一种新的高分辨雷达杂波模型参数估计方法

高分辨率雷达体制下,杂波散斑分量与调制分量更适合用广义Gamma分布模型描述。该文首先建立了一种适用范围广泛的广义复合概率分布模型,并推导了其统计特性。然后研究了最小二乘参数估计方法,并以参数解耦和充分利用杂波序列信息为突破点,提出了一种新的杂波模型参数估计算法。该算法将一个四维非线性最优化问题转化为一个一维线性最优化问题,从而降低了计算量和所需样本数,提高了估计性能。最后,进行了仿真实验,验证了结论。     

广义复合杂波模型参数估计方法

广义复合杂波分布(Generalized Compound Probability Density Function,GC-PDF)模型是一种适用范围广泛的杂波分布模型,参数估计是研究该杂波模型的关键技术.本文首先建立了广义复合杂波模型,推导了其统计特性.在此基础上,研究了最小二乘参数估计方法.进而,以参数解耦和充分利用杂波序列信息为突破点,提出了一种新的杂波模型参数估计算法.该算法将一个四维非线性最优化问题转化为一个一维线性最优化问题,从而降低了计算量和所需样本数,提高了估计性能.最后,进行了仿真实验,验证了本文的结论.该算法对于高分辨雷达杂波分类和识别以及基于杂波背景的目标检测具有重要意义.     

广义复合杂波建模及其统计特性研究

高分辨力雷达体制下,杂波散斑分量与调制分量更适合用广义Gamma分布模型描述,在此基础上本文推导了广义复合模型表达式;然后通过对广义复合模型选取特定参数,得到了广义K分布表达式,同时分析了取不同参数时广义K分布与经典杂波概率分布的联系;进而研究了上述有关模型的统计特性,得出了参数估计表达式;最后,进行了仿真实验,实验结果验证了本文的结论.     

基于SIRV高分辨率雷达杂波建模与仿真

高分辨率雷达杂波建模与仿真是评估雷达性能的重要手段。广义复合概率密度通常用来描述高分辨率雷达杂波。在广义复合分布中,将散斑分量和调制分量均采用广义伽马(GΓ)分布来表示。采用球不变随机矢量(SIRV)进行杂波建模的优点在于能够独立控制其相关性和一维边缘概率密度。对广义复合分布和SIRV建模方法进行了讨论,在此基础上,给出了相干相关的广义复合分布的SIRV模型,利用计算机进行了广义复合分布的杂波仿真,并对杂波仿真的统计特性与理论值进行了比较。仿真结果与理论分析相吻合,说明了该模型的有效性和普适性。     

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ZMNL的相关广义复合分布宽带雷达杂波仿真

在宽带雷达体制下,雷达杂波的幅度统计模型更适合用广义复合分布(GC_pdf)模型描述.本文推导了广义复合模型的表达式;在此基础上利用相关广义复合序列的高阶自相关系数,推导了相关高斯序列与相关广义复合分布序列相关系数间的非线性关系;从而提出了基于这种非线性关系变化的零记忆非线性变换法(ZMNL)仿真广义复合分布杂波的算法.最后还利用此算法仿真了几种常见特殊广义复合分布(K分布,Weibul分布,广义K分布)序列以及一般广义复合分布序列,仿真结果验证了该算法的有效性和准确性.     

基于逆高斯分布的复合高斯海杂波建模研究

复合高斯(CG)分布模型广泛应用于非高斯杂波建模,其纹理分量决定了杂波的非高斯特性。该文采用逆高斯分布的纹理分量建立了一种双参数复合高斯分布海杂波模型,即逆高斯-复合高斯(IG-CG)分布,并推导了其统计特性。同时,利用IPIX 型雷达杂波数据进行拟合分析,结果表明该文建立的双参数IG-CG 分布模型相对于单参数IG-CG 分布模型和K 分布模型,其残差平方和平均降低了30%和60%,能够更加准确地与实测数据相吻合。      

