基于深度学习算法的三维激光雷达主动成像目标检测

为了提升目标检测效果，设计基于深度学习算法的三维激光雷达主动成像目标检测方法。利用深度学习算法的生成对抗网络，剔除三维激光雷达主动成像过程中的杂波干扰，得到无杂波干扰的目标三维图像；设计生成模型与对抗模型的损失函数，利用端到端深度神经网络的点云编码层，在无杂波干扰的目标三维图像内，提取目标三维图像特征，并输入目标检测层内；通过目标检测层输出目标检测候选框，利用非极大值结合混合置信度，确定最终目标检测框，完成三维激光雷达主动成像目标检测。实验结果表明：该方法可有效剔除杂波干扰，得到无杂波干扰的目标三维图像；该方法可有效完成三维激光雷达主动成像目标检测，且在不同目标运动模糊长度像素时，该方法目标检测的交并比均高于阈值，说明该方法的目标检测精度较高。     

基于俯仰维信息的机载气象雷达目标检测

机载气象雷达系统能够在飞行中实现对气象目标的探测。然而,近地气象目标易受到强地杂波干扰,从而导致目标信息的缺失和检测虚警。为了实现地杂波背景中气象目标的准确检测,本文提出了一种基于俯仰通道干涉相位的空域气象目标检测技术。首先利用俯仰双通道系统获取雷达回波数据,经过多视处理后生成干涉相位图,对干涉相位图进行干涉相位补偿后得到待检测的干涉相位数据;然后将干涉相位作为检验统计量,解析高斯杂波背景下地杂波与气象目标的干涉相位统计特性;最后嵌入该统计特性至恒虚警率检测器中,实现气象目标的鲁棒检测。多组仿真与实测数据处理结果表明,相较于其他气象目标检测方法,所提方法具有更高的检测概率和更好的鲁棒性。     

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.     

线性调频航管雷达风电场杂波背景下目标检测

传统动目标检测(Moving Target Detector, MTD)技术无法抑制具有频谱展宽特性的风电场杂波,可能导致目标检测概率下降和虚警率上升等问题。针对此问题,提出了一种线性调频航管雷达风电场杂波背景下的目标检测方法。该方法先进行风电场杂波抑制,再对杂波抑制后的数据基于MTD进行飞机目标检测。文中给出的风电场杂波抑制方法中,首先将传统谱中心补偿的风电场杂波抑制方法应用到线性调频体制雷达,针对此时存在的旁瓣抑制后的主瓣展宽问题,利用雷达参数信息优化恒虚警率(Constant False-Alarm Rate, CFAR)检测方法,再根据目标与杂波相对位置不同采用不同的方法抑制杂波。对于目标与杂波扩展主瓣在不同距离单元时,基于谱中心补偿及基于雷达参数的CFAR检测方法来检测并抑制风电场杂波;对于目标与杂波扩展主瓣在相同距离单元的情况,基于匹配追踪（Matching Pursuit,MP）算法抑制风电场杂波。仿真数据与实测数据实验结果表明该方法在保证有效检测目标的前提下能降低风电场杂波引起的虚警率。      

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。      

基于多普勒频偏估计的单帧图像低速运动目标检测方法

常用的图像域运动目标检测跟踪方法对虚警率较敏感,当虚警率较高时,目标检测跟踪的实时性受限。为了降低目标初始检测的虚警率,进而提高目标检测跟踪的实时性,该文提出一种基于多普勒频偏估计的单帧图像低速运动目标检测算法,通过发射多普勒不敏感的LFM脉冲对,忽略多普勒效应对成像结果的影响,但在图像域检测的同时,利用目标回波的多普勒频偏信息进行静目标和杂波亮点的剔除,基于单帧数据,减小运动目标检测的虚警率,实现单帧图像的运动目标检测,从而为目标跟踪奠定良好基础。该算法首先进行图像域的恒虚警检测,再利用宽带时域波束形成和复相关频率测量法,对检测亮点处的波束输出信号进行多普勒测频,仅通过单帧图像就可有效剔除静目标和杂波亮点。同时为了改善宽带时域波束形成的性能,利用2阶锥规划设计滤波器的系数,用9阶FIR滤波器实现了0.01倍采样点的小数时延,提高了多普勒频偏的估计精度。最后通过计算机仿真和水池试验验证了所提算法的有效性。     

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。      

一种海杂波背景下快速小目标的检测方法

对某型舰载搜索雷达采集的海杂波数据进行了简要的海杂波频谱分析,并对有船只和无船只的海域回波信号频谱作了对比,采用动目标检测（MTD）和频域杂波图恒虚警处理来抗海杂波,并针对频域杂波图恒虚警处理中虚警率增加的问题,提出了频域杂波图恒虚警与单元平均恒虚警级联的改进方案。     

