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。     

非高斯杂波下知识辅助检测的认知方法

先验信息的使用是提高雷达目标检测性能的有效途径之一,然而先验信息与当前探测环境的失配会严重影响到检测器的性能.本文考虑逆伽马分布纹理、复合高斯杂波下的知识辅助检测算法,推导了先验模型失配条件下(逆伽马分布参数失配)检测器的虚警率和Swerling I型目标的检测概率计算公式,获得了检测性能与模型参数失配之间的量化关系.利用两组不同参数的知识辅助检测器对当前杂波环境进行探测,通过评估检测器的性能,实现了当前杂波环境模型参数的估计.计算机仿真和实测数据的分析结果表明,采用认知方法的知识辅助检测器较常规检测器而言,能够获得更好的检测性能.     

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。     

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     

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。     

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。     

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.     

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.     

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.     

基于GIS信息的CFAR检测器

在雷达信号检测过程中,为了实现恒虚警处理,必须采用动态门限。恒虚警检测器的门限设置通常是利用待检测单元附近的距离单元杂波数据进行计算得到的。然而,杂波环境的非均匀性导致了杂波功率随着距离变化剧烈,常规的恒虚警检测器性能会显著下降。文中给出了基于地理信息系统的恒虚警检测算法,利用对杂波环境的了解程度,可以显著提高CFAR检测器的性能。利用IPIX雷达实测数据,验证了该算法性能优于常规的其他CFAR处理器。     

复合高斯杂波中自适应目标检测算法

本文研究了复合高斯杂波中已知给定距离-多普勒单元多普勒频率、未知目标幅度的自适应检测目标的问题。杂波散斑分量用未知自回归系数的自回归过程建模表示,通过求解自回归系数和目标幅度的最大似然估计,推导得到复合高斯杂波中的广义似然比检测器。在目标信号向量维数很大的情况下,该检测器对激励信号方差与纹理分量的乘积具有恒虚警率特性。数值仿真表明该检测器性能优于正则化自适应匹配滤波器。最后分析了目标信号向量维数、自回归模型阶数在不同信杂比下对检测器性能的影响。      

基于雷达知识库的知识辅助恒虚警检测算法

在非均匀杂波背景下,传统的恒虚警检测算法,比如CA鄄CFAR,所选择的参考单元与待检测单元往往无法满足独立同分布的条件,导致背景杂波功率水平的估计值存在偏差,使得检测性能降低。针对上述问题,文中提出了一种基于雷达知识库的知识辅助恒虚警检测算法。首先,利用雷达环境知识来构建动态的雷达知识库;然后,利用雷达知识库中的先验信息来辅助参考单元的选择,提高背景杂波功率水平的估计准确性,从而降低非均匀背景带来的影响;最后,利用线性调频连续波雷达采集的实测数据对该算法性能进行了验证。结果表明:在非均匀杂波环境下,基于雷达知识库的知识辅助恒虚警检测算法比传统算法有更好的检测性能。