机载雷达极化空时联合域杂波抑制性能分析

针对当前机载雷达面临强杂波抑制和微弱目标检测等难点问题,提出了一种极化空时联合处理新方法.该方法充分利用了目标与杂波在极化域、空域和时域(Doppler域)的特征差异,提高了抑制杂波、增强目标的能力.本文首先建立了机载极化阵列雷达接收信号模型和滤波算法模型.其次,利用分辨格思想及特征值、特征向量和功率谱的关系,构建了完全极化情况下杂波协方差矩阵新的等价关系.在此基础上,详细推导了新方法的杂波抑制性能,得到了输出信干噪比(SINR)与空间匹配系数,Doppler匹配系数,极化匹配系数,杂波脊斜率,信噪比(SNR),杂噪比(CNR)等的定量解析表达式.并与空时自适应处理(STAP)进行比较,从理论上分析得到了极化空时处理性能优于空时处理.特别在检测慢速运动目标时,新方法具有较强的稳健性.最后,仿真算例验证了模型的正确性.     

红外小目标时域检测算法研究

为了解决红外小目标检测问题,提出了时域红外小目标检测方法.在图像序列中背景像素、目标像素以及杂波像素的时域差分模型基础上提出了红外小目标时域检测算法,算法共分为两步:相关检测和广义似然比检测.经过相关检测后,图像序列中的噪声几乎完全被门限所抑制,只有极少数噪声像素、全部目标像素和一小部分杂波像素可以通过相关检测门限.为了进一步从通过相关检测门限的像素中检测出目标,又提出了一种新的广义似然比检测方法.这种经过改进的广义似然比检测能够进一步抑制噪声和杂波,提高检测的性能.分析表明,时域目标检测算法能够以很高的检测概率和很低的虚警概率完成目标的检测,实验方法也证实红外小目标时域检测算法具有很好的性能.     

基于时域的红外图像序列中快速运动小目标检测算法

提出了一种新的红外图像序列中快速运动小目标时域模型。为差分图像序列中的背景像素、目标像素、杂波像素建立了模型,将目标检测问题转化为噪声中已知信号的检测问题,并应用相关检测技术进行目标检测。理论分析表明,在SNR和SCR均大于6的情况下,算法具有很好的性能,实验结果也证实了算法的有效性。     

基于杂波方位抑制的无源雷达目标检测方法研究

研究了非合作运动辐射源照射条件下的动目标检测问题.分析了此背景下地杂波空时频分布特性,并结合非合作系统数据处理特点提出了基于杂波方位抑制的目标检测方法,该方法利用杂波与目标在空时频三维域上可分性特点解决了时频二维域上杂波覆盖目标的问题,将非合作领域中一般的时频检测方法改进为杂波方位抑制基础上的时频滤波,仿真结果表明在双基地背景下,当目标信号与杂波信号在空时频三维域不重合时,结合阵列天线的方位抑制能力该方法能够有效地抑制杂波,实现地杂波背景下的动目标检测.     

云杂波背景下红外弱小目标的改进检测算法

根据目标和背景的时域特性,建立了不同像素类型的时域模型。提出了一种基于时域廓线的云杂波背景下红外弱小目标的一种改进算法。首先,采用基于时域方差滤波预处理方法,滤除平稳背景;然后采用基于时域廓线的目标检测方法,根据时域剖面线上的拐点值变化,转化为大小相当的正负脉冲来检测目标。理论分析和实验结果表明,文中算法对于不同云杂波背景具有广泛的适应性。     

外源雷达空时联合恒虚警检测分析与实验

外辐射源雷达杂波呈现复杂形态,其中在距离多普勒谱中固定分布的剩余杂波（简称固定杂波）局部强度较高,采用空域恒虚警检测方法会造成连续的虚警,严重影响目标检测性能。本文通过实测数据分析发现,固定杂波强度在时域变化平稳,可采用时域杂波图检测方法减少该类杂波造成的虚警。然而,非理想信号波形导致外辐射源雷达目标回波具有较高的副峰和旁瓣,仅采用杂波图检测方法会导致重复检测和虚假航迹。通过分析空域和时域恒虚警检测方法面临的问题,本文提出了针对外辐射源雷达的空时联合恒虚警检测方法。该方法在不影响检测概率的前提下,减少了单一恒虚警检测方法造成的虚警。实测数据处理结果验证了所提方法的有效性。     

