非均匀环境中的参量多通道目标检测

该文研究了非均匀环境中的参量多通道目标检测,其中,干扰信号用向量自回归(VAR)模型表示,且模型的空域协方差矩阵服从自由度为,均值为Q的复逆Wishart分布。当Q未知时,文章根据纽曼皮尔逊(NP)准则提出了NP参量自适应匹配滤波器(NP-PAMF),贝叶斯PAMF(B-PAMF)和归一化形式B-NPAMF;当Q已知时,文章根据最大后验概率(MAP)准则提出了MAP-PAMF和归一化形式MAP-NPAMF。结果表明：NP-PAMF和B-PAMF均和有关,当时,B-PAMF趋于经典的PAMF;B-NPAMF与无关,和经典的NPAMF一致。在MAP-PAMF中,空域协方差矩阵的MAP估计由经典估计和先验知识构成,控制后者的权重。最后,文中分析了检测器的复杂度和检测性能。实验表明：贝叶斯的参量检测器具有很好的检测性能,且比归一化检测器的性能优越。     

UWB SAR非均匀区域目标检测方法

在超宽带合成孔径雷达(UWB SAR)图像目标检测中不仅会遇到均匀杂波区域，还会遇到叶簇区域、空旷区域及干扰目标等组成的非均匀杂波区域。恒虚警率(CFAR)目标检测是雷达目标检测的重要方法，而传统的CFAR检测对UWB SAR非均匀杂波区域目标检测效果较差。首先分析了叶簇区域、空旷区域及二者混合区域的杂波分布。然后针对UWB SAR的实际情况，运用智能索引变量的CFAR检测技术(VI—CFAR)，使得均匀杂波和非均匀杂波背景中目标检测都取得了较好的效果。最后，利用实际UWB SAR目标检测结果验证了VI—CFAR的有效性。     

非均匀环境中分布目标的参量广义似然比检测

在高距离分辨率(HRR)雷达中,目标很可能跨越多个距离门。该文研究了这种分布目标的参量自适应检测。其中,主、辅数据中的干扰信号用随机空域协方差矩阵的向量自回归模型表示。随后,分别根据贝叶斯1步参量广义似然比(B1S-PGLRT)和贝叶斯两步参量广义似然比(B2S-PGLRT)检测准则推导了对应的检测器。前者没有闭式解而后者和经典的参量自适应匹配滤波器(PAMF)具有相似的检测结构,并使用了空域协方差矩阵的最大后验(MAP)估计代替了最大似然估计(MLE)。同时,还给出了B2S-PGLRT的归一化形式。最后,分析了贝叶斯参量检测器的运算步骤和运算复杂度,并通过蒙特卡洛仿真评价了它们的检测性能。结果表明：当训练数据不足时,贝叶斯框架下的参量匹配滤波器比广义似然比性能更好。     

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。     

Gamma分布在海面目标检测中的应用

本文通过对大量实测数据的处理与定量分析,证明Gamma分布可用于X波段雷达海杂波幅度分布的建模,并介绍了两种适用于Gamma分布杂波背景的恒虚警(CFAR)检测器:基于最大似然估计的MLG-CFAR和基于加权幅度循环迭代的WAI-CFAR.理论分析证明,MLG-CFAR检测器对Gamma分布的杂波平均功率估计值是渐进有...     

均匀和部分均匀杂波中子空间目标的斜对称自适应检测方法

在雷达目标的自适应检测领域, 当参考单元数不足时, 充分挖掘协方差矩阵的结构信息是有效提高检测性能的途径之一。为此, 针对多维子空间目标的检测问题, 该文在协方差矩阵关于次对角线具有斜对称结构的约束下, 分别基于一步和两步广义似然比(GLRT), 推导了均匀和部分均匀杂波中的斜对称自适应检测器。由于检测器在设计阶段利用了协方差矩阵的结构信息, 仿真结果表明, 与已有检测器相比, 在参考单元数不足时, 斜对称自适应检测器可明显改善检测性能。此外, 分别从协方差估计方法的影响、目标子空间维数的影响、目标子空间失配性能以及目标起伏的影响4个方面对检测性能进行了仿真分析。      

线列探测器非均匀性对点目标检测的影响

为了向点目标检测系统的非均匀性校正提供指标依据,从数学上推导并分析了线列探测器非均匀性对点目标检测的影响,同时提出了一种仿真实验方法,得到了非均匀性对点目标信噪比和检测概率的影响程度数据.实验结果表明,在信噪比小于3的情况下,非均匀性每增加10%,点目标信噪比下降约3.6%,检测概率平均下降约90.8%.在信噪比大于3的情况下,非均匀性每增加10%,点目标信噪比下降约3.5%,检测概率平均下降约34.8%.     

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...     

