基于加权广义匹配滤波联合SVDD的FOD检测算法

利用毫米波雷达进行机场跑道异物(FOD)检测是当前民航安全领域的一种流行解决方案。由于非均匀杂波的存在，传统基于恒虚警率的检测方法存在虚警率过高、检测性能较差的问题。文中提出一种加权广义匹配滤波(WGMF)联合支撑向量数据描述(SVDD)的FOD检测方法。首先，利用WGMF对雷达记录的FOD回波数据进行预处理，实现杂波抑制的同时降低虚警概率；然后，对回波数据提取双谱特征，实现数据由原始回波域向差异性更大的特征域的转变；最后，利用SVDD一类分类器实现FOD检测。在某机场跑道真实场景开展验证实验，结果表明所提方法能够有效降低虚警概率，提升检测性能。     

毫米波雷达机场跑道异物分层检测算法

强杂波背景下的弱小静止目标检测是毫米波机场跑道异物(FOD)检测雷达面临的核心问题。该文提出一种基于功率谱特征和支持向量域描述(SVDD)一类分类器的FOD分层检测算法。该算法首先利用杂波图恒虚警率(CFAR)检测器对复杂背景杂波进行杂波对消处理,针对对消后虚警过多的问题,对对消后的数据提取功率谱特征,将其转换到特征域,最后利用SVDD一类分类器在特征域实现对FOD和虚警的分类。基于实测数据的试验结果表明所提方法可以获得较好的检测性能。     

基于Duffing振子的机场异物自动判决算法

基于毫米波雷达的机场异物(FOD)检测技术具有高分辨率和低功耗的特点,但是传统恒虚警(CFAR)类检测算法在低信杂比(SCR)情况下虚警过高.该文提出一种基于Duffing振子的FOD检测算法.该算法首先利用杂波图CFAR检测算法将雷达接收机接收回波中的背景杂波初步分离,获得目标(包含虚警)的距离信息,并利用该信息构造Duffing方程,之后将此方程作为系统检测模型,输入接收回波信号,求解输出信号方差,采用方差极值法区分目标和虚警.仿真结果表明,在低信杂比情况下,即使虚警概率为10-3,该文检测算法也可以降低虚警率,实现目标与虚警的自动判决.与传统CFAR检测算法相比,该算法的检测概率高于传统检测算法且随信杂比的下降减小速度缓慢,即使在信杂比-30 dB的情况下所提算法仍然可以保持84％的检测概率.     

基于Duffing振子的机场异物自动判决算法

基于毫米波雷达的机场异物(FOD)检测技术具有高分辨率和低功耗的特点,但是传统恒虚警(CFAR)类检测算法在低信杂比(SCR)情况下虚警过高。该文提出一种基于Duffing振子的FOD检测算法。该算法首先利用杂波图CFAR检测算法将雷达接收机接收回波中的背景杂波初步分离,获得目标(包含虚警)的距离信息,并利用该信息构造Duffing方程,之后将此方程作为系统检测模型,输入接收回波信号,求解输出信号方差,采用方差极值法区分目标和虚警。仿真结果表明,在低信杂比情况下,即使虚警概率为10–3,该文检测算法也可以降低虚警率,实现目标与虚警的自动判决。与传统CFAR检测算法相比,该算法的检测概率高于传统检测算法且随信杂比的下降减小速度缓慢,即使在信杂比–30 dB的情况下所提算法仍然可以保持84%的检测概率。     

基于SVDD的认知无线电网络仿冒主用户检测技术

为了解决传统主用户感知技术无法检测认知无线电网络中的仿冒主用户(PUE)攻击问题,提出了一种基于支持向量数据描述(SVDD)的 PUE 检测方法.该方法将 PUE 攻击检测建模为一个数据不平衡的单类分类问题,采用高效的 SVDD 算法,在对 PUE 攻击一无所知的情况下,仅利用认知无线电网络中的合法用户数据训练单类分类器.将待测样本输入训练后的分类器即可实现 PUE 攻击检测.理论分析和仿真结果表明,利用该方法进行 PUE 攻击检测,可以获得较低的虚警率和漏检率.     

