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。     

非均匀杂波背景下双基地MIMO雷达距离扩展目标的GLRT检测

利用球不变随机矢量(Spherically Invariant Random Vector, SIRV)描述非均匀杂波, 建立了双基地多输入多输出(Multiple-Input Multiple-Qutput, MIMO)雷达距离扩展目标的信号检测模型, 提出了距离扩展目标的两步广义似然比检测(Generalized Likelihood Ratio Test, GLRT)算法.首先, 根据目标散射系数的两种假设模型, 分别推导确定型目标、高斯型目标GLRT检测器的解析表达式, 然后利用固定点迭代算法估计杂波协方差矩阵, 获得自适应GLRT(AD-GLRT和AG-GLRT)检测器.仿真实验表明:AD-GLRT和AG-GLRT检测器的检测性能均优于非均匀杂波背景、高斯杂波背景下点目标的检测性能, 且两者的检测性能相当, 并且虚拟阵元数、目标分布的距离单元数, 以及信杂比越大, 两者的检测性能越好.     

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。     

基于贝叶斯的高斯杂波背景下MIMO雷达自适应检测算法

对于集中式多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达,该文研究了高斯杂波背景下的目标检测问题。该文假设杂波的协方差矩阵是未知随机的,且服从逆复Wishart分布,基于贝叶斯方法和广义似然比检验准则设计了两种新型自适应检测器。该文提出的贝叶斯检测器具有两个显著的优点:(1)不需要训练数据;(2)杂波的先验知识体现在设计方案中,从而提高了检测性能。仿真结果显示该文提出的贝叶斯检测器的检测性能优于目前常用的非贝叶斯检测器,特别是在发射波形采样数较少时。另外,该贝叶斯检测器在参数失配条件下的性能会有一定程度下降。      

非高斯杂波下距离扩展目标检测器的失配性能分析

在球不变随机向量杂波条件下,研究了目标方向向量失配时距离扩展目标的检测问题.针对不依赖于散射点密度的广义似然比检验检测器,从理论上分析了信号实际方向向量与导向矢量失配对检测性能的影响,推导了失配条件下的检测和虚警概率公式,证明了检测器的恒虚警率特性.仿真实验表明,检测器对能量均匀分布的目标具有最佳性能,对失配目标信号具有很强的抑制能力;进一步分析表明,目标幅度起伏会带来一定的检测损失,而距离单元间散射点的相关性在高值检测概率区也会引起检测损失.     

非均匀杂波MIMO雷达检测

本文针对非均匀杂波,利用球不变随机矢量(SIRV)建立了机载多输人多输出(MIMO)雷达杂波模型.基于杂波协方差矩阵不满秩,提出了一种用于估计归一化杂波协方差矩阵的修正渐近最大似然(MAML)算法及其广义似然比检测器,即修正渐近广义似然比检测器(MAGLRT).仿真试验结果表明,在非均匀的杂波下,MAGLRT较常规高斯...     

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。     

MIMO雷达多目标检测前跟踪算法研究

 本文基于检测前跟踪技术研究了MIMO雷达系统中多个运动目标的早期预警问题,在推导已知目标数量时的二元广义似然比检验的基础上,提出了一种次优的基于“逐目标消除和极坐标Hough变换（STC-PHT）”的多目标检测前跟踪算法,并推导了该算法的虚警概率和检测概率表达式。与以往的多目标检测前跟踪算法相比,新算法具有较低的计算量,且本质上无需目标数量的先验信息,避免了目标数量未知时需执行多元假设检验的问题。仿真分析表明,新算法能有效地改善MIMO雷达在低信噪比条件下的检测性能。     

基于知识辅助的MIMO雷达波形设计方法

该文针对雷达系统受到天线主瓣和副瓣杂波以及强干扰影响时性能下降问题,提出基于距离扩展目标和杂波先验信息的MIMO雷达波形设计方法。首先建立了目标函数,综合考虑了波束主瓣增益、旁瓣杂波抑制能力以及目标输出SCNR的改善性能;然后在优化问题求解中对约束条件进行松弛,使得波形矩阵空域和时域2维解耦合,从而实现空域波束形成和时域波形设计独立优化求解;其次利用L-BFGS算法设计恒模的发射波形矩阵,形成低副瓣的波束方向图和较深的强杂波抑制凹口,并基于目标输出SCNR最大化准则,利用迭代算法分步求解优化的主瓣发射波形和接收滤波器;最后通过电磁仿真的距离扩展目标数据验证所提算法的有效性。     

一种距离扩展目标的Hough变换检测器

针对宽带雷达信号得到的距离扩展目标在有较大运动速度时积累检测困难的问题,该文提出一种基于Hough变换的检测器(HTD)。利用距离扩展目标高分辨距离像信号的相邻回波之间信号具有较大相关系数这一特点,在互相关序号与相关时间2维平面使用Hough变换进行积累来检测目标。理论推导表明Hough变换检测器不需要目标散射中心分布的先验知识和目标的运动信息,具有恒虚警(CFAR)性能。计算机仿真实验表明Hough变换检测器具有比不依赖散射中心分布信息的广义似然比(NSDD-GLRT)检测器更好的检测能力。     

分集通道相关时MIMO雷达的检测算法

多输入多输出(MIMO)雷达利用波形分集或空间分集提高雷达性能,目标回波散射系数是全相关或者独立完全取决于阵列系统配置。然而,在有些情况下,雷达阵列系统配置导致散射系数部分相关,从而使MIMO雷达的检测性能受到影响。针对上述问题,文中研究了基于尼曼-皮尔逊准则下分集通道相关时MIMO雷达检测算法,推导检测概率与虚警概率的近似解析表达式,分析了分集通道相关性对MIMO雷达检测的影响。仿真结果验证了该算法的有效性。     

