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。      

非均匀环境下基于知识辅助的扩展目标Wald检测器

针对分布式多输入多输出（Multiple Input Multiple Output, MIMO）雷达中运动扩展目标的检测问题,本文首先假设每个发射-接收天线组的干扰信号协方差矩阵为互不相同的随机矩阵,以模拟实际的非均匀工作环境。然后引入知识辅助模型,建立先验信息矩阵,描述非均匀环境下的干扰信号特性,其中所有发射-接收天线组的干扰协方差矩阵服从以先验信息矩阵为基础的逆Wishart分布。在此基础上,设计了一种基于知识辅助的Wald（KA-Wald）检测器。仿真实验表明,在小样本的情况下,本文设计的KA-Wald检测器在检测性能上优于传统Wald检测器。而与已有的基于知识辅助的广义似然比检验（KA-GLRT）检测器相比,检测性能相近,但是计算效率更高。      

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.     

非均匀非高斯杂波的协方差矩阵估计

在雷达目标检测中,杂波的协方差矩阵估计利用了待检测单元附近的杂波数据。本文考虑一种非均匀环境中,非高斯杂波下的杂波协方差矩阵估计问题,即假定待检测单元与参考单元的杂波协方差矩阵之间满足某种统计关系,并假定杂波数据满足复合高斯统计分布模型。在这种场景下,常规的杂波协方差矩阵估计方法会导致信号检测性能的下降。采用共轭先验分布作为非均匀非高斯场景的统计分布模型,利用贝叶斯方法,本文给出了基于Gibbs抽样的杂波协方差最小均方误差估计方法。计算机仿真结果表明,与常规的杂波协方差矩阵估计方法相比较,本文所给出的杂波协方差矩阵的估计算法能够在参考数据较少,累积脉冲个数较少时,非均匀场景中获得较好的检测性能。本文还分析了先验分布模型参数误差对检测性能的影响。      

基于贝叶斯的高斯杂波背景下MIMO雷达自适应检测算法

对于集中式多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达,该文研究了高斯杂波背景下的目标检测问题。该文假设杂波的协方差矩阵是未知随机的,且服从逆复Wishart分布,基于贝叶斯方法和广义似然比检验准则设计了两种新型自适应检测器。该文提出的贝叶斯检测器具有两个显著的优点:(1)不需要训练数据;(2)杂波的先验知识体现在设计方案中,从而提高了检测性能。仿真结果显示该文提出的贝叶斯检测器的检测性能优于目前常用的非贝叶斯检测器,特别是在发射波形采样数较少时。另外,该贝叶斯检测器在参数失配条件下的性能会有一定程度下降。      

非均匀杂波MIMO雷达检测

本文针对非均匀杂波,利用球不变随机矢量(SIRV)建立了机载多输人多输出(MIMO)雷达杂波模型.基于杂波协方差矩阵不满秩,提出了一种用于估计归一化杂波协方差矩阵的修正渐近最大似然(MAML)算法及其广义似然比检测器,即修正渐近广义似然比检测器(MAGLRT).仿真试验结果表明,在非均匀的杂波下,MAGLRT较常规高斯...     

基于对角加载的机载MIMO雷达GLRT检测器

本文研究了基于GLRT的机载MIMO雷达自适应目标检测问题.针对参考单元数据不足对GLRT性能的影响,提出了基于对角加载的MIMO雷达GLRT(MIMO-LGLRT)检测器,并对其检测性能进行了分析,给出了虚警概率和检测概率的闭合表达式.该检测器充分利用机载MIMO雷达杂波子空间低秩的特点和对角加载技术,解决了因参考数据不足所引起的矩阵病态问题.为了减少MIMO-LGLRT检测器的运算量,在分析杂波协方差矩阵块对角化特性的基础上,给出一种简化MIMO-LGLRT检测器.理论分析和仿真结果表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,检测性能优于普通GLRT检测器.     

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.     

机载MIMO雷达广义最大似然检测器

该文针对机载MIMO雷达在未知统计特性的杂波中目标检测问题,首先给出广义最大似然(GLRT)检测器(MIMO-GLRT),利用MIMO雷达的空间分集特性提高检测性能,并推导出检测概率和虚警概率表达式。然后,基于MIMO雷达杂波协方差矩阵的块对角特性,给出一种简化MIMO-GLRT检测器,大大减小算法的复杂度,同时降低对参考单元数目的要求,并在只有两个接收雷达单元的情形下,推导出简化GLRT检测性能的表达式。结果表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,能够在未知杂波背景下有效地检测目标。     

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。     

机载MIMO雷达杂波特征结构的空时自回归算法

非均匀环境下,机载MIMO雷达杂波不再满足独立同分布(independent identically distributed, IID)条件,由于没有足够多的IID样本来估计杂波协方差矩阵,从而导致传统的STAP方法性能急剧下降。本文研究了非均匀环境下机载MIMO雷达的杂波抑制问题,将空时自回归算法(Space time autoaggressive , STAR)引入机载MIMO雷达,降低训练样本数目,减小运算量。针对STAR算法中参数确定复杂、易受训练样本数目不足影响的缺点,提出了一种基于杂波特征结构的模型参数确定方法,仿真结果表明,该方法能在极小训练样本条件下,有效确定模型参数,实现杂波抑制,适用于非均匀杂波环境。      

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.     

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.     

严重拖尾复合高斯杂波中目标的自适应极化检测

该文研究极化高分辨雷达在动态变化的杂波场景中自适应检测小目标的问题.将统计特性严重拖尾的杂波建模为纹理分量为逆伽马分布的复合高斯过程,借助于广义似然比检验和辅助数据得到了自适应极化检测器,并推导了该检测器的虚警概率表达式,证明了该检测器对协方差矩阵结构具有恒虚警特性.最后,利用仿真杂波数据验证了检测器检测性能的有效性.     

The Rao and Wald Tests Designed for Distributed Targets with Polarization MIMO Radar in Compound-Gaussian Clutter

In high resolution radars, the distributed target is usually modeled as a few isolated points referred to multiple dominant scattering centers, while the clutter is a compound-Gaussian model. Additionally, the polarimetric diversity can be exploited to enhance detection performance. Motivated by extending the detection problem of multiple-input multiple-output (MIMO) radar to such cases, this paper mainly addresses distributed targets detection problem with polarization MIMO radar against a compound-Gaussian clutter dominated scenario with unknown covariance matrix. The adaptive detectors based on Rao and Wald criteria are studied, and a two-step design procedure is adopted. Specifically, the Rao and Wald tests are derived by assuming a known covariance matrix, and then a suitable estimation of the covariance matrix based on the secondary data is inserted into the derived detectors to make them fully adaptive. Some numerical results are presented together with a polarization generalized likelihood ratio test (GLRT), showing that the derived detectors provide excellent detection performance in spiky clutter for distributed targets, and that the polarimetric diversity can be exploited to improve detection performance. Overall, the Wald test performs the best.