基于LMS算法的FOD雷达射频泄露对消技术

针对机场跑道异物(FOD)探测系统中毫米波调频连续波(FMCW)雷达的射频泄漏问题,研究射频泄漏对消技术。分析了毫米波FMCW雷达中射频泄漏的产生原因,阐述了泄漏信号对FOD检测系统的影响。通过分析自适应滤波的原理,并结合毫米波FMCW雷达的特点,提出了一种基于最小均方误差(LMS)算法的自适应对消技术。仿真验证了该对消方案算法实现的可行性,同时分析了对消方案中数字信号处理(DSP)响应时间对FOD系统性能的影响。仿真实验结果表明,该对消系统的对消比可达到45 dB左右,可实现高精确度对消。     

基于SVDD的半监督入侵检测研究

提出了一种基于SVDD的半监督入侵检测算法.该算法利用少量有标记正常网络数据建立两个SVDD分类器,通过相互学习来挖掘未标记数据中的隐含信息,扩大有标记正常网络数据的数量.再利用所有已标记正常网络数据用不同的单分类方法建立多个单类分类器,通过集成学习的方法得到最终的分类器.实验表明,该算法具有良好的识别性能.     

区域生长在跑道异物检测中的应用

机场跑道异物检测是保障机场及飞行器安全的重要内容,针对边灯式FOD雷达在杂波区域常规检测算法异物检测能力差的问题,文章提出了一种基于图像的区域生长杂波区域目标提取算法。文章首先分析了区域生长方法的原理和生长流程;其次,通过仿真验证了区域生长方法对特征区域提取的有效性;最后,将区域生长方法应用到跑道雷达异物检测中。实测试验结果表明,该方法能够有效抑制雷达杂波区域的虚假目标,降低机场跑道异物(FOD)检测系统虚警,提高雷达目标发现能力。     

毫米波汽车防撞雷达恒虚警率门限设定方法

首先通过时频方法分析了毫米波汽车防撞雷达的实测数据，根据实际分析得到的杂波分布规律提出一种毫米波汽车防撞雷达的门限设计方法，它能够根据背景杂波功率的变化进行自动的改变门限使毫米波汽车防撞雷达的虚警率保持恒定，并且给出了利用该方法进行门限设定时实际的测试结果．同时给出了该自适应恒虚警器的性能分析，结果表明这种方法在实际工程中完全可行．     

非高斯背景下跑道异物监测雷达的杂波图CFAR技术

随天线扫描呈时变性的强地杂波是影响机场跑道异物检测的主要原因之一,传统的杂波图恒虚警检测方法在处理非高斯分布杂波时目标检测能力很差。文中提出一种双参数杂波图恒虚警率(CFAR)检测方法,首先分析了跑道场景和雷达系统特性,根据调频连续波雷达体制建立了接收信号模型;然后通过非相参积累、双参数估计、一阶递归滤波等处理,对每次扫描测量值的样本均值和样本方差分别进行时域迭代平均,获得检测门限阈值,实现了对非高斯背景杂波中跑道异物的CFAR检测;最后进一步分析了影响检测性能的主要参数。     

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。      

一种基于修正激活函数的CNN车载毫米波雷达目标检测方法

为了提高车载毫米波雷达在复杂城市道路环境中目标检测的抗杂波与干扰能力,本文利用卷积神经网络（CNN）特征参数提取和目标分类特性,提出了一种改进的基于CNN的车载毫米波雷达目标检测方法。该方法首先将毫米波雷达回波信号距离-多普勒二维数据运用滑窗进行分割,并采用CNN网络模型处理分割后的二维矩阵,训练二维CNN网络模型及其参数,使其具有提取回波特征并基于特征参数模型进行目标分类的能力,从而实现目标检测功能。通过对卷积神经网络模型结构进行优化,增加批量归一化层,优化Dropout层使得低权重特征失活,自适应地删减部分神经元节点修正该层非线性激活函数,进一步降低了CNN模型目标检测的虚警概率。实验结果表明,在相同虚警概率条件下,CNN网络检测方法目标发现概率优于传统的单元平均恒虚警检测方法,并且在低信噪比的条件下仍然能够保持较高的发现概率;在同等发现概率水平下,修正后CNN网络检测方法的虚警概率较修正前可提高约1个数量级。     

