复合高斯杂波下距离扩展目标的OM-GLRT

广义似然比检测(Generalized Likelihood Ratio Test,GLRT)是解决复合高斯杂波下距离扩展目标检测问题的一种有效方法,而当目标速度未知时,对于毫米波等高频雷达而言,速度估计误差将造成方向矢量(steering vector)失配,从而导致GLRT性能的严重下降.此时,如何设计最佳的GLRT检测器就成为一个优化问题.本文在分析方向矢量失配对GL-RT影响的基础上提出了一种最优匹配GLRT(Optimum Matched GLRT,OM-GLRT)方法.仿真结果表明,OM-GLRT能有效地实现对速度未知目标的检测.     

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。      

复合高斯杂波下距离扩展目标的自适应检测

 研究了复合高斯杂波下的距离扩展目标自适应检测问题.基于辅助数据,利用采样协方差矩阵(SCM)和迭代(RE)估计矩阵,建立了自适应检测器AMSDD和基于动态阈值的ADT检测器,并分析了检测器的恒虚警率(CFAR)特性.理论分析表明,基于SCM的检测器只能保持对杂波协方差矩阵结构的自适应特性;而基于RE的检测器能同时获得对杂波协方差矩阵结构和纹理分量的CFAR特性.性能分析表明,对于AMSDD和ADT来说,与采用SCM估计器相比,采用RE估计器能使检测器获得更好的CFAR特性和检测性能.另外,基于RE的ADT检测器在目标散射点个数失配时具有很好的鲁棒性.     

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。     

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。     

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。     

复合高斯杂波加热噪声中基于Rao检验的分布式目标检测

随着雷达分辨率的不断提高,每个距离单元中分布的杂波能量逐渐减少,当杂噪比低于10dB时,热噪声对检测性能的影响是不可以忽略的。针对低杂噪比的情况,在复合高斯杂波加热噪声的背景中研究了分布式目标的检测问题。首先假设内部热噪声和外部杂波统计独立,在给定杂波纹理分量τ的前提下,将白高斯热噪声加上由球不变随机向量表示的复合高斯杂波之后的总干扰近似等效处理成一个新的复合高斯杂波,只是将其参数做了适当调整。然后将分布式目标建模为在距离维和Doppler频率维同时扩展的子空间模型,基于Rao检验构造了N-Rao检测器。通过对N-Rao检测器虚警概率的计算表明,在不存在目标的假设下,虚警概率只由脉冲重复数N、分布式目标占据的实际距离单元数H、每个距离单元内目标散射点总数目Nt来决定,即N-RAO检测器具有恒虚警率特性。最后通过Monte Carlo仿真实验表明,杂波形状参数v的减少与CNR的增加都会使N-RAO检测器的检测性能有所提高,且在低杂噪比的情况下,N-RAO检测器有很好的检测性能。      

海杂波中基于扩展分形的目标检测方法

针对海杂波的非平稳性和长相关性,提出一种基于扩展分形多尺度Hurst参数的目标检测算法.该方法首先将扩展分形理论与模式识别中的分类方法相结合,提取杂波和目标的多尺度Hurst参数以构成特征矢量,并引入模式识别中的可分性判据来进行特征矢量的选取,然后采用Bayes分类方法进行目标检测.利用IPIX雷达实测数据的实验结果表明,文中提出的算法比基于分维值的检测算法有更好的检测性能.     

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.     

非均匀杂波背景下双基地MIMO雷达距离扩展目标的GLRT检测

利用球不变随机矢量(Spherically Invariant Random Vector, SIRV)描述非均匀杂波, 建立了双基地多输入多输出(Multiple-Input Multiple-Qutput, MIMO)雷达距离扩展目标的信号检测模型, 提出了距离扩展目标的两步广义似然比检测(Generalized Likelihood Ratio Test, GLRT)算法.首先, 根据目标散射系数的两种假设模型, 分别推导确定型目标、高斯型目标GLRT检测器的解析表达式, 然后利用固定点迭代算法估计杂波协方差矩阵, 获得自适应GLRT(AD-GLRT和AG-GLRT)检测器.仿真实验表明:AD-GLRT和AG-GLRT检测器的检测性能均优于非均匀杂波背景、高斯杂波背景下点目标的检测性能, 且两者的检测性能相当, 并且虚拟阵元数、目标分布的距离单元数, 以及信杂比越大, 两者的检测性能越好.     

