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。     

Exact analysis of OS modified versions with noncoherent integration

This paper deals with the exact detection analysis of the Ordered-Statistic(OS) processor along with OS Greatest Of(OSGO) and OS Smallest Of(OSSO) modified versions, for Mpostdetection integrated pulses when the operating environment is nonhomogeneous. Analytical results are presented in multiple-target case as well as in regions of clutter power‘transitions. The primary and the secondary interfering targets are assumed to be fluctuating in accordance with the SWII target fluctuation model. As the number of noncoherently integrated pulses increases,lower threshold values and consequently better detection performances are obtained in both homogeneous and multiple target background models. However, the false alarm rate performance of OSSO-CFAR(Constant False Alarm Rate) scheme at clutter edges is worsen with increasing the postdetection integrated pulses. As predicted, the OSGO-CFAR detector accommodates the presence of spurious targets in the reference window, given that their number is within its allowable range in each local window, and controls the rate of false alarm when the contents of the reference cells have clutter boundaries.     

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。      

K分布杂波中距离扩展目标的Wald检测

将距离扩展目标建模为子空间信号,用球不变模型模拟K分布杂波,提出了广义Wald检测算法。该算法是对待检测距离单元进行非相参积累,对杂波的纹理分量而言具有CFAR特性。首先对各个待检测距离单元分别检测,其输出的统计量是“白化”后的信号向信号子空间投影的能量和其向与信号子空间正交的噪声子空间投影的能量的比值来计算的,然后将各个待检测距离单元输出的统计量进行累加,形成最终的检验统计量。为了验证其有效性,通过Monte Carlo仿真了该算法的检测性能,并与文献［5］提出的自适应Wald检测器进行比较。      

非高斯背景下基于动态阈值的距离扩展目标检测器

本文研究了球不变随机向量杂波背景下的距离扩展目标检测问题.给出了修正的距离扩展目标检测器MSDD,推导了相应的虚警概率与检测阈值的解析表达式.性能分析表明,目标能量均匀分布时,MSDD能获得最佳的检测性能,并且其对目标所占距离窗的不同大小具有很好的鲁棒性;但当估计目标散射点个数小于实际值时.MSDD存在一定的检测损失....     

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.     

单脉冲机载火控雷达地面动目标检测方法

提出了一种单脉冲机载火控相控阵雷达的主杂波谱区低速运动目标检测方法,该方法结合单脉冲精确测角和杂波谱展宽后在频域能量分散的特点,采用多普勒通道测量角度值与其对应的杂波单元的角度值的误差作为检测统计量,以实现极低速地面运动目标的检测.分析和仿真结果表明,在波束扫描方位角增加引起杂波谱严重展宽时,该方法仍然具有良好的极低速运动目标检测性能.     

非高斯背景下基于ODV的距离扩展目标检测器

 本文研究了球不变随机向量杂波背景下的距离扩展目标检测问题.给出了修正的距离扩展目标检测器MSDD,推导了相应的虚警概率与检测阈值的解析表达式.MSDD需要事先估计目标散射点个数,而散射点个数估计失配时会出现严重的信杂比损失,针对这一问题,利用有序数据方差估计散射点个数,提出了ODV-MSDD检测器.仿真结果表明,ODV-MSDD对目标所占距离窗的大小具有很好的鲁棒性,并且其检测性能随着目标散射点个数、阵元数以及杂波尖峰的增加而提高.与MSDD相比,ODV-MSDD能根据实际观测数据自适应地估计散射点个数,有效提高检测器性能,增强系统的鲁棒性.     

基于WPT-FRFT的微弱动目标检测及性能分析

针对杂波背景的微弱动目标检测问题,提出了一种应用小波包变换的分数阶Fourier域动目标检测算法。算法采用最小Shannon熵标准确定最优小波树,利用阈值删除技术,对杂波背景的参数精确估计,从而对不同频段信号进行滤波。建立了FRFT域的动目标检测模型,采用似然比准则设计检测器,抑制杂波后的信号在FRFT域形成检测统计量,门限比较后判断信号的有无。仿真得出了在高斯杂波和实测海杂波背景下的检测性能曲线,性能接近匹配滤波器,结果表明算法能够在低信杂比环境下有效检测出动目标信号。     

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。     

K分布杂波中分布式目标的Rao检测

该文针对高分辨雷达体制下,点目标分裂成分布式目标所带来的检测问题,提出了基于Rao检测的分布式目标自适应检测算法。将分布式目标建模为子空间信号,目标不仅在距离维上扩展同时也在Doppler频率维上扩展。Rao检测算法只需对H0假设条件下的未知参数进行最大似然估计,在构造检测器的过程中运用两步法检测策略,有效地减少了计算量和复杂度。最后,用Monte Carlo仿真了该算法的检测性能,并与以前的检测器相比较验证了新提出的检测器对分布式目标在K分布杂波中的有效性。     

基于有序数据可变索引的SAR图像目标检测方法

该文提出了一种基于有序数据可变索引(Ordered Data Variability Index, ODVI)的SAR图像目标恒虚警检测算法,该算法首先对待测像素的参考窗进行基于ODVI的自适应筛选处理(Automatic Censoring, AC),以去除窗内的强杂波和干扰像素,并以窗内保留的均匀像素对背景的统计特性进行建模,估计其概率密度函数的参量,同时构建双参数恒虚警检测(CFAR)的检验统计量,计算检测的自适应阈值,实现检测的判决。论文给出了该算法的检测性能曲线,并利用实测的X波段SAR图像进行实验验证,与其它检测方法进行比较,结果显示该文算法具有较好的检测性能和较低的虚警概率。     