雷达海上目标双通道卷积神经网络特征融合智能检测方法

受复杂海洋环境影响,基于统计理论的海面目标检测方法由于假设条件不成立,在实际应用中难以实现高性能检测,本文从特征提取分类角度,通过深度学习分类方法对目标和杂波的雷达回波信号进行二元分类,提出了一种基于双通道卷积神经网络(DCCNN)的雷达海上目标智能检测方法。首先,对实测海杂波和目标雷达信号进行预处理,得到信号的时间-多普勒谱和幅度信息;然后,构建DCCNN对预处理得到的数据进行智能特征提取,得到信号的特征向量,并对不同特征提取模型性能进行测试;最后,通过阈值可设的Softmax分类器作为检测器对特征向量进行分类,实现虚警率的控制。测试结果表明:与传统的单通道CNN以及无虚警控制Hog-SVM分类算法相比,基于二维卷积核VGG16和一维卷积核LeNet的DCCNN特征提取模型和softmax分类器可实现更高的检测性能,并可以实现虚警率控制,为复杂海杂波背景下目标智能检测提供了新的技术途径。     

降低船用连续波雷达虚警概率的海杂波抑制方法

为了解决海杂波引起的船用连续波雷达虚警概率增大,以及海杂波抑制算法工程应用难度大的问题,提出了一种工程实用的海杂波抑制方法。首先,通过双参数删除型CFAR检测算法和统计检测算法进行二次检测;然后,依据邻近帧之间目标回波相关性较强和片状海杂波相关性较弱的特点进行帧间处理。仿真和海上实验均表明,应用该方法的船用连续波雷达可以降低不同强度的海杂波背景下的虚警概率。     

基于特征的海面低速小目标检测工程算法

为了提高海面雷达对海漂浮小目标检测能力,提出了一种基于目标时频特征的检测算法。首先,验证了从接收的时间序列中提取的相对多普勒峰高、相对多普勒偏移、相对多普勒熵等特征在时间维度上可以有效地区分海杂波和小目标;其次,构造了特征检测器,给定虚警概率下的判决区域由凸包算法确定;最后,根据实测数据对算法进行了检验。结果表明：当虚警概率为0.01时,采用双特征检测器可在512个脉冲下完全区分海杂波和实测小目标,双特征检测算法优于传统动目标检测算法。     

基于特征排名的图像隐写分析算法

为提高用于隐写分析的集成分类器的检测精度,提出一种基于特征排名的隐写分析算法。首先计算每维检测特征的互信息得分并根据得分高低将特征进行排名,然后设置分界点将特征分为重要特征区域与普通特征区域,依据设定的抽样比例从两个区域随机抽取特征组成不同的特征子空间并训练集成分类器。最后使用集成分类器进行分类。实验结果表明,针对使用nsF5及S-UNIWARD算法进行隐写的频域及空域图像,本算法较传统分类器在检测错误率方面分别平均下降约0.006 5和0.006 2,具有较好的检测效果。针对频域与空域中两种不同的隐写算法,与传统的集成分类器相比,该算法具有更高的检测精度。     

基于变周期梯形毫米波二维配对多目标检测算法

毫米波FMCW雷达体积小、工作频带宽、分辨率高且抗干扰性能强,基于毫米波雷达的多目标检测算法是目前研究热点。但现有的基于FMCW的雷达多目标检测算法存在大量虚警、漏检的问题。文中研究了梯形调频连续波的发射波形并分析了典型的梯形多目标匹配算法,在此基础上结合频域-二维配对法对发射波形及多目标算法加以改进,提出了改进变周期梯形波及多目标检测算法,提高了多目标识别的准确度。