非平稳环境下主动声呐检测器研究

针对在水下存在多途、混响及噪声边缘等非平稳背景条件下主动声呐检测器的检测性能,给出了一种变异指数的恒虚警率(Variability Index Constant False Alarm Rate,VI-CFAR)检测器。VI-CFAR结合了单元平均恒虚警率、最大选择恒虚警率和最小选择恒虚警率的检测算法,它在均匀平稳环境和非平稳环境下都具有较强的自适应性。理论分析和仿真结果表明,该检测器在均匀平稳背景下的检测性能与单元平均恒虚警率检测器相似,在多途、混响等干扰背景条件下具有较强的抗干扰能力,在噪声边缘背景下有较好的虚警概率控制能力且运算量小,是一种稳健的检测器。     

合成孔径雷达图像的恒虚警率目标检测

目的　对合成孔径雷达 (SAR)图像实施恒虚警率 (CFAR)目标检测 .方法　利用 K-Gamma和Weibull分布的杂波模型分别对海面和陆地的人造目标实施检测 ;同时 ,对不同杂波背景下 CFAR检测方法进行比较 .结果与结论　通过检测结果的比较 ,证实了 K-Gamma分布和 Weibull分布分别适合于海面和陆地杂波背景下的目标检测 ;在非均匀杂波背景中 ,有序统计量 (OS)较单元平均 (CA)方法具有优越性     

合成孔径雷达图像的恒虚警率目标检测

目的：对合成孔径雷达（SAR）图像实验恒虚警率（CFAR）目标检测，方法：利用K－Gamma和Weibull分布的杂波模型分别对海面和陆地的人造目标实验检测，同时，对不同杂波背景下CFAR检测方法进行比较。结果与结论：通过检测结果的比较，证实了K-Gamma分布和Weibull分布分别适合于海面和陆地杂波背景下的目标检测，在非均匀杂波背景中，有序统计量（OS）较单元平均（CA）方法具有优越性。     

非高斯混响背景下一种自适应CFAR检测器的研究

在浅海波导中混响是主动声纳系统的主要干扰,为了抑制混响,通常采用宽带发射信号和大孔径发射、接收阵。这两种方法都减小了混响的分辨单元．因此经波束形成和匹配滤波后提高了信混比。然而这也带来了负面影响,即分辨单元内混响包络的分布偏离了传统假设的瑞利分布,出现了高尾的非瑞利分布,导致匹配滤波器虚警概率提高。为了得到恒虚警检测器,需要对混响进行更精确的建模。通过理论和实际数据分析表明,利用多变量椭圆轮廓分布可以很好的建模浅海混响的统计特性。在混响建模为多变量椭圆轮廓分布模型的基础上,利用GLRT理论可以得到一种自适应CFAR检测器,通过实验数据分析,自适应CFAR检测器较之常规匹配滤波器,其信混比（SRR）可提高3dB。     

基于声呐历程累积图像的弱回波目标检测方法

针对浅海随机噪声与混响背景下蛙人等弱回波强度、慢速小目标的检测问题,提出一种基于声呐历程累积图像的目标检测方法。首先根据声呐图像时域、空域相关性,采用背景空时归一化处理技术,抑制声呐背景中的静态混响、突发性噪声等强回波干扰。声呐历程累积图像集成了多帧声呐图像的信息,目标回波亮点由于运动连续性形成亮线特征,利用该特征,采用Radon恒虚警率(Radon Constant False Alarm Rate,Radon-CFAR)检测声呐历程累积图像中的目标短时运动轨迹,能够检测到低信噪比的目标。分析了空时归一化处理和检测算法的性能,并通过海试数据验证了该算法的有效性,可以检测到低信噪比的蛙人目标回波。     

基于多背景杂波分布模型的自适应CFAR检测

针对现有的CFAR(Constant False Alarm Rate,恒虚警)算法采用全局建模,在待检测的所有区城采用同种背景杂波分布模型,导致使用的模型在不适应区域失配,使CFAR检测性能下降的现象,本文提出一种基于多背景杂波分布模型的自适应CFAR检测算法.该方法根据背景区域的不同统计特性即统计方差和均值比来判断...     

低频脉冲信号的频域恒虚警检测

为提高低频背景噪声中弱声呐脉冲信号的检测能力,给出了一种频域恒虚警检测方法。该方法针对低频背景噪声平稳性较差、起伏较大的特点,将频域中峰值点或极值点认为是疑似脉冲信号,通过对疑似点能量与历史背景进行比对的方式完成脉冲信号的检测判决,并且给出了相应的检验统计量获取方法、背景噪声估计方法和恒虚警检测门限的计算方法。仿真分析和实际数据处理结果表明,频域恒虚警检测方法对单频脉冲、单频-线性调频组合脉冲等包含窄带成分的弱声呐脉冲信号有非常好的检测性能。     

极化合成孔径雷达图像船舶目标检测算法

结合区域划分和结构检测模板提出了改进极化白化滤波(IPWF)算法,利用IPWF算法融合极化合成孔径雷达(POL-SAR)中各极化通道图像,同时抑制相干斑,然后利用双参数恒虚警率(CFAR)检测方法对融合后的图像进行船舶目标检测.本文利用香港地区SIR-C全极化单视复数据进行了实验,结果表明IPWF算法更好地降低了相干斑因子,提高了船舶目标的检测率、控制了虚警率,同时可以更好地保持船舶目标的结构信息.     

