一种非均匀场景复合高斯杂波下的自适应检测器

该文考虑一种非均匀环境中,复合高斯杂波下的目标检测问题,即待检测单元杂波协方差矩阵与参考单元杂波协方差矩阵之间并不相等,且杂波数据满足复合高斯统计分布模型。利用已知的先验信息,选择合适的先验分布,基于贝叶斯方法,该文给出了杂波协方差矩阵的最小均方误差估计,并将其应用于正则化匹配滤波器检验。计算机仿真结果表明,采用该文提出的杂波协方差估计算法,能够在参考数据较少的情况下,获得较好的检测性能。     

无参考数据的分布目标知识辅助检测

该文利用待检测单元杂波协方差矩阵的先验信息，基于贝叶斯方法，研究无参考数据条件下的分布目标的知识辅助检测问题。首先针对非均匀场景，假定各个距离单元杂波协方差矩阵依概率1不相等，给出了广义似然比检验和最大后验-广义似然比检验两种检测器。然后针对均匀杂波场景，给出了单步和双步广义似然比检验两种检测器。进一步利用计算机仿真分析了先验模型失配条件下的检测器性能。分析结果表明，先验模型参数u较小时，检测器性能与先验模型匹配程度密切相关。当u趋于无穷大时，该文给出的几种检测算法性能趋于相同。     

非高斯杂波中知识辅助的信号检测算法

杂波的非高斯性会严重影响到常规信号检测算法的性能,提高非高斯杂波中信号检测性能是雷达信号检测领域的一个研究重点。本文考虑了一种在非高斯杂波中,利用先验信息进行信号检测的方法。假定杂波统计特性满足复合高斯模型,即可以表示为散斑分量与纹理分量的乘积。选择逆伽马分布作为纹理分量的先验分布,基于贝叶斯方法,给出了一种知识辅助的信号检测算法。计算机仿真结果表明,该检测算法的检测性能优于常规的自适应检测算法。进一步,本文采用McMaster大学的IPIX雷达海杂波数据作为研究对象,利用最大似然估计获得杂波非高斯性的先验信息,分析了该算法在实测数据中的检测性能。分析结果表明,在不同的雷达分辨率海杂波中,该算法也具有较好的检测性能。      

一种稳健的机载面阵雷达非均匀杂波抑制方法

在非均匀杂波和密集目标环境下,由于没有足够的独立同分布(IID)训练样本,传统空时自适应处理(STAP)方法的杂波抑制性能严重下降。针对以上问题,该文提出一种对阵元误差稳健的机载面阵雷达非均匀杂波抑制方法。该方法首先根据雷达系统参数先验知识构造杂波表示基矩阵。然后在考虑阵元误差的情况下,基于最小二乘准则迭代地估计杂波表示系数和阵元误差,最后利用估计得到的最优杂波表示系数和阵元误差直接在阵元脉冲域进行杂波对消。该方法无须估计待检测单元统计特性;没有孔径损失;不需要训练样本;即使在距离模糊情况下也能有效地抑制密集目标环境下机载面阵雷达回波数据中的非均匀杂波。仿真结果验证了该文方法的有效性。     

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。      

基于稀疏重构的机载雷达KA-STAP杂波抑制算法

机载雷达非均匀杂波环境下的空时自适应处理（STAP）算法会因杂波协方差矩阵估计不准导致其杂波抑制性能下降。传统知识辅助 STAP (KA-STAP)算法性能依赖于先验知识的准确程度以及配准精度,先验信息的失配可能会导致算法性能恶化。本文提出一种基于稀疏恢复技术构造杂波加噪声协方差矩阵的KA-STAP算法。该算法不依赖于先验信息,首先利用稀疏贝叶斯学习技术通过少量回波样本估计出稳健的辅助协方差矩阵,然后结合采样协方差矩阵进行空时处理。在小样本非均匀杂波场景下,该算法的输出性能优于传统KA-STAP算法。仿真结果表明了本文方法的有效性。     