距离像先验引导的扩展目标检测方法

扩展目标检测通常采用距离像能量积累检测的方法,由于距离像信息掌握不完备,陷落损失会降低检测性能。本文提出一种距离像先验引导的扩展目标检测方法,通过利用距离像包络模先验,对信号进行积累以提升检测性能。该方法考虑了复距离像与复高斯白噪声的相干叠加与相位预测不准的因素,采用将观测数据取模的检测模型,基于似然比检测（Likelihood Ratio Test,LRT）理论推导了低信噪比下的特征平方匹配检测器。该检测器将目标复距离像的包络模与观测数据的包络模进行平方匹配,并通过门限判决来判断目标是否存在。包络模先验的获取是通过从ISAR图像提取二维散射中心,向对应姿态角下的雷达视线方向进行投影,来获得目标近似的一维散射中心模型,再由该模型进一步生成目标距离像的包络模先验。同时,本文从理论与实验两方面分析了能量检测器和特征平方匹配检测器之间的关系,通过散射中心模型重构与暗室测量的方法获取数据进行了实验验证。实验结果表明：在低信噪比下,距离像先验引导的特征平方匹配检测器能有效提升目标的检测性能,并且对先验模型失配的情况具有良好的适应性。     

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。      

基于空间分集的MIMO雷达目标跟踪算法研究

针对基于空间分集的多输入多输出(MIMO)雷达多发多收的特殊结构,建立了基于逆协方差形式扩展卡尔曼滤波算法的MIMO雷达目标跟踪滤波模型,分析了影响算法滤波精度的4个因素,分别为信噪比、信号带宽、天线数以及天线与目标间的位置关系。通过使目标位置状态估计均方误差最小,在特定天线数条件下利用数值方法得到了使滤波精度达到最优的天线放置形式。仿真实验给出了不同信噪比、信号带宽、天线数以及天线与目标间不同位置关系时的MIMO雷达跟踪性能。     

MIMO雷达对分布式目标测向研究

现有的陈列测向算法对分布式目标性能较差,该文研究基于Capon算法的MIMO雷达测向问题,并在相同条件下对不同发射信号和不同阵元配置的阵列测向性能进行仿真比较,结果表明MIMO雷达的测向性能要明显优于阵列雷达.最后给出了结论.     

基于视频积累的距离扩展目标检测

正确提取目标强散射中心,并对强散射中心的能量进行有效的积累,是高分辨率雷达距离扩展目标检测的关键.本文先根据最大信噪比原则估计出目标窗口,然后在此窗口中利用门限检测方法提取目标强散射中心,最后利用广义似然比方法推导了自适应单扫频周期径向积检测器.仿真结果表明比文献[1]提出的SSD-GLRT检测器的性能有较大的改善.     

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.     

基于单元筛选抑噪积累的扩展目标检测方法

能量积累检测是通过对各单元功率进行积累来检测扩展目标,由于目标散射点分布具有稀疏性,能量检测器会因为陷落损失影响检测性能。本文根据广义似然比理论,提出一种基于单元筛选抑噪积累的扩展目标检测方法,该方法在筛选高回波功率单元的同时,采用抑制噪声后的功率平方进行积累。通过飞机模型的暗室实测数据进行了实验验证,并在相同的筛选准则下分析了抑噪积累与功率积累的性能差异。实验结果表明：对于散射点稀疏分布的扩展目标,单元筛选抑噪积累检测器能有效提升目标的检测性能。     

距离扩展目标极化检测的比较研究

针对非起伏目标和瑞利起伏目标的单脉冲检测问题,建立了距离扩展目标的极化检测模型,导出了相应的极化检测器及其检测性能的解析表达式。在此基础上研究了雷达带宽、目标回波极化和目标径向尺度估计误差对检测性能的影响,并将本文的检测算法与二进制积累极化检测算法进行了比较研究。主要结论有:在特定的信噪比条件下,存在最佳带宽使得瑞利目标检测概率最大;窄带条件下确定极化和随机极化目标的检测性能差异较为显著,大带宽条件下二者检测性能相差约13dB;相对于过高估计目标径向尺度的情况,瑞利目标检测性能对目标径向尺度的过低估计更为敏感;二进制积累检测性能一般不及径向积累检测,但其性能差异较小。      

非高斯杂波下修正的SDD-GLRT距离 扩展目标检测器

 在球不变随机向量非高斯杂波背景下,针对SDD-GLRT方法在统计平均意义下对距离扩展目标进行最优检测所带来的检测损失,通过充分利用目标散射点的先验信息,基于有序统计检测理论,提出了修正的SDD-GLRT距离扩展目标检测方法.理论分析表明,在不存在目标的假设下,虚警概率与纹理分量的混合分布、杂波协方差矩阵以及确知信号的方向向量无关,即修正的SDD-GLRT方法具有恒虚警率(constant false alarm rate,CFAR)特性.仿真结果表明,随着积累脉冲数及目标散射点所占距离单元个数的增加,修正的SDD-GLRT检测性能得到提高.在散射点分布稀疏条件下,修正的SDD-GLRT的检测性能要明显好于SDD-GLRT和NSDD-GLRT,且在估计目标散射点个数存在微弱偏差和不同杂波尖峰情况下,修正的SDD-GLRT具有很好的鲁棒性.