不需要训练数据的分布式MIMO雷达距离扩展目标检测器

在非均匀杂波环境中,研究了高分辨率分布式多输入多输出(MIMO)雷达的距离扩展目标检测问题。由于分布式MIMO雷达观测到的杂波是非均匀的,无法获得足够的独立同分布的均匀训练数据来估计检测单元的杂波协方差矩阵。采用复逆Wishart分布对杂波协方差矩阵建模,基于该杂波模型设计了一种不需要训练数据的分布式MIMO雷达距离扩展目标广义似然比检测器。数值仿真结果表明:在非均匀杂波环境中,所设计的检测器的性能比用训练数据的协方差矩阵类检测器有明显的改进。     

距离扩展目标的双门限恒虚警检测器及性能分析

针对普通积累检测器检测稀疏散射点目标存在坍塌损失以及依赖于散射点密度的二元积累(SDD-BI)检测器检测密集散射点目标存在信杂比损失的问题,该文充分利用目标的散射点密度及幅度信息,提出了一种距离扩展目标的双门限恒虚警检测器(DT-CFAR),在高斯杂波背景下推导了DT-CFAR虚警概率和检测概率与检测门限关系的解析表达式,并给出了最优第1门限的确定方法。仿真结果表明,DT-CFAR对不同散射点密度目标都具有较优的检测性能,并且对散射点密度估计失配具有鲁棒性。     

Performance Analysis of the Clutter Map CFAR Detector with Noncoherent Integration

Nitzberg has analyzed the detection performance of the clutter map constant false alarm rate (CFAR) detector using single pulse. In this paper, we extend the detection analysis to the clutter map CFAR detector that employs M-pulse noncoherent integration. Detection and false alarm probabilities for Swerling target models are derived. The analytical results show that the larger the number of integrated pulses M, the higher the detection probability. On the other hand, the analytical results for Swerling target models show that the detection performance of the completely decorrelated target signal is better than that of the completely correlated target.     

分布式目标的子空间双门限GLRT CFAR检测

 研究了分布式目标在球不变随机变量杂波中的检测问题,提出了一种具有恒虚警特性的双门限广义似然比检测器。分布式目标建模为子空间信号,在距离维和多普勒频率维同时扩展.第一门限的作用是筛选信杂比高的待检测距离单元.将选出的距离单元进行能量积累并与第二门限进行比较做出判决.假设杂波协方差矩阵已知,构造了双门限检测器,并通过推导检测器虚警概率说明其具有恒虚警特性.将基于辅助通道数据的杂波协方差矩阵的估计值替换假设已知的杂波协方差矩阵,得到一个自适应检测器.通过Monte Carlo仿真进行性能分析,说明检测器的有效性和鲁棒性.     

一种高分辨率雷达海上目标自适应检测器

针对海上目标因波浪起伏和转向等导致的姿态变化引起的散射点起伏问题,在未知协方差矩阵的复高斯噪声背景下,研究了高距离分辨率雷达的距离扩展目标自适应检测问题.利用与待检测单元具有相同协方差矩阵结构的辅助教据估计未知噪声协方差矩阵,基于两步法检测策略获得了自适应检测器.恒虚警率特性分析表明,该检测器对不同噪声背景均具有很好的自适应特性.检测性能分析表明,该检测器对不同的目标模型具有很好的鲁棒性,且能有效避免“坍塌损失”.另外,通过增加传感器个数,可有效提高检测器性能.     

Performance comparison of a linearly combined ordered-statistic detectors under postdetection integration and nonhomogeneous situations

Several Constant False Alarm Rate （CFAR） architectures, where radar systems often employ them to automatically adapt the detection threshold to the local background noise or clutter power in an attempt to maintain an approximately constant rate of false alarm, have been recently proposed to estimate the unknown noise power level. Since the Ordered-Statistics （OS） based algorithm has some advantages over the Cell-Averaging （CA） technique, we are concerned here with this type of CFAR detectors. The Linearly Combined Ordered-Statistic （LCOS） processor, which sets threshold by processing a weighted ordered range samples within finite moving window, may actually perform somewhat better than the conventional OS detector. Our objective in this paper is to analyze the LCOS processor along with the conventional OS scheme for the case where the radar receiver incorporates a postdetection integrator amongst its contents and where the operating environments contain a number of secondary interfering targets along with the primary target of concern and the two target types fluctuate in accordance with the Swerling Ⅱ fluctuation model and to compare their performances under various operating conditions.     

AR-model-based adaptive detection of range-spread targets in compound Gaussian clutter

In this paper, we consider the problem of adaptive detection for range-spread targets with known Doppler and unknown complex amplitude in compound Gaussian clutter. The speckle component of the clutter is modeled as an autoregressive (AR) process. By using the generalized likelihood ratio test (GLRT) approach, we will first estimate the AR parameters and the unknown complex amplitude, and then propose an adaptive AR-based GLR detector. The performance assessments are presented too. The computer simulations show that the proposed detector, without a priori information of the covariance matrix, has the same asymptotical performances as the two-step GLR-based detector with known covariance matrix.     

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。