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。     

一种基于顺序统计量的距离扩展目标检测器

该文提出一种高斯白噪声中的距离扩展目标检测器。实际目标的宽带雷达回波能量往往集中于若干距离单元中,基于这一事实,对检测窗内的回波数据按能量降序进行排列,然后顺序进行能量积累和检测,直到做出判决为止。文中详细推导了检测器的虚警概率,给出了设置检测门限的方法。最后通过Monte Carlo实验,利用两类特殊能量分布方式的距离像和一个实际目标的实测距离像,对比分析了该文提出的基于顺序统计量的距离扩展目标检测器相对于能量积累检测器的性能。对于回波能量集中于少数距离单元的距离像,该文提出的检测器比能量检测器具有更好的检测性能。     

一种距离扩展目标的Hough变换检测器

针对宽带雷达信号得到的距离扩展目标在有较大运动速度时积累检测困难的问题,该文提出一种基于Hough变换的检测器(HTD)。利用距离扩展目标高分辨距离像信号的相邻回波之间信号具有较大相关系数这一特点,在互相关序号与相关时间2维平面使用Hough变换进行积累来检测目标。理论推导表明Hough变换检测器不需要目标散射中心分布的先验知识和目标的运动信息,具有恒虚警(CFAR)性能。计算机仿真实验表明Hough变换检测器具有比不依赖散射中心分布信息的广义似然比(NSDD-GLRT)检测器更好的检测能力。     

基于极化特征分解的海上小目标检测算法研究

该文首次从全极化信息处理角度解决低擦地角下,海杂波中的低可观测小目标检测问题,提出了一种基于极化特征分解的海上小目标检测方法。通过对实测全极化数据分析,验证了海杂波已被阐述的极化特性。并对回波特征矩阵进行极化特征分解,对比了纯海杂波与包含目标回波时海杂波的极化特征量。据此,提出了一个新的极化特征量-联合熵间距()。根据海杂波与小目标DBEA反映的散射机理差异,给出了小目标检测方法,得到了正确的检测结果。经过不同海况数据进行多次验证,得出该方法具有良好的检测能力和较强的鲁棒性。     

海杂波背景下基于RBF神经网络的目标检测

对海杂波背景下雷达目标检测的最新研究表明,海杂波具有混沌的许多典型特征.本文利用海杂波具有混沌行为这一先验信息,构造了一个神经网络预测器来重构海杂波的内在动力学,并引入一种基于混沌的检测方法对Swerling I型目标和雷达采集的实际海杂波数据进行检测分析,同时讨论了嵌入延迟τ对检测性能的影响.实验结果表明,这种检测方法能有效地实现海杂波背景下的目标检测,并且其检测性能随τ的增大呈下降的趋势.     

复合高斯杂波中MIMO雷达DOA估计的克拉美-罗下限

该文研究了复合高斯杂波下MIMO雷达DOA估计的平均克拉美-罗下限(Average CRB, ACRB)。首先,给出了MIMO雷达信号与杂波模型;然后,推导出目标DOA估计ACRB的一般关系式,在此基础上给出当杂波texture分量满足反Gamma分布时,ACRB的闭合表达式;接着,研究了目标DOA估计的中断CRB(Outage CRB),克服了一个发射单元时ACRB发散的问题;最后进行计算机仿真并给出结论。结果表明MIMO雷达的空间分集能有效地降低其DOA估计ACRB,且ACRB随发射单元数量的提高而减小;另外在相同条件下,MIMO雷达在复合高斯背景下DOA估计的ACRB大于相应高斯背景下的ACRB。     

基于波动分析的海上小目标检测

该文通过建立不同尺度下的平均波动,分析了海杂波的自仿射性质,提出一种基于波动分析的海上小弱目标检测方案。根据波动曲线的线性特征,以q阶归一化波动曲线斜率作为区分目标和海杂波的分形特征值。对实测数据的试验结果表明,该文方法对不同环境、不同极化情况下获取的实测数据能够从海杂波背景下可靠地检测出目标。     

基于分形可变步长LMS算法的海杂波中微弱目标检测

该文主要研究了基于Hurst指数与可变步长LMS算法相结合的分析方法在海杂波微弱目标检测中的应用。一直以来,分形理论与统计理论是分别应用到目标检测中的,该文将分形可变步长LMS算法引入到海杂波微弱目标检测中,并在此基础上提出一个海杂波中的微弱目标检测模型,初步实现了基于LMS算法的检测方法与基于单一分形特征的检测方法的结合。最后,采用X波段雷达实测海杂波数据进行验证,结果表明该检测模型具有良好的检测海杂波中微弱目标的能力。     

基于LGF的海杂波中微弱目标检测方法

该文主要研究了海杂波的模糊分形特性以及模糊分形理论在海杂波微弱目标检测中的应用。模糊分形理论是在融合了模糊理论与分形理论的基础上提出来的,其两个重要概念是局部模糊分形维数与局部分形度。海杂波序列的分形程度可以构造为一种模糊属性,即模糊集,其具有良好的模糊理论中定义的 “度”的概念,且对海杂波与目标具有良好的区分能力。局部模糊分形维数与局部分形度是针对短时海杂波序列进行处理的,对长时间海杂波序列进行处理可以滑动处理单元实现。经X波段实测海杂波数据验证,该文所提方法具有良好的微弱目标检测能力。