复合高斯杂波下距离扩展目标的自适应检测

 研究了复合高斯杂波下的距离扩展目标自适应检测问题.基于辅助数据,利用采样协方差矩阵(SCM)和迭代(RE)估计矩阵,建立了自适应检测器AMSDD和基于动态阈值的ADT检测器,并分析了检测器的恒虚警率(CFAR)特性.理论分析表明,基于SCM的检测器只能保持对杂波协方差矩阵结构的自适应特性;而基于RE的检测器能同时获得对杂波协方差矩阵结构和纹理分量的CFAR特性.性能分析表明,对于AMSDD和ADT来说,与采用SCM估计器相比,采用RE估计器能使检测器获得更好的CFAR特性和检测性能.另外,基于RE的ADT检测器在目标散射点个数失配时具有很好的鲁棒性.     

复合高斯杂波下抑制失配信号的自适应检测器

随着雷达分辨率的提高及擦地角的减小,海杂波幅度分布明显偏离瑞利分布,表现出很强的非高斯特性,复合高斯模型得到广泛应用。因此该文以复合高斯杂波为背景,研究当信号发生失配时的雷达目标检测问题。该文基于两步广义似然比(GLRT)检验,设计了复合高斯杂波下对失配信号具有选择性的自适应检测器。为了设计选择性检测器,在零假设下引入虚假干扰以修正原始二元假设,并假设该虚假干扰与实际目标信号在白化空间正交。该文提出的检测器对海杂波纹理分量及协方差矩阵恒虚警(CFAR)。最后利用仿真及实测海杂波数据,通过蒙特卡洛实验验证该检测器的有效性。实验表明,该文所提检测器有效提高了对失配信号的选择性,同时对距离扩展目标匹配信号的检测性能也有1～3 dB的提升。      

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。     

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.     

基于AR模型的距离扩展目标自适应检测器

针对非高斯杂波背景中扩展目标的检测问题,将自回归(AR)模型与广义杂波分组模型相结合,提出了基于AR的广义杂波分组模型。并在该杂波模型背景下,利用近似广义似然比检测(AGLRT)原理,结合迭代估计方法,提出了广义杂波背景下迭代近似广义似然比检测器(RAGLRT-GCC)。该检测器不需要利用辅助距离单元估计杂波协参数就可以实现目标的自适应检测。RAGLRT-GCC利用了杂波分组信息,有效提高了对稀疏扩展目标的检测性能。仿真结果表明,在相同检测概率下,RAGLRT-GCC性能优于现有的复合高斯杂波背景下迭代近似广义似然比检测器(RAGLRT-CG)。     

局部均匀背景中距离扩展目标的GLRT检测器及性能分析

在复合高斯杂波满足局部均匀的背景下,对均匀杂波分组模型进行推广,建立了广义杂波分组模型.进一步,利用广义似然比检验（GLRT）原理,提出了距离扩展目标的基于广义杂波分组的GLRT检测器（GCC-GLRT）,并推导了检测器虚警概率与检测门限关系的表达式.GCC-GLRT有效地解决了基于均匀杂波分组的GLRT检测器（CC-GLRT）在非均匀杂波分组背景下不具备CFAR特性的问题.仿真结果还表明,对于稀疏散射点目标,在合适的杂波分组情况下,GCC-GLRT能有效克服采用NSDD-GLRT检测器出现的“坍塌损失”,改善检测器的检测性能.     

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.     

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。      

空/时对称阵列雷达非高斯杂波背景下多秩距离扩展目标检测方法

针对多通道阵列雷达从实际杂波中检测目标场景,该文提出了一种面向多通道阵列雷达非高斯杂波背景的多秩距离扩展目标检测方法。首先,利用秩大于1的子空间矩阵和相应距离单元的坐标向量,建立了多秩距离扩展目标模型;然后,利用雷达接收单元空间或时间中心对称探测场景下杂波协方差矩阵的反对称结构信息,通过酉变换,采取广义似然比、Rao、Wald检验准则,构建待解参数小样本估计策略,设计了面向非高斯杂波背景的多秩距离扩展目标检测方法。最后,通过理论推导证明了所提检测方法相对于杂波协方差矩阵具有恒虚警特性。基于仿真数据和实测数据的实验结果表明,所提检测方法能够保证对杂波协方差矩阵具有恒虚警特性,此外,相较于现有检测方法,所提检测方法提升了小训练支持的目标检测性能,并且在导向矢量失配条件下,有效地改善目标检测的稳健性。      

SIRV杂波下距离扩展目标CFAR检测器

在球不变随机向量(SIRV,Spherically Invariant Random Vector)的非高斯杂波背景下,提出了一种新的距离扩展目标检测器.给出了检测参数的简易确定方法,推导了虚警概率与检测阈值的解析表达式,证明了所提检测器的恒虚警率特性.仿真实验表明,在参数设置合理情况下,所提出的检测器性能远好于已有的两种距离扩展目标检测器.另外,随着阵元数、目标散射点个数及杂波尖峰的增加,检测器的性能得到提高;且该检测器对第三门限的选取和不同的杂波相关性均具有很好的鲁棒性.     

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。      

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。      

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.     

Subspace detection for range and Doppler distributed targets with Rao and Wald tests

For the detection problem caused by the point target broken up into the distributed target in the high-range resolution radar system, adaptive detection algorithms based on the Rao and the Wald tests are proposed. The distributed target, which is modeled as a subspace random signal, may be distributed both in range and also in Doppler frequency axes. The clutter is modeled as a spherically invariant random process (SIRP). The unknown parameters are estimated by maximum likelihood estimation only under hypothesis H₀ in Rao test, while only under hypothesis H₁ in Wald test. Interestingly the proposed non-adaptive detectors from different deriving progresses have the same final form, which perform an incoherent processing over all the cells under test and ensure CFAR property with respect to the unknown statistics of the clutter texture component. In the end, performances of the proposed adaptive detectors are assessed through Monte Carlo simulations and are shown to have better detection performance compared with existing similar detectors.     

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.