基于加权广义匹配滤波联合SVDD的FOD检测算法

利用毫米波雷达进行机场跑道异物(FOD)检测是当前民航安全领域的一种流行解决方案。由于非均匀杂波的存在，传统基于恒虚警率的检测方法存在虚警率过高、检测性能较差的问题。文中提出一种加权广义匹配滤波(WGMF)联合支撑向量数据描述(SVDD)的FOD检测方法。首先，利用WGMF对雷达记录的FOD回波数据进行预处理，实现杂波抑制的同时降低虚警概率；然后，对回波数据提取双谱特征，实现数据由原始回波域向差异性更大的特征域的转变；最后，利用SVDD一类分类器实现FOD检测。在某机场跑道真实场景开展验证实验，结果表明所提方法能够有效降低虚警概率，提升检测性能。     

基于SVDD的认知无线电网络仿冒主用户检测技术

为了解决传统主用户感知技术无法检测认知无线电网络中的仿冒主用户(PUE)攻击问题,提出了一种基于支持向量数据描述(SVDD)的 PUE 检测方法.该方法将 PUE 攻击检测建模为一个数据不平衡的单类分类问题,采用高效的 SVDD 算法,在对 PUE 攻击一无所知的情况下,仅利用认知无线电网络中的合法用户数据训练单类分类器.将待测样本输入训练后的分类器即可实现 PUE 攻击检测.理论分析和仿真结果表明,利用该方法进行 PUE 攻击检测,可以获得较低的虚警率和漏检率.     

基于Duffing振子的机场异物自动判决算法

基于毫米波雷达的机场异物(FOD)检测技术具有高分辨率和低功耗的特点,但是传统恒虚警(CFAR)类检测算法在低信杂比(SCR)情况下虚警过高.该文提出一种基于Duffing振子的FOD检测算法.该算法首先利用杂波图CFAR检测算法将雷达接收机接收回波中的背景杂波初步分离,获得目标(包含虚警)的距离信息,并利用该信息构造Duffing方程,之后将此方程作为系统检测模型,输入接收回波信号,求解输出信号方差,采用方差极值法区分目标和虚警.仿真结果表明,在低信杂比情况下,即使虚警概率为10-3,该文检测算法也可以降低虚警率,实现目标与虚警的自动判决.与传统CFAR检测算法相比,该算法的检测概率高于传统检测算法且随信杂比的下降减小速度缓慢,即使在信杂比-30 dB的情况下所提算法仍然可以保持84％的检测概率.     

基于Duffing振子的机场异物自动判决算法

基于毫米波雷达的机场异物(FOD)检测技术具有高分辨率和低功耗的特点,但是传统恒虚警(CFAR)类检测算法在低信杂比(SCR)情况下虚警过高。该文提出一种基于Duffing振子的FOD检测算法。该算法首先利用杂波图CFAR检测算法将雷达接收机接收回波中的背景杂波初步分离,获得目标(包含虚警)的距离信息,并利用该信息构造Duffing方程,之后将此方程作为系统检测模型,输入接收回波信号,求解输出信号方差,采用方差极值法区分目标和虚警。仿真结果表明,在低信杂比情况下,即使虚警概率为10–3,该文检测算法也可以降低虚警率,实现目标与虚警的自动判决。与传统CFAR检测算法相比,该算法的检测概率高于传统检测算法且随信杂比的下降减小速度缓慢,即使在信杂比–30 dB的情况下所提算法仍然可以保持84%的检测概率。     

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。     

高频地波雷达协同检测新方法

电离层杂波、海杂波以及射频干扰的存在造成高频地波雷达目标检测上的困难。针对高频地波雷达的极化特性和目标在距离-多普勒谱中的扩张特性,先设计一种改进的二维恒虚警检测算法,后将该方法与极化处理方法融合设计一种新的协同检测算法,该检测算法实现了能量域和极化域的协同检测,突破传统极化检测方法计算复杂等问题。高频地波雷达实测数据中的仿真和检测结果表明:在电离层杂波背景中,协同检测算法性能优于恒虚警方法。     

