波后数据采用滞一自相关法估计法计算血流平均速度与功率并进行成像.处理结果表明,与传统静态滤波器以及现有基于特征值分解的滤波算法相比,可有效增强组织空间高强度时变运动时血流与组织的区分能力.     

基于奇异值分解的空域海杂波抑制算法

为实现对高频地波雷达(high frequency surface wave radar, HFSWR)一阶海杂波谱中目标的检测,提出了基于奇异值分解(singular value decomposition, SVD)的空域海杂波抑制算法（简称空域SVD算法）. 空域SVD算法是利用海杂波较强的相关性,将邻近距离单元作为参考,对其阵列协方差矩阵进行SVD,估计空域的海杂波子空间和噪声子空间;再利用子空间的正交性,从阵列回波信号中去除其在海杂波子空间的投影分量,达到在空域抑制海杂波的目的. 该方法与现有的空域海杂波抑制方法相比,不需要预先知道海杂波的方位,利用阵列协方差矩阵的SVD来估计子空间,使得子空间的估计比较容易且准确,提高了输出信杂噪比(signal to clutter plus noise ratio, SCNR),有利于目标的检测.     

基于K-均值聚类的SVD杂波抑制算法

针对强地物静止杂波及慢速杂波严重环境下,慢速运动目标被淹没其中而无法有效检测的问题,本文设计了一种基于K-均值聚类的SVD杂波抑制方法。该方法对回波信号矩阵进行奇异值分解,依据回波信号特性,得到相应的奇异值谱分布,以及奇异向量的空间相关性和平均多普勒频率三个统计量特征,然后基于这些特征采用K-均值聚类算法对各奇异分量进行聚类,无需人为设定阈值参数估计杂波基,可以自适应确定杂波子空间所对应的奇异向量,最后通过正交子空间投影来抑制回波信号中的杂波成分。实验结果表明,该方法在低信杂比条件下相比于传统子空间方法,能够得到较好杂波抑制效果。     

基于固有模态奇异值熵的微弱目标检测算法

为检测海杂波中的微弱目标,文中首先提出采用固有模态函数构建海杂波的特征矩阵,解决采用延时嵌入法构建时间序列的特征矩阵时嵌入维数和延迟时间难以确定的困难,然后经奇异值分解获得海杂波的固有模态奇异值,并分析海杂波固有模态奇异值的特点以及目标的影响。分析发现,当目标出现时,海杂波的后6个固有模态奇异值明显增大,而固有模态奇异值熵可以描述目标对海杂波固有模态奇异值的这种影响。在此基础上,文中提出了采用固有模态奇异值熵检测微弱目标的方法。仿真结果表明,与基于盒维数的微弱目标检测算法和多脉冲单元平均恒虚警检测算法相比,该文所提算法的检测性能较好。     

基于迭代对消的外辐射源雷达目标检测方法

本文介绍一种外辐射源雷达目标检测中的杂波抑制算法,该算法首先将源自轨道卫星的连续波观测信号重构为观测矩阵,并对观测矩阵进行奇异值分解,利用迭代的方式将大奇异值对应的杂波成分逐渐从观测矩阵中减去,进而实现观测信号中强烈杂波的对消。在杂波消除过程中,最佳迭代阶数由熵变的最小值确定。然后对杂波消除之后的观测矩阵进行相干积累进而实现微弱目标检测。最终的仿真实验结果验证了本文所提方法的有效性和鲁棒性,并且本方法相较于经典的扩展相消算法具备更低的计算量。     

基于SVD的高频地波雷达干扰与杂波抑除算法

该文针对高频地波雷达探海工作期间高频干扰严重海杂波强的特点,干扰抑制时引入海杂波约束条件,对自适应阵列波束形成方法进行了改进,防止干扰抑制后回波中一阶海杂波时域相关特性发生破坏而在频谱上虚假展宽。然后,使用干扰抑制结果构造时域采样矩阵,由奇异值分解(SVD)方法获得积累期间一阶海杂波频率的变化历程,通过矩阵特征分析将一阶海杂波滤除。最后,使用OSMAR2000实测数据检验了本文算法的有效性。     

非平稳逆高斯纹理估计的两种协方差矩阵GLRT检测器

文章研究了两种海面目标检测算法。由于海杂波的非高斯、非平稳和非均匀特性,传统的分布模型不能对海杂波进行有效的拟合,海杂波的概率密度函数会产生严重的拖尾现象。海杂波的非平稳性主要体现在纹理上,通过对纹理进行逆高斯建模,并估计纹理的最大后验值和最小均方误差值,对非平稳纹理进行归一化处理,实现海杂波协方差矩阵的平稳化。在广义似然比检测模型的基础上,提出了最大后验逆高斯广义似然比检测器(MAP-IGD-GLRT)和最小均方误差逆高斯广义似然比检测器(MMSE-IGD-GLRT)。经过仿真和实测数据实验验证,该文所提两种检测器均优于对比算法。     

