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。      

无数据辅助软判决信噪比估计

现有的无数据辅助信噪比估计算法基于接收信号的硬判决信息。在低信嗓比时,这种估计算法出现较大偏差,为此提出了一种基于软判决的估计算法,并通过仿真和原有的算法在估计性能上进行了比较。仿真结果表明,该算法在低信噪比下具有良好的性能。     

无失效数据可靠性分析的贝叶斯方法

Bayes方法是对无失效数据问题进行可靠性分析的有效途径之一。针对某一产品,在确定了其寿命分布类型之后,建立了无失效数据模型,并利用Bayes方法对产品进行了可靠性分析。     

一种无失效数据可靠性分析的方法

系统集成中的产品可靠性分析不少具有无失效数据的特征。该文运用Bayes方法对无失效数据问题进行有效的可靠性分析,分析了无失效数据产生的原因,并提出了运用黄金分割系数求失效概率P赞Bi的方法。     

非均匀环境中的分布目标自适应检测

该文研究了非均匀环境中的分布目标和多点目标的检测。其中,假设辅数据协方差矩阵服从以主数据协方差矩阵为条件的逆Wishart分布,且均值与之成比例。首先给出主数据协方差矩阵、比例因子和目标幅度的最大似然估计(MLE),然后基于贝叶斯理论和广义似然比(GLRT)判决准则提出了一种检测器。当目标只存在单个距离门时,检测器和自适应相干估计器(ACE)一致;当目标跨越多个距离门时,检测器和广义自适应子空间检测器(GASD)一致。但不同在于ACE和GASD都是基于未知的确定干扰协方差矩阵的。另外,该检测器具有恒虚警率(CFAR)特性,并且有很好的检测性能。     

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。     

分布式多传感器目标检测中的数据融合

多传感器目标检测，是近十多年来的一个研究热点。然而运用多传感器实施对目标的检测同时带来了一个新的问题，即如何能由多个传感器所提供的信息实时作了准确的判决？文章证明运用（Ｋ／Ｎ）规则于分布式多传感器目标检测时，存在最佳Ｋ值，使得系统的检测概率高于任一传感器的检测概率，虚警概率低于任一传感器的虚警概率。     

非均匀环境下基于知识辅助的扩展目标Wald检测器

针对分布式多输入多输出（Multiple Input Multiple Output, MIMO）雷达中运动扩展目标的检测问题,本文首先假设每个发射-接收天线组的干扰信号协方差矩阵为互不相同的随机矩阵,以模拟实际的非均匀工作环境。然后引入知识辅助模型,建立先验信息矩阵,描述非均匀环境下的干扰信号特性,其中所有发射-接收天线组的干扰协方差矩阵服从以先验信息矩阵为基础的逆Wishart分布。在此基础上,设计了一种基于知识辅助的Wald（KA-Wald）检测器。仿真实验表明,在小样本的情况下,本文设计的KA-Wald检测器在检测性能上优于传统Wald检测器。而与已有的基于知识辅助的广义似然比检验（KA-GLRT）检测器相比,检测性能相近,但是计算效率更高。      

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.     

分布式目标的极化SAR距离模糊计算方法研究

该文提出了一种运用协方差矩阵计算星载全极化SAR距离模糊的方法。首先分析了极化SAR距离模糊的成因及同极化和交叉极化通道间距离模糊能量的差异。现有的距离模糊计算方法以散射矩阵为主,受相干斑影响,单一像素的散射强度不能表征分布目标的反射率,因而在距离向相邻的像素无法确定其距离模糊比。针对上述问题该文推导了基于分布目标的极化SAR距离模糊的计算方法。结合Radarsat-2实测数据对这种新方法进行了验证。实验表明,运用协方差矩阵能够很好地表征分布式目标,由它计算得出的距离模糊比是平稳、确定的。相比已有算法,所提方法能够有效计算极化SAR分布式目标的距离模糊。     

SAR分布目标多视图像分辨特性研究

该文提出了结合目标特性与图像多视数对SAR分辨特性进行分析和评定的方法。基于对SAR目标可分辨概率的研究,以及对SAR复散射回波信号特性的分析,得到了目标之间关于信号幅度比、相位差和多视数的联合概率密度函数,建立了SAR分布目标可分辨特性与目标统计特性以及图像多视数之间的数学关系模型。结合目标可区分条件,探讨分析了目标统计特性和多视处理对SAR系统分辨特性的影响。从该文的研究分析可以看出,由于分布目标信号具有的随机特性,在目标间距离小于传统的分辨率时也存在可分辨性,目标间距离大于系统分辨率时也存在不可分辨性。多视处理相当于增加了目标间的相关性,同样对SAR的分辨特性有较大的影响。该文提出的分辨特性评价指标将SAR系统特性与目标特性相结合,更能真实反映SAR的分辨性能,对SAR系统参数设计和评定有重要意义。     

分布式数据流上的连续异常检测

近年来,数据流异常检测在决策支持和监测等领域有着广泛的应用前景,并成为数据管理与挖掘的研究热点.针对该问题提出了相应的异常定义及检测算法,理论分析表明:与现有异常检测算法相比较,提出的算法具有良好的性能和效率,更适合于数据流应用.     

基于TBD方法的弱小目标预警研究

运用了检测前跟踪(TBD)方法对多普勒警戒雷达中的弱小目标早期预警问题进行了研究.根据入侵目标的轨迹特点,分析了它在距离-多普勒平面中的转移规律,设计了新的建立在距离一多普勒域上的基于Viterbi搜索算法的帧间能量积累方法.最后,比较了该方法与传统的先检测后跟踪方法的检测性能,并给出了TBD方法的理论检测性能.     

基于位置相关的SAR图像中分布式目标检测

在研究了SAR图像中分布式目标在其所占有的各分辨单元间的二维位置相关信息的基础上,提出了一种SAR图像中分布目标的检测方法。根据二维情形下的不同距离定义,提出了算法的几种形式。计算机仿真结果、处理真实SAR图像数据的试验结果和性能分析表明了该方法比经典的恒虚警检测算法更有效、更优越。通过比较不同的距离定义下检测算法的性能和运算复杂度,得出了最优的距离定义形式。     

基于梯度变化分析的弱目标检测

分析了噪声背景下弱目标区域的梯度分布特性,提出了一种利用弱目标边缘区域内梯 度分布特点来分割出弱目标的方法。为了提高分割的准确性,利用了帧间信息,根据目标的运动特征提取出真目标,并根据现场采集到的数据进行仿真,证明了该方法的有效性。     

基于数据挖掘的分布式入侵检测系统

简单介绍传统入侵检测系统,进而提出基于数据挖掘的分布式入侵检测系统模型,讨论了为了实现该模型所需要的数据挖掘技术.这些技术的应用,可以有效检测大规模协同攻击,提高分布式入侵检测系统的自适应性和可扩展性.     

单脉冲雷达对目标源的检测研究

对于单脉冲雷达 ,当回波受到多个目标信号 (信号在频域、时域上不可区分 )的干扰时 ,得到的目标角到达方向 (DOA)不是所跟踪目标的真实信息 ,影响了系统对目标的可靠跟踪。本文在一种对回波是来自单目标还是两个不可区分目标的检测方法的基础上将其推广 ,应用到回波可能来自N个不可区分的目标。仿真表明 ,多目标情况下的检测概率不一定大于两个目标时的检测概率 ,处于间距最大上的两目标的信噪比对整个检测概率影响较大。