基于ZMNL的相关广义K分布宽带雷达杂波仿真

广义K分布(GK-pdf)模型,是一种适用于宽带雷达杂波仿真的分布模型。文中首先研究了广义K分布模型及其统计特性,得到了相关系数之间的非线性关系。从而利用零记忆非线性变换(ZMNL)方法仿真了相关广义K分布杂波,给出了基于ZMNL法的相关广义K分布杂波序列仿真原理和算法流程图,并仿真了几种经典的特殊广义K分布。仿真结果表明了该方法的有效性、准确性。     

基于ZMNL的相关广义复合分布雷达海杂波仿真

在现代雷达体制中,广义复合分布模型更适用于描述雷达海杂波的幅度分布特性。在海杂波的仿真中,准确、高效地模拟海杂波,对雷达信号处理和海面目标检测具有重要的现实意义。文中讨论了广义复合分布海杂波模型,提出一种基于零记忆非线性变换的相关广义复合分布海杂波仿真的新算法,该新算法采用独立产生杂波序列的幅度与相位的方法,可以避免求解复杂的非线性方程,具有运算量小的特点。仿真实验结果表明了该方法的准确性和可行性。     

非高斯杂波下知识辅助检测器敏感性分析

先验信息的使用可以提高知识辅助检测器的探测性能,若先验信息与当前探测环境不匹配,检测器性能可能会受到影响。该文考虑一种复合高斯杂波下的知识辅助检测器,其采用逆伽马分布作为纹理分量先验分布,分析该检测器在不同杂波纹理分量模型参数条件下的检测性能。首先给出了先验模型参数失配条件下,虚警概率和Swerling I型目标检测概率的计算方法。然后在给定先验模型参数条件下,分析了杂波纹理分量分布参数对检测器性能的影响。理论分析表明,若杂波纹理分量分布参数位于某个区域以内时,检测器可以获得比模型匹配时更好的检测性能,计算机仿真验证了上述结论。     

一种加权广义预测自适应递推优化控制算法

文章给出了一种时变遗忘因子递推最小二乘-递推增广最小二乘(RLS—RELS)的性能指标加权的广义预测自适应的优化控制算法,解决了模型反馈校正中控制参数与噪声干扰紧耦合情况下参数估值变慢的问题,通过在线递推估计参数,提高了系统计算速度,并且在优化控制量过程中给出一种简便收敛递推算法,避免了逆阵的计算,提高了效率和精度,增强了鲁棒性,仿真效果表明了该算法优于传统的广义预测控制算法.     

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。      

基于改进广义回归神经网络和主成分分析的宽带DOA估计

为了获取较高的宽带信号的DOA(direction-of-arrival)估计精度,提出了基于改进的广义回归神经网络(IGRNN,improved generalized regression neural network)和主成分分析(PCA,principalcomponent analysis)的宽带DOA估计算法。选用PCA方法对训练样本进行降维,以降低神经网络的复杂度;利用粒子群算法优化GRNN的参数;根据选取不同的聚焦角度确定粗估计、精估计的训练模型,通过粗估计得出目标的大致方位后,利用精估计模型得出最终的估计结果,避免了聚焦角度对估计精度的影响。仿真结果表明,本文提出的算法具有较好的估计精度和较高的工作效率。     

Automatic Estimation of Multiple Target Positions and Velocities Using Passive TDOA Measurements of Transients

This paper considers the problem of the estimation of the motion parameters of multiple targets moving linearly in a three-dimensional (3-D) observation area contaminated by clutter. The measurements are limited to time differences of arrival (TDOAs) of short-duration acoustic emissions, or transients, generated by the targets. This problem can arise in situations where the level of continuous broadband target-related noise is very low. Owing to the fact that transient emissions are nonstationary and can have low signal-to-noise ratio (SNR), the corresponding TDOA measurement errors are usually non-Gaussian. Therefore, Gaussian mixture distributions are used to appropriately model these errors. An iterative maximum-likelihood optimization technique based on a modified deterministic annealing expectation-maximization (MDAEM) algorithm is applied to this problem. In each iteration, the algorithm uses a nonlinear least-squares (LS) technique in computing the motion parameters for each target. It generalizes the variance deflation method previously used for the initialization of target tracking algorithms and increases the possibility of attaining a globally optimal solution for random initial conditions. Simulation results are presented for several different numbers of targets, clutter densities, and probabilities of gross error of the target related measurements and are found to be comparable to the estimates obtained when the measurement-to-target assignments are exactly known     