基于深度学习的海上目标一维序列信号目标检测方法

当前海面目标检测方法多基于统计理论,检测性能受背景统计特性假设的影响,本文从信号预测和特征分类两个角度,分别采用长短时记忆网络(LSTM)和卷积神经网络(CNN)对信号时间序列幅度信息进行处理,用于海上目标一维序列雷达信号检测,该方法不需事先假设背景统计特性,泛化能力更强。基于LSTM序列预测的目标检测方法通过用海杂波信号幅度时间序列对网络进行训练,再用训练后的网络对后续序列进行预测,并与后续实测信号进行比较,实现目标检测。基于CNN序列分类的目标检测方法中采用截取的海杂波信号和目标信号幅度序列作为数据集样本,对一维卷积核CNN进行训练,使其具有识别目标杂波信号特征能力,从而实现目标检测。最后,采用IPIX和CSIR实测海杂波数据对两种方法进行验证,结果表明两种方法均可实现一维序列信号中海面目标的检测,但LSTM预测方法对于长序列检测的实时性有待于进一步提高;CNN分类方法可实现实时检测,但仅利用信号幅度信息,检测性能仍需进一步提升。      

STAP中直接数据域算法的一种改进

Sarkar等人提出的直接数据域算法中,利用时域两脉冲(或空域两阵元等)加权对消实现对感兴趣信号(SOI)的去除,得到不合感兴趣信号(SOI)只含有干扰信号的样本,进而估计滤波权.但由于预处理使用的是一维滤波,在SOI去除的同时,也对消了一部分杂波,使得估计的杂波能量不足,引起改善因子损失,因此对消滤波器阻带带宽应尽量小.而由于实际应用中一般不可能精确已知SOI方向,过窄的滤波带宽往往又不能完全对消SOI.为了提高SOI的误差鲁棒性,同时改善杂波抑制性能,提出了一种改进的算法,先用MTI(三脉冲对消)抑制主瓣杂波,再用一种改进的直接数据域方法抑制其它杂波.仿真结果验证了该算法的有效性.     

云杂波背景弱小目标自适应时-空域滤波检测研究

针对复杂云背景成像弱小目标实时检测的需要,提出一种检测能力强、易实现的自适应时-空级联滤波目标检测算法,其中时域滤波采用改进的可递归实现的方差滤波器预检测出包含目标和少量杂波点在内的可疑目标点集,而后通过一种自适应像素空域边缘强度滤波器剔除剩余杂波点。算法两级滤波器的参数均实时更新,因此算法对场景变化适应能力强。对五组实际红外图像序列目标检测的实验结果表明,算法能稳定检测出多类天空背景中的目标。     

基于降维稀疏重构的高效数据域STAP算法研究

本文基于信号稀疏重构技术,研究利用待检测样本直接进行动目标检测的高效空时自适应处理（STAP ）方案。该方案对时域降维的阵元-多普勒域数据采用空域稀疏重构技术估计高分辨率角度-多普勒谱,进而基于稀疏空时谱研究知识辅助的动目标检测算法。理论分析和仿真实验结果表明：本文算法能有效抑制杂波实现慢动目标检测,且运算量小易于实时并行处理。     

基于视觉认知机理的复杂动态背景下目标提取

针对现有复杂动态背景下目标检测与提取算法存在的局限性,提出构建一种基于视觉认知机理的时空域特征交互模式,以及基于该模式的复杂动态背景下的目标检测与提取算法。该算法通过时域特征在相似空域特征上的传递和空域特征依据时域特征一致性进行捆绑两个交互作用,实现复杂动态背景下的目标检测和提取。实验结果表明该算法不仅有效克服了传统目标检测与提取算法凭借单一特征或特征组合进行复杂背景中目标提取的不稳定性,同时大大降低了虚警率。     

The multiscale directional neighborhood filter and its application to clutter removal in GPR data

We present a novel neighborhood filter (NF)-based clutter removal algorithm in ground-penetrating radar (GPR) images. Since NF uses only range kernel of the well-known bilateral filter, it is less complex and makes clutter removal method appropriate for real-time implementations. We extend NF to multiscale–multidirectional case: MDNF and then decompose the GPR image into approximation and detail subbands to capture the intrinsic geometrical structures that contain both target and clutter information. After directional decomposition, the clutter is eliminated by keeping the diagonal information for target component. Finally, the inverse transform is applied to the remaining subbands for reconstruction of clutter-free GPR image. Results of both simulated and real datasets validate the superiority of MDNF over the state-of-the-art methods, and it improves in the false alarm rate further by 5.5% at maximum detection performance.     

一种基于稀疏化核方法的红外强杂波背景抑制算法

杂波背景抑制一直是红外弱小目标检测面临的难题.背景抑制可分为背景预测和差分滤波两步.针对强杂波背景呈现非线性分布的特征,提出了一种基于稀疏化核递推最小二乘(KRLS)算法的非线性背景抑制算法.算法采用监督学习模型,使用序列图像作为训练样本.通过稀疏化控制学习函数的复杂度并剔除冗余信息,不但可以提高学习机器的推广能力,还可以降低运算量.使用真实红外图像对算法进行了测试,并分析了算法参数.实验结果表明:算法可自适应预测不同类型的强杂波背景,并有效抑制背景杂波.     