基于投影降维的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,是复杂地面背景下车辆识别的有效手段。提出了一种基于投影降维的快速激光雷达目标识别方法,对检测后提取的疑似目标三维点云数据进行投影降维,得到数字表面模型(DSM)数据,根据轮廓相似性度量值以及尺寸相似度量值构成的组合识别准则进行目标识别。采用8组地面装甲目标的仿真点云数据进行实验,实验表明算法的目标型号识别率高于90%,实时性远优于传统算法。针对实际应用需求,进一步研究了点云空间分辨率,激光雷达成像系统误差对目标识别的影响。     

基于深度图的三维激光雷达点云目标分割方法

三维激光雷达广泛应用在智能车系统中,点云目标分割是智能车环境感知中的关键技术。针对目前三维激光雷达点云目标分割算法实时性和准确性不高的问题,提出一种基于深度图的点云目标快速分割方法。将点云数据表示为深度图,建立深度图与点云数据的映射关系。利用激光雷达扫描线的角度阈值去除地面点云数据,结合深度图和自适应参数改进的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对非地面点云进行聚类分割。实验结果表明该方法相对于传统聚类算法在时间效率上有很大的提升,且能较好地降低欠分割错误率,分割准确度提升10%,达到了85.02%。     

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。     

杂波图CFAR平面技术在均匀背景中的性能

典型的杂波图恒虚警检测技术常被用于时域平稳、空域变化较剧烈的杂波环境。它在每个杂波图单元处都形成一个独立的检测阈值,于是被称为杂波图ＣＦＡＲ点技术。而沈福民提出了一种杂波图ＣＦＡＲ平面技术的构想。这是一种在时空两维变化都比较平稳的杂波环境情况下尤为适用的杂波图ＣＦＡＲ检测技术,我们将其称为面技术。本文具体推导了这种技术在时空两维都均匀的背景中的检测性能表达式,并同杂波图点技术的性能进行较细致的分析     

一种复杂环境下改进的SAR图像双边CFAR舰船检测算法

双边恒虚警率(BCFAR)检测算法通过高斯核密度估计器计算出合成孔径雷达(SAR)图像的空间信息,并将它与图像的强度信息相结合得到联合图像以进行目标检测。相较于只使用强度信息来进行目标检测的经典CFAR检测算法,双边CFAR有着更好的检测性能和鲁棒性。然而,在复杂环境下出现连片的高强度异质点时(例如防波堤、方位模糊和幻影等),核密度估计器计算出的空间信息会出现较多误差,这会导致检测结果中出现大量虚警。此外,当遇到相邻像素点间相似度较低的弱目标时,双边CFAR会发生漏检。为了有效改善这些问题,该文设计一种复杂环境下改进的SAR图像双边CFAR舰船检测算法(IB-CFAR)。该文所提IB-CFAR主要分为3个阶段来实现,分别为基于非均匀量化法的强度层级划分、强度-空间域信息融合、杂波截断后的参数估计。基于非均匀量化法的强度层级划分可以提升弱目标的相似度和对比度信息,从而提升舰船检测率。强度-空间域信息融合在于将空间相似度、距离向和强度等信息进行融合,在进一步提升检测率的同时对舰船的结构信息进行精细化描述。杂波截断后的参数估计可以去除背景窗口中连片的高强度异质点,最大限度地保留真实海杂波样本,使参数估计更加精确。最后,根据估计出的参数建立精确的海杂波统计模型以进行CFAR检测。该文使用高分3号和TerraSAR-X数据来验证该算法的有效性和鲁棒性。实验结果表明,所提出的算法在包含较多密集分布的弱目标环境下表现良好,在此类环境下能获得97.85%的检测率和3.52%的虚警率,相比于现有的检测算法,检测率提升了5%,并且虚警率降低了10%,但在弱目标个数较少且背景十分复杂的环境下,则会出现少量虚警。      

基于灰度相关性的SAR图像联合CFAR舰船检测算法

分析了中高分辨率SAR海洋图像的目标和海杂波特点,利用了SAR海洋图像中舰船目标的灰度相关性、形状特性以及舰船目标与背景杂波的信杂比特性,提出了一种基于灰度相关性的联合CFAR舰船检测算法。算法综合利用了舰船目标内部相邻像素间的灰度强相关性和舰船目标和海杂波的信杂比,建立了海杂波区域内相邻像素间灰度值的二维对数正态分布来实现联合CFAR检测。该算法能够改善斑点噪声和背景局部不均匀对检测带来的虚警,检测效果相比于传统检测算法更加优越。     

基于多特征联合的高分辨率SAR图像机动目标快速获取

提出了一种高分辨率SAR图像机动目标快速获取方法.该方法首先利用SAR图像中的对比度信息采用CFAR检测以确定图像中潜在目标区域的位置,然后提取每一个潜在目标区域的尺寸特征、形状特征以及对比度特征进行基于投票机制的目标鉴别,从而滤除自然杂波虚警以及部分人造杂波虚警.实测数据的结果证明了该方法的有效性.     