一种非均匀Weibull杂波背景中的CFAR检测器

针对传统恒虚警(CFAR)算法在非均匀环境下,待检测单元(CUT)与参考窗的分辨单元不具有独立同分布(IID)特性,检测器性能出现剧烈下降的问题,提出一种新的CFAR检测器。该检测器首先引入一种M-N杂波边缘二元积累实现非均匀杂波边缘提取;然后,对数据平面内相邻杂波边缘内的数据,利用一种地形特征分类算法实现对地形的分类编号;最后,根据地形编号选择与CUT相同地形的分辨单元作为参考单元实现CFAR检测,则所选择的参考单元与CUT具有IID特性。利用实测数据验证M-N杂波边缘二元积累检测算法和地形特征分类算法的有效性。计算机仿真证明:文中提出的CFAR检测器的性能,比传统CFAR检测器的性能有明显提升。     

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。     

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。     

基于海杂波先验知识的雷达目标自适应Rao检测

针对非高斯非均匀海杂波背景下雷达海面目标检测性能改善的问题,该文基于海杂波的先验知识提出了一种自适应Rao雷达目标检测方法。首先将海杂波的纹理分量和散斑协方差矩阵分别建模为逆高斯随机变量和逆复Wishart分布的随机矩阵,然后基于Rao检验和未知参数估计,设计了一种匹配海杂波特性的雷达目标自适应Rao检测方法。通过理论推导和实验验证了所提检测方法对杂波平均功率和协方差均值矩阵具有恒虚警特性。仿真数据和实测数据实验结果表明,在非高斯非均匀环境下所提检测方法优于已有检测方法,并且具有良好的鲁棒性。     

基于非平稳背景下的红外小目标检测

针对非平稳复杂背景下单帧图像的红外小目标检测概率较低的问题,该文提出了一种基于当前残差的改进M估计的红外背景预测和抑制算法。该算法利用M估计的基本模型预测背景,将目标像素和观测噪声视为背景估计的混合干扰,提出与背景图像残差相关的校正函数c()自适应地调整估计增益,从而减小异常样本对背景估计的影响,提高了估计的准确性。同时引入遗忘因子使算法能够适应于非均匀复杂背景的估计,提高了算法的鲁棒性。多组红外图像实验表明：所提算法不仅能够在非平稳背景下有效地估计背景,还能在滤除背景的同时最大程度地保留目标像素的信息,提高了目标的检测概率。     

基于算术平均融合的分布式多伯努利扩展目标跟踪

在分布式传感网络中,由于同一扩展目标的方位角以及轴长等状态参数在不同传感器下估计结果不一致,因此多扩展目标估计关联困难,从而为后续密度信息融合带来了巨大挑战。相比于点目标后验密度信息,扩展目标后验密度同时包含了质心状态和外形信息。该文结合质心欧氏距离和外形矩阵非欧氏尺寸-形状度量提出了椭圆距离(ED),该椭圆距离同时考虑了扩展目标质心状态与外形信息,更好地实现了不同传感器下同一扩展目标后验密度关联。此外该文在算术平均(AA)融合规则下推导了融合空间密度的近似伽马高斯逆威沙特(GGIW)分布,实现了不同传感器下同一扩展目标后验信息AA融合。仿真实验表明,该文所提算法在分布式传感网络中能有效地进行多扩展目标跟踪。     

基于图像处理的海面动目标DP 相参检测方法

海面动目标检测是对海搜索雷达的一种重要工作模式,由于受海杂波影响,采用常规的非相参处理检测动目标时效果不佳。文中提出了一种基于图像处理的低重复频率DP 相参检测动目标的方法。该方法利用图像分割提取技术,针对二维频谱图运用sobel 算子提取边界,将杂波区和清晰区精确分开,提高了海面动目标的检测能力,并通过实测数据证明了该方法有效性和可实现性。     

海杂波中目标分数域谱范数特征检测方法

对于海上机动目标,采用分数阶傅里叶变换(FRFT)可以很好地解决其回波多普勒谱能量扩散的问题,为了使机动目标回波能量做最佳化的相参积累,需要反复搜索变换阶数,然而由于海上目标机动状态的随机性和时变性,难以搜索得到最佳变换阶数。针对这一问题,该文利用矩阵理论中的奇异值分解实现各变换阶数条件下FRFT谱的特征提取,设计特征检测统计量,提出基于分数阶域奇异值的海杂波抑制与目标检测方法,在增加利用了机动目标在FRFT域形状信息的同时避免了最佳变换阶数搜索。在高斯白噪声仿真数据评估条件下,所提方法在信杂比为–2.5 dB时可以达到60%的检测概率;经过实测数据验证,方法可以在信杂比为4.7 dB的条件下,稳定完成目标检测,具有较好的检测性能,且易于工程化实现。     

云杂波背景弱小目标自适应时-空域滤波检测研究

针对复杂云背景成像弱小目标实时检测的需要,提出一种检测能力强、易实现的自适应时-空级联滤波目标检测算法,其中时域滤波采用改进的可递归实现的方差滤波器预检测出包含目标和少量杂波点在内的可疑目标点集,而后通过一种自适应像素空域边缘强度滤波器剔除剩余杂波点。算法两级滤波器的参数均实时更新,因此算法对场景变化适应能力强。对五组实际红外图像序列目标检测的实验结果表明,算法能稳定检测出多类天空背景中的目标。