非瑞利混响背景下接收机工作特性曲线仿真

介绍了高分辨主动声呐的非瑞利分布混响的产生原因及几种典型的混响概率密度分布函数,并通过对混响概率密度分布函数的拖尾分析及其高阶统计量的比较,分析了检测过程中虚警概率增大的原因。此外,在窄带信号检测条件下,利用蒙特卡洛方法对瑞利分布和非瑞利分布混响背景下的接收机工作特性曲线进行了仿真。     

基于Anderson—Darling检验的恒虚警检测

提出一种基于Anderson-Darling检验的恒虚警检测方法(AD-CFAR),根据输入杂波特性,实现干扰杂波块删除、杂波分布检测,具有参考单元数可变、检测策略可变的特点,提高了检测器复杂杂波环境下的鲁棒性.检测算法应用K样本Anderson-Darling假设检验对输入杂波单元进行分块筛选,输出同分布杂波块,再经过单样本Anderson-Darling分布检验判断杂波分布类型,综合现有的检测技术,选择合理的检测策略.性能分析表明,在均匀杂波条件下,AD-CFAR具有近似CA-CFAR的检测性能,在多干扰目标、杂波边缘以及两者同时存在时具有良好的虚警性能和检测性能.     

基于声呐历程累积图像的弱回波目标检测方法

针对浅海随机噪声与混响背景下蛙人等弱回波强度、慢速小目标的检测问题,提出一种基于声呐历程累积图像的目标检测方法.首先根据声呐图像时域、空域相关性,采用背景空时归一化处理技术,抑制声呐背景中的静态混响、突发性噪声等强回波干扰.声呐历程累积图像集成了多帧声呐图像的信息,目标回波亮点由于运动连续性形成亮线特征,利用该特征,采...     

水下无人航行器自主检测方法研究

自主检测技术是实现水下无人航行器(Underwater Unmanned Vehicle,UUV)智能化的关键技术,是无人航行器能够自主执行水下预警、目标跟踪等任务的前提。针对当前基于均值类和有序统计类恒虚惊(Constant False Alarm Rate,CFAR)技术的自主检测方法在背景起伏严重、多目标情况下,背景噪声统计特性估计不准确、自主检测性能下降的问题,文章提出了一种基于方位-时间二维参考窗联合有序截断平均算法的自主检测方法。首先,该方法设计了一种方位-时间二维参考窗,解决了一维参考窗检测参考样本过少、噪声统计量估计不准的问题;其次,采用有序截断平均算法估计背景噪声统计量,对起伏背景进行均衡;最后,利用背景噪声均值和方差构造恒虚警检测器,采用检测前跟踪技术,实现起伏背景下、多目标自动检测与跟踪。湖上试验结果表明,在水下无人航行器的自噪声干扰下,该方法对多目标依然具有较好的自主检测效果。     

Constant false-alarm rate algorithm based on test cell information

A new constant false-alarm rate (CFAR) detection algorithm, designated as switching CFAR (S-CFAR), is proposed and analysed. The S-CFAR algorithm selects CFAR reference samples using the magnitude of the sample in the cell under test, which is an information that has not been exploited in any other existing CFAR detectors. S-CFAR closed-form analysis is presented, and comparisons with other representative CFAR algorithms are given. An S-CFAR detector can be tuned such that it has a small CFAR loss when operating on a homogeneous background while achieving improved robustness in the presence of interfering targets and clutter power transition. The S-CFAR detector is also simple to design and implement since no sample ordering is required.     

混响背景下提高信号检测性能的时空处理算法

优化与约束空域处理算法（SPOC）是一种用于提高被动声纳方位分辨力的自适应波束形成算法。在对SPOC算法性能分析基础之上,将其应用于主动声纳检测技术中,针对浅海混响环境下信号检测难的问题,提出了一种结合信号方位方差加权的SPOC多拍时空处理检测算法,实验数据处理结果证明此算法可有效地抑制混响,提高了混响起伏背景下信号的检测性能,并使输出背景最为＂平坦＂。     

阵列信号维纳滤波用于主动声呐图像增强处理

声呐图像的噪声背景抑制是提高水下目标检测能力的重要问题。针对声呐图像背景斑点噪声强、目标轮廓模糊、目标回波对比度低等问题,利用确定性目标回波信号与随机分布的干扰噪声之间的相关统计特性差异,采用基于最小均方差准则的阵列信号维纳滤波器,通过主动最小方差无畸变响应（Minimum Variance Distortionless Response,MVDR）波束形成和后置维纳滤波的两级处理,去除声呐随机噪声背景。试验数据的处理结果表明：在噪声干扰条件下,相比于常规波束形成（Common Beamforming,CBF）,主动MVDR处理提高了目标回波的局部信噪比,后置维纳滤波处理降低了随机分布的斑点噪声,使声呐图像的清晰度得到增强。     

基于小波域多分辨率MRF的声呐图像目标分割

声呐图像受噪声影响严重,分辨率低,传统算法对其目标分割效果较差,为此,提出了小波域多分辨率MRF模型的声呐图像分割算法。小波域多分辨率分析有利于提取声呐图像弱特征信息;每一分辨率中的观测特征采用高斯混合模型建模,尺度内同标记的观测特征用高斯模型建模,用各向同性的双点多级逻辑(Multi-Level Logistic,MLL)模型建模每一尺度的标记场;最后,用迭代条件模式(Iterated Conditional Mode,ICM)实现多分辨率马尔可夫随机场(Multi-Resolution Markov Random Field,MRA-MRF)中能量函数的最优解,获取标记场,完成声呐图像分割。从视觉效果和定量分析两方面验证。对比实验的结果表明,该文算法能有效地提取声呐图像的弱目标信息,较好地将目标区域和背景区域分割出来,具有较高的分割精度和鲁棒性。