非高斯相关杂波背景下雷达目标检测方法研究

在非高斯相关杂波背景下,基于MTD(Moving Target Detection)的雷达目标检测性能严重下降。针对该问题,根据Alpha稳定分布杂波模型、分数低阶统计量理论,以输出信杂比最大为准则,提出了一种适用于非高斯相关杂波背景的雷达目标检测方法。该方法通过分解信号分数低阶协方差矩阵,计算等效杂波分数低阶协方差矩阵特征向量,得到最佳滤波器系数。通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与基于MTD的检测方法进行了比较,结果表明,在非高斯相关杂波背景下,所提方法的检测性能明显优于传统的MTD。      

基于CUT自身先验知识的STAP

在空时自适应处理（STAP）中,通常使用训练样本来估计杂波协方差矩阵（CCM）。在本文中训练样本仅用来估计部分杂波协方差矩阵,大部分杂波协方差矩阵由待检测单元（CUT）计算。注意到CUT具有先验知识：只有待检测的频率通道可能包含目标信号,而其他频率通道只有杂波。因此,提出了一种基于CUT先验知识的STAP方法。这种方法将待检测单元的杂波分为两部分来重建：第一部分是待检测频率通道的杂波成分,该部分可能混有目标信号,因此通过训练样本来估计;第二部分是其他频率通道中的杂波,这部分可直接从CUT中提取,不需要估计。     

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.     

基于子频带黎曼距离的海杂波背景下目标检测

海杂波背景下的目标检测对军事和民用均具有重要意义，是雷达信号处理领域的研究热点与难点。传统广义似然比检测器在具有较强空间非均匀特性的海杂波中检测性能明显下降。文中提出基于子频带黎曼距离的检测器。首先，利用一组线性相位离散傅里叶变换调制滤波器将回波分解到不同子频带；随后，在每个子频带中，利用参考单元数据在Hermitian正定矩阵流形上的几何均值或几何中值估计杂波协方差矩阵，将待检测单元协方差矩阵与杂波协方差矩阵之间的黎曼距离作为检测统计量。基于仿真杂波数据和实测海杂波数据验证了所提方法可以有效提高海杂波背景下的目标检测性能。     

基于最大似然估计的机载双基地雷达距离模糊杂波抑制方法

针对存在距离模糊情况下机载双基地雷达杂波抑制的难题,本文分析了存在距离模糊时机载双基地雷达的杂波特性,提出了一种基于最大似然估计的机载双基地雷达距离模糊杂波抑制方法.该方法首先通过最大似然估计对训练样本所包含的各个模糊距离环的杂波幅度进行估计,然后通过非均匀采样重构待检测距离门及其模糊距离环的杂波数据,再由重构的杂波数...     

AR-model-based adaptive detection of range-spread targets in compound Gaussian clutter

In this paper, we consider the problem of adaptive detection for range-spread targets with known Doppler and unknown complex amplitude in compound Gaussian clutter. The speckle component of the clutter is modeled as an autoregressive (AR) process. By using the generalized likelihood ratio test (GLRT) approach, we will first estimate the AR parameters and the unknown complex amplitude, and then propose an adaptive AR-based GLR detector. The performance assessments are presented too. The computer simulations show that the proposed detector, without a priori information of the covariance matrix, has the same asymptotical performances as the two-step GLR-based detector with known covariance matrix.     

MIMO Radar Detection in Non-Gaussian and Heterogeneous Clutter

In this paper, the generalized likelihood ratio test-linear quadratic (GLRT-LQ) has been extended to the multiple-input multiple-output (MIMO) case where all transmit–receive subarrays are considered jointly as a system such that only one detection threshold is used. The GLRT-LQ detector has been derived based on the Spherically Invariant Random Vector (SIRV) model and is constant false alarm rate (CFAR) with respect to the clutter power fluctuations (also known as the texture). The new MIMO detector is then shown to be texture-CFAR as well. The theoretical performance of this new detector is first analytically derived and then validated using Monte Carlo simulations. Its detection performance is then compared to that of the well-known Optimum Gaussian Detector (OGD) under Gaussian and non-Gaussian clutter. Next, the adaptive version of the detector is investigated. The covariance matrix is estimated using the Fixed Point (FP) algorithm which enables the detector to remain texture- and matrix-CFAR. The effects of the estimation of the covariance matrix on the detection performance are also investigated.      