基于实测数据的海杂波K分布参数估计方法研究

针对海杂波K分布模型参数难以估计的特点,提出了一种自适应遗传求解算法。该算法利用相关熵作为适应度函数,按照自适应变异原则进行优化,实现了参数的准确估计。实测数据处理结果表明,该算法性能优于矩估计法和最大似然估计法,具有很高的估计精度和适应性,从而为最优检测算法设计提供依据。     

The evanescent field transform for estimating the parameters ofhomogeneous random fields with mixed spectral distributions

Parametric modeling and estimation of complex valued homogeneous random fields with mixed spectral distributions is a fundamental problem in two-dimensional (2-D) signal processing. The parametric model under consideration results from the 2-D Wold-type decomposition of the random field. The same model naturally arises as the physical model in problems of space-time adaptive processing of airborne radar. A computationally efficient algorithm for estimating the parameters of the field components is presented. The algorithm is based on a nonlinear operator that uniquely maps each evanescent component to a single exponential. The exponential's spatial frequency is a function of the spectral support parameters of the evanescent component. Hence, employing this operator, the problem of estimating the spectral support parameters of an evanescent field is replaced by the simpler problem of estimating the spatial frequency of a 2-D exponential. The properties of the operator are analyzed. The algorithm performance is illustrated and investigated using Monte Carlo simulations     

K分布杂波下基于M-CPSO的散射中心参数估计

研究了非高斯K分布杂波条件下雷达目标散射中心参数估计问题,提出一种基于协同粒子群优化(CPSO Coop- erative-Particle Swarm Optimization)算法的M估计方法。针对K分布杂波的非高斯尖峰特性,首先利用M估计中的损失函数构造出散射中心参数估计的目标优化函数,然后利用协同粒子群算法,通过迭代优化得到目标的散射中心参数。该方法能够同时得到散射中心幅度和位置的稳健估计,通过与基于子空间的估计方法进行仿真实验对比,结果表明,在K分布杂波条件下该方法能够的得到更好的估计结果。     

全变差噪声消除问题的半光滑牛顿法

为了达到全变差噪声消除的图像去噪目的,将去噪问题转换为优化问题。采用了结合广义最小残差法的半光滑牛顿法来解决相关优化问题,求解非对称线性方程组,进行了理论分析和实验验证,取得了将该方法与其它方法应用于1维信号、2维图像去噪实验的大量可行数据。结果表明,结合广义最小残差法的半光滑牛顿法的收敛速度比结合预处理共轭梯度法的半光滑牛顿法和交替方向乘子法更快,而且能够有效地消除噪声。     

杂波先验数据缺失条件下基于级联优化处理的雷达波形设计方法

认知雷达波形设计往往依赖于精准的杂波先验信息,当先验信息数据存在缺失时,所构建的杂波模型会严重失配,进而影响雷达对杂波的抑制能力。该文针对杂波先验数据缺失条件下的雷达波形优化问题,建立完全随机缺失机制下的点状与块状缺失场景,设计恒模与相似性约束的波形优化模型,提出基于优先级填充-强化学习级联优化的雷达波形训练算法:即采用强化学习智能体与填充算法修复后的杂波环境相交互的级联方法,以最大化信杂噪比为优化目标,通过迭代训练得到雷达最佳波形参数配置策略。最后,仿真验证不同缺失概率条件下所提算法的优越性。结果表明:相比于传统非级联优化算法,该文所提算法均可获得更优的杂波抑制性能,有效提升雷达的探测能力。      

基于雷达海杂波的大气折射率剖面估计技术

基于雷达海杂波的海洋大气折射率剖面估计简称为RFC,RFC技术能实时地将雷达海杂波中携带的大气折射率空间分布信息提取出来,为舰载雷达和通信系统提供环境评估信息.从Bayes参数统计估计和多参数最优理论的角度简要介绍了RFC的基本原理,其次对其研究历史和研究现状作了介绍,对其有待解决的四个关键问题:传播模型、环境模型、海杂波模型及反演算法作了重点探讨,对其下一步的研究方向作了展望.