航管一次雷达抗风电场干扰目标检测方法

 近年来,全球风力发电装机容量呈指数型增长。然而,现有航管一次雷达的动目标检测(Moving Target Detector, MTD)技术无法抑制具有非零频成分的风电场杂波,可能导致目标遮蔽和虚警率上升。针对此问题,该文提出了一种在风电场杂波下航管一次雷达的目标检测方法。该方法在MTD前端设置风电场杂波抑制器。在该抑制器中首先估计雷达回波每个距离单元的谱中心,并把所有距离单元的谱中心移到零频。其次利用类似于对消固定杂波的方法对消目标回波,而具有较宽频谱宽度的风电场杂波经对消后仍有大部分的能量剩余。然后采用恒虚警率(Constant False Alarm Rate, CFAR)检测确定杂波所在的距离单元,并剔除待检测数据中所有杂波单元,解决了风电场杂波进入非零频多普勒滤波器可能导致当前航管一次雷达MTD检测性能急剧恶化的问题。实验结果表明该方法对风电场杂波强度不敏感,有效地消除了杂波对目标的遮蔽现象并控制了由杂波引起的虚警率上升。     

海杂波背景下目标的联合特征差异检测

针对低信噪比海情下的小目标检测效果不理想的问题,利用消除趋势波动分析法提取海杂波分形参数,分析了海杂波的功率谱及其熵特征,提出了海杂波背景下的联合特征目标检测方法.在雷达回波中提取海杂波的分形参数和功率谱熵特征组成二维向量,利用凸包训练算法获得纯海杂波判别区域,同样对先验知识下的待测海杂波提取这两个特征参量,以此特征参量所对应的点是否在此判别区域内来判别是否存在目标.利用加拿大IPIX雷达数据,证明了所提算法优于用单个特征差异作为统计量的方法,在相同虚警概率下检测效果明显提高,为雷达目标检测提供了新的检测方案.     

雷达海上目标双通道卷积神经网络特征融合智能检测方法

受复杂海洋环境影响,基于统计理论的海面目标检测方法由于假设条件不成立,在实际应用中难以实现高性能检测,本文从特征提取分类角度,通过深度学习分类方法对目标和杂波的雷达回波信号进行二元分类,提出了一种基于双通道卷积神经网络(DCCNN)的雷达海上目标智能检测方法。首先,对实测海杂波和目标雷达信号进行预处理,得到信号的时间-多普勒谱和幅度信息;然后,构建DCCNN对预处理得到的数据进行智能特征提取,得到信号的特征向量,并对不同特征提取模型性能进行测试;最后,通过阈值可设的Softmax分类器作为检测器对特征向量进行分类,实现虚警率的控制。测试结果表明:与传统的单通道CNN以及无虚警控制Hog-SVM分类算法相比,基于二维卷积核VGG16和一维卷积核LeNet的DCCNN特征提取模型和softmax分类器可实现更高的检测性能,并可以实现虚警率控制,为复杂海杂波背景下目标智能检测提供了新的技术途径。     

基于方位不变特征的地雷检测方法

车载前视超宽带地表穿透雷达在地雷探测中遇到的困难是虚警率过高,地雷与杂波在全孔径图像中很难准确区分。为降低地雷探测过程中的虚警率,该文提出一种基于目标子孔径图像方位不变性的检测方法。该方法利用分裂发射虚拟孔径成像模型,将全孔径图像分解为左右两个子孔径图像,并根据子孔径图像中的目标一维距离剖线建立双峰特征模型。在此模型基础上提取具有方位不变性的若干特征,进而得到左右子孔径图像中目标的一致性度量,并将该一致性度量作为最终的特征向量送入鉴别器加以判别。经实测数据验证,该算法能有效剔除原先在全孔径图像中无法剔除的杂波,从而降低前视地表穿透合成孔径雷达中地雷探测的虚警率。      

线性调频航管雷达风电场杂波背景下目标检测

传统动目标检测(Moving Target Detector, MTD)技术无法抑制具有频谱展宽特性的风电场杂波,可能导致目标检测概率下降和虚警率上升等问题。针对此问题,提出了一种线性调频航管雷达风电场杂波背景下的目标检测方法。该方法先进行风电场杂波抑制,再对杂波抑制后的数据基于MTD进行飞机目标检测。文中给出的风电场杂波抑制方法中,首先将传统谱中心补偿的风电场杂波抑制方法应用到线性调频体制雷达,针对此时存在的旁瓣抑制后的主瓣展宽问题,利用雷达参数信息优化恒虚警率(Constant False-Alarm Rate, CFAR)检测方法,再根据目标与杂波相对位置不同采用不同的方法抑制杂波。对于目标与杂波扩展主瓣在不同距离单元时,基于谱中心补偿及基于雷达参数的CFAR检测方法来检测并抑制风电场杂波;对于目标与杂波扩展主瓣在相同距离单元的情况,基于匹配追踪（Matching Pursuit,MP）算法抑制风电场杂波。仿真数据与实测数据实验结果表明该方法在保证有效检测目标的前提下能降低风电场杂波引起的虚警率。      