基于InGaAs单光子探测器的线阵扫描激光雷达及其光子信号处理技术研究

随着探测体系的发展,基于单光子探测技术的光子计数激光雷达受到了广泛关注,有效降低了系统对激光功率的需求,广泛应用在远距离测距及成像领域。针对激光雷达在人眼安全波段的工作需求,基于自由运转模式InGaAs/InP SPAD单光子探测器设计了一套多元收发的远程线阵光子计数激光雷达扫描成像原型系统,对探测器在日光背景下的探测概率影响因素展开了分析,配合主动淬灭电路设计及工作温度、偏压调整获得了系统的最佳工作点,并针对扫描视场中孤立目标特征采用了点云滤波及后脉冲预处理算法,将单个接收通道的原始数据率由200 kbps量级降低至小于1 kbps。与记录单次回波相比,单个测距周期记录四次回波可将有效数据量提升约5%。同时也对探测器的噪声及后脉冲等特性进行了分析。该系统工作波段为1 550 nm,探测器线阵规模可达到128元,激光重频为20 kHz,可在2 s内实现水平200°范围内的激光三维成像,作用距离>3 km。经过成像算法处理,该系统在日光条件下成功实现多距离目标三维成像,成像目标清晰。     

改进的SAR图像双参数CFAR舰船检测算法

双参数CFAR检测中设置了目标窗口、保护窗口和背景窗口3个窗口,并且窗口的大小,滑动步长都要进行经验训练得到,效率低,对距离很近的舰船SAR图像会产生漏检。针对这些不足, 该文提出了一种改进的双参数CFAR检测算法,该算法只取目标窗口和背景窗口,通过把泄露到背景窗口中的舰船部分去除并对背景窗口中的剩余部分进行均值和方差估计来检测舰船,并且将窗口滑动步长取为目标窗口尺寸。相对双参数CFAR算法,结构得到了简化,检测结果的虚警率减小, 对距离很近的舰船不会产生漏检, 计算效率得到了改善。仿真结果表明了方法的有效性。     

恒虚警极化自适应子空间检测器

本文研究了在未知统计特性的局部均匀高斯杂波环境中的相干雷达极化自适应目标检测问题.基于广义似然比检验提出极化自适应子空间检测器,并推导出虚警概率和检测概率的理论表达式.研究结果证明该算法在均匀杂波环境和局部均匀杂波环境都有恒虚警的性质.比较了均匀杂波环境下极化自适应子空间检测器、极化广义似然比检验和极化自适应匹配滤波器算法的检测性能,仿真分析了不同极化状态局部均匀杂波环境下极化自适应子空间检测器算法在的检测性能.     

Heterogeneous performance evaluation of sophisticated versions of CFAR detection schemes

The detection of radar targets in a background, the statistical parameters of which are unknown and may not be stationary, can be effectively achieved through CFAR processors. The CA-CFAR scheme performs optimally for homogeneous and exponentially distributed clutter observations. However, it exhibits severe performance degradation in the presence of outlying target returns in the reference set or in regions of abrupt change in the background clutter power. The OS-CFAR processor has been proposed to solve both of these problems. Although this processor may treat target multiplicity quite well, it lacks effectiveness in preventing excessive false alarms during clutter power transitions. The TM-CFAR algorithm, which implements trimmed averaging after ordering, can be considered as a modified version of OS technique. By knowingly trimming the ordered samples, the TM detector may actually perform better than the OS processor. To simultaneously exploit the merits of CA, OS, and TM schemes, two combinations namely CAOS and CATM have been suggested. Each one of these versions optimizes good features of two CFAR detectors, depending on the characteristics of clutter and searched targets, with the goal of enhancing the detection performance under constant level of false alarm. It is realized by parallel operation of two standard types of CFARschemes. Our goal in this paper is to analyze these two developed versions in heterogeneous situations, to show to what extent they can improve the behavior of the conventional CFAR processors.     

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。