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。      

复合高斯杂波条件下存在干扰时的反对称贝叶斯检测器

该文对复合高斯杂波条件下存在干扰时的目标检测问题进行研究。针对自适应检测器需要一定数目独立同分布训练样本才能保证较好的检测性能,利用接收天线的反对称结构以及引入杂波协方差矩阵的先验信息的方法,利用两步广义似然比检验准则提出了该背景下的贝叶斯检测器。仿真结果表明,该文提出的检测器在训练样本数较少时具有较好的目标检测性能。     

极化空时自适应匹配滤波检测器

针对极化空时自适应处理时目标极化状态和杂波协方差矩阵未知等实际瓶颈问题,提出了一种适应于机载极化阵列雷达的极化空时自适应匹配滤波(PST-AMF)检测算法.该检测算法先利用回波数据估计目标的极化状态,然后再将估值代入似然比得到了新的检验统计量,进一步推导了检测器虚警概率和检测概率的解析表达式,从理论上证明了该检测方法具备恒虚警(CFAR)特性.该检测器计算量比极化空时广义似然比检测器(PST-GLRT)少,易于工程实现.最后,仿真验证了在检测慢速运动目标时,其性能优于单个通道的空时自适应匹配滤波检测器(ST-AMF),具备较强的稳健性.     

利用广义内积值迭代加权的空时协方差矩阵估计方法

精确估计协方差矩阵是空时自适应处理(STAP)的核心问题,基于最大似然的样本协方差矩阵估计方法仅适用于均匀检测环境。为了提高非均匀场景下协方差矩阵的估计精度,该文提出迭代加权的空时协方差矩阵估计方法。该方法依据广义内积值(GIP)与其统计均值的距离确定样本的加权系数,并通过建立广义内积直方图及迭代处理的方式进一步提高协方差矩阵的估计精度。仿真结果表明,该方法能够提高非均匀环境下协方差矩阵的估计性能。     

部分均匀海杂波中分组加权的协方差矩阵估计

本文主要研究空间部分均匀海杂波背景下协方差矩阵的估计问题。海杂波的空间部分均匀性和假目标干扰的不可避免性导致利用传统算法来估计海杂波协方差矩阵时存在较大的估计误差。为了减小该估计误差,本文对海杂波的参考样本进行分组处理,利用纹理的最大后验估计值作为加权系数,提出了分组加权样本协方差矩阵估计算法。考虑到假目标干扰的存在,利用协方差矩阵之间的差异提出了一致性因子,以确定干扰所在的分组,并剔除干扰。实测数据的实验结果表明,在存在假目标干扰的空间部分均匀海杂波背景下,本文提出的分组加权协方差矩阵估计算法不仅能有效剔除假目标,而且优于不分组算法约3dB。      

载机偏航下基于广义相邻多波束自适应处理的低空风切变风速估计

该文提出一种载机偏航下基于广义相邻多波束(GMB)自适应处理的低空风切变风速估计的方法,该方法首先利用基于回波数据的杂波距离依赖性补偿方法对杂波进行距离依赖性矫正,估计出杂波协方差矩阵。然后同时组合空域的相邻多个波束与时域的相邻多个多普勒通道来计算降维变换矩阵,并对待测距离单元内的雷达回波数据进行降维处理,进而构造GMB自适应处理器的最优自适应权矢量对降维后的回波数据实现自适应滤波。最后完成载机偏航下风场速度的准确估计。仿真结果验证了该方法能够在载机偏航情况下,获得风场速度的有效估计。