一种基于Casorati-奇异值分解的超快平面波超声多普勒自适应时空域杂波抑制算法

超快超声平面波成像技术实现了超声的高帧频大视野同步采集,捕捉到更多有效原始信息,而传统滤波器在处理这种大视野数据方面有诸多不足.该文基于Casorati奇异值分解(Casorati-SVD)技术提出一种改进的自适应杂波抑制算法:首先,选取一个区域的原始平面波数据构建Casorati数据矩阵并进行奇异值分解;其次,根据分解后分量的多普勒频率和能量自适应匹配合适的滤波截止参数,抑制组织杂波和噪声并提取血流信号;最后,对每个区域重复前面的步骤并统计所有输出获取最终图像.该文分别在仿体、人体手臂动脉和家兔脑血流的回波信号上验证该算法抑制杂波的能力,这些实验结果表明,相比全局Casorati奇异值分解滤波器,这种改进的分区域自适应滤波算法将信噪比(SNR)提高4.4％～50％,对比信噪比(CNR)提高4.7％～55.9％.该技术实现了多普勒血流成像的空间自适应滤波,对临床血流成像的发展有重要意义.     

基于SMLRT-GRT-SVD的机载雷达海面慢速小目标信号积累与杂波抑制方法

机载雷达对海面慢速小目标进行积累检测时面临两个主要问题:一是雷达与目标间的相对运动导致距离走动与多普勒扩散,造成目标积累性能下降;二是较强的海杂波能量影响聚焦与检测结果。为了解决上述问题,本文提出了一种基于分段改进位置旋转变换（Segment Modified Location Rotation Transform, SMLRT）、广义拉东变换（Generalized Radon Transform, GRT）以及奇异值分解（Singular Value Decomposition, SVD）的方法（即SMLRT-GRT-SVD）以快速实现信号积累与杂波抑制。首先,设计时间片段划分准则将回波信号均匀分段,分段时保证在每个时间片段中可以忽略由径向加速度造成的二阶距离走动和多普勒扩散;其次,通过SMLRT校正每个时间片段内由径向速度引起的一阶距离走动,并采用傅里叶变换（Fourier Transform, FT）实现每个时间片段内能量的相参积累;再次,利用GRT循迹所有时间片段的能量峰值位置并进行非相参积累;最后,利用SVD在慢时间域进行回波信号分解并剔除杂波对应奇异值,重构后即可实现杂波能量的抑制。本方法采用分段处理与SVD操作,能够快速实现目标能量的聚集并抑制海杂波能量。仿真与实测数据处理结果均表明了所提方法的有效性。      

基于已知传播模式数目的海杂波抑制方法研究

天波超视距雷达海杂波谱受电离层多模传播影响大幅展宽, 需进行杂波抑制才可实现舰船目标检测, 利用电离层返回散射探测可获得海杂波谱先验模式数目信息.针对常用的两种海杂波抑制方法——特征值分解法和循环对消法, 仿真分析了传播模式数目识别准确性对海杂波抑制效果的影响.结果表明:若传播模式数目识别错误, 则会造成目标漏检或虚警.在传播模式数目已知的前提下, 利用仿真和试验数据研究了目标与一阶海杂波多普勒相对位置和多普勒分辨率对上述两种方法海杂波抑制效果的影响.目标与一阶海杂波越接近, 海杂波抑制效果越差, 当二者相对多普勒位置小于分辨率时, 两种方法均失效; 多普勒分辨率越低, 海杂波抑制效果越差; 目标与海杂波越接近, 对多普勒频率分辨率要求越高.     

Asymptotic moments of estimated cyclic correlation matrices

The first and second moments of the cyclic cross-correlogram matrix of two vector-valued cyclostationary processes are derived in this paper. These results generalize those of Hurd (1989) to accommodate incommensurate cycle frequencies and complex vector-valued discrete-time nonGaussian processes. As an example application of the results, the moments of the left singular vectors of the cyclic cross-correlogram matrix are derived, which are needed in the performance analysis of subspace-fitting methods of direction-of-arrival estimation for cyclostationary signals, including even those methods that do not exploit cyclostationarity but are often applied in practice to cyclostationary signals     

基于集成经验模态分解的海杂波去噪

针对实际海杂波信号非线性非平稳的特点,提出基于集成经验模态分解(EEMD)的海杂波去噪方法.利用EEMD将含有目标信号的海杂波数据分解成一系列从高频到低频的固有模态函数(IMF),通过各个IMF的自相关,分选出有用信号和噪声分量,对噪声占主导作用的IMF选用Savitzky Golay(SG)滤波方法进行消噪,将滤波后的模态分量和剩余的分量进行重构得到削噪后的信号.结合最小二乘支持向量机(LSSVM)建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,比较去噪前和去噪后的均方根误差,利用均方根误差评价去噪效果.实验结果表明,EEMD算法对海杂波数据去噪是有效的,去噪后所得的均方根误差0.0028比去噪前所得的均方根误差0.0119降低了一个数量级.     

修正Hankel矩阵SVD用于多模环境杂波对消研究

针对超视距雷达多模传播下杂波展宽导致的慢速目标掩盖问题,直接在多模情况下进行杂波对消与目标检测。分析了基于Hankel矩阵奇异值分解(SVD)的海杂波对消方法,指出了该方法存在的不足,并通过设置判决门限进行修正。实验结果显示,采用基于修正的Hankel矩阵SVD的海杂波对消技术,能够实现对目标的检测。