子空间干扰非高斯杂波的抑制

在复杂电磁环境下,往往需要在线估计杂波协方差矩阵,从而自适应调整滤波器权值,实现对杂波的有效抑制,这样有利于目标的估计、检测、定位或跟踪。该文考虑非高斯杂波模型,且部分杂波受到子空间信号干扰,并且有用信号也位于该子空间内。常规方法会导致自适应滤波器在目标多普勒频率处有较大的衰减,极大影响了有用信号的探测。为此提出了一种知识辅助的分层贝叶斯模型,采用变分贝叶斯推断方法获得杂波协方差矩阵的近似后验分布,利用后验均值设计杂波抑制滤波器,可以有效提高目标的探测性能。计算机仿真和实测数据验证结果表明,该方法能够有效抑制杂波,而在目标处有较好的探测能力。      

基于集成经验模态分解的海杂波去噪

针对实际海杂波信号非线性非平稳的特点,提出基于集成经验模态分解(EEMD)的海杂波去噪方法.利用EEMD将含有目标信号的海杂波数据分解成一系列从高频到低频的固有模态函数(IMF),通过各个IMF的自相关,分选出有用信号和噪声分量,对噪声占主导作用的IMF选用Savitzky Golay(SG)滤波方法进行消噪,将滤波后的模态分量和剩余的分量进行重构得到削噪后的信号.结合最小二乘支持向量机(LSSVM)建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,比较去噪前和去噪后的均方根误差,利用均方根误差评价去噪效果.实验结果表明,EEMD算法对海杂波数据去噪是有效的,去噪后所得的均方根误差0.0028比去噪前所得的均方根误差0.0119降低了一个数量级.     

Wavelet-Based Detection and Its Application to Tracking in an IR Sequence

We propose an effective technique using a wavelet-based temporal decomposition algorithm to detect single-pixel targets with motion from frame to frame. We next integrate the proposed detection algorithm with an interacting multiple-model method and multiple filter bank approach to provide an effective solution for tracking multiple single-pixel nonmaneuvering and maneuvering targets. Through Monte Carlo simulations, we establish the efficiency and robustness of the proposed approach. Based on exhaustive empirical study, we demonstrate the effectiveness of our proposed approach in tracking multiple single-pixel targets in a sequence of infrared images with clutter and occlusion due to moving clouds in airborne applications.     

采用多扫描自适应预测的红外弱目标检测

提出了一种多扫描预平滑RLS自适应算法用于增强红外成像数据中的弱目标检测.感兴趣的目标被假设为只有极小的空域扩展度,而且淹没于强背景杂波干扰中.通过RLS自适应滤波器,背景杂波分量被准确地预测并从输入信号中去除,从而只剩下目标信号与残留噪声.在全空域非平稳数据中应用多扫描机制可以增强算法对非平稳杂波的跟踪性能;而将原始图像数据经过预平滑处理后作为自适应滤波器的输入,则能够减少由于目标灰度扩展带来的背景预测失准.对真实图像数据的仿真表明该算法的性能明显优于其它几种传统方法.     

FDA-MIMO雷达主瓣距离模糊杂波抑制方法

主瓣上存在的距离模糊杂波降低了真实目标的估计准确度,导致检测性能急剧下降,这对传统雷达提出了严峻挑战。基于频控阵（FDA）-多输入多输出（MIMO）雷达的距离角度二维波束指向,本文提出一种对抗主瓣距离模糊杂波的方法。该方法利用发射-接收空域鉴别模糊杂波次数,并根据已搜索到的目标的大致距离,利用多重信号分类算法（MUSIC）精确分辨多个目标及杂波位置,最后通过设计线性约束最小方差（LCMV）自适应滤波器,使杂波失配而被抑制。该方法有效地解决了主瓣距离模糊杂波的抑制问题,提升了复杂环境下的目标检测性能。仿真验证了提出方法的有效性。      

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。      

非高斯相关杂波背景下雷达目标检测方法研究

在非高斯相关杂波背景下,基于MTD(Moving Target Detection)的雷达目标检测性能严重下降。针对该问题,根据Alpha稳定分布杂波模型、分数低阶统计量理论,以输出信杂比最大为准则,提出了一种适用于非高斯相关杂波背景的雷达目标检测方法。该方法通过分解信号分数低阶协方差矩阵,计算等效杂波分数低阶协方差矩阵特征向量,得到最佳滤波器系数。通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与基于MTD的检测方法进行了比较,结果表明,在非高斯相关杂波背景下,所提方法的检测性能明显优于传统的MTD。