基于LRMO及MCA的机载雷达风电场杂波抑制方法

风力发电迅速发展,风电场杂波使机载雷达产生大量虚假目标,导致机载雷达出现检测概率下降、虚警概率上升等问题。因此,研究机载雷达风电场杂波抑制方法对于提升机载雷达工作性能具有十分重要的意义。考虑到机载雷达风电场杂波先验信息无法实时获取、难以估计且机载雷达回波频谱更加复杂等特殊问题,本文基于低秩矩阵优化（LRMO）算法根据风电场杂波与目标微动特征随时间的不同变化特性,实现目标与风电场杂波处于不同距离单元的风电场杂波抑制。目标与风电场杂波处于同一距离单元时,考虑到LRMO算法存在的局限性,依据风电场杂波与目标的不同稀疏特性,利用形态成分分析（MCA）算法进行补充抑制风电场杂波。实验结果验证了所提方法的有效性。      

基于标签传播算法的海面漂浮小目标检测方法

在高分辨体制下海杂波与海面小目标具有复杂的特性,特别是对于雷达散射截面积较小的海面漂浮目标,传统的检测方法性能不佳。为了突破临界信杂比情况下的检测性能,可以提取雷达回波的一种或者多种特征,从而进行特征检测,该方法是实现临界信杂比情况下有效检测的重要途经。目前,在3维及以下的特征空间中可以使用凸包学习算法计算判决区域并有效地控制虚警概率,但是在3维以上的特征空间中凸包学习算法计算复杂度提高,难以进行检测。针对这个问题,该文提出一种基于标签传播算法的海面小目标检测方法,它突破了凸包学习算法的维数限制和决策域必须为凸集的形状限制,能够在高维特征空间进行检测并有效地控制虚警。经过实测数据集验证,基于标签传播算法的海面小目标检测方法在0.512 s和1.024 s的观测时间内分别获得了88.4%和92.0%的检测概率,相比于基于K近邻(KNN)的检测器有了3.3%和2.8%的检测概率提升。     

基于杂波模型的相干雷达极化自适应恒虚警检测算法

该文研究了高斯杂波背景下相干雷达极化自适应检测问题。利用雷达回波的极化信息来提高检测性能。提出了一种基于杂波模型的极化自适应恒虚警检测算法,该算法比极化自适应匹配滤波器算法有更小的估计损失,并推导出了虚警概率表达式。仿真结果表明,所提出的检测算法相对于杂波协方差矩阵都有恒虚警的性质。     

降低船用连续波雷达虚警概率的海杂波抑制方法

为了解决海杂波引起的船用连续波雷达虚警概率增大,以及海杂波抑制算法工程应用难度大的问题,提出了一种工程实用的海杂波抑制方法。首先,通过双参数删除型CFAR检测算法和统计检测算法进行二次检测;然后,依据邻近帧之间目标回波相关性较强和片状海杂波相关性较弱的特点进行帧间处理。仿真和海上实验均表明,应用该方法的船用连续波雷达可以降低不同强度的海杂波背景下的虚警概率。     

非高斯背景下跑道异物监测雷达的杂波图CFAR技术

随天线扫描呈时变性的强地杂波是影响机场跑道异物检测的主要原因之一,传统的杂波图恒虚警检测方法在处理非高斯分布杂波时目标检测能力很差。文中提出一种双参数杂波图恒虚警率(CFAR)检测方法,首先分析了跑道场景和雷达系统特性,根据调频连续波雷达体制建立了接收信号模型;然后通过非相参积累、双参数估计、一阶递归滤波等处理,对每次扫描测量值的样本均值和样本方差分别进行时域迭代平均,获得检测门限阈值,实现了对非高斯背景杂波中跑道异物的CFAR检测;最后进一步分析了影响检测性能的主要参数。