非高斯海杂波背景最优相干检测性能分析

非高斯海杂波背景下雷达目标检测一直是研究的重点。海杂波分布参数形式的多样化使得检测器对杂波平均功率的恒虚警特性无法保证,因此文中对描述非高斯海杂波的K分布、广义Pareto分布和逆高斯纹理复合高斯分布的参数形式进行了规范化,得到了规范化后的三种杂波分布对应的最优相干检测器。理论分析和实验验证了三个自适应检测器分别对杂波平均功率、目标多普勒频率和散斑协方差矩阵具有恒虚警特性。仿真实验表明:散斑协方差矩阵估计方法和辅助数据的数量均影响着自适应检测器的检测概率和虚警概率。     

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。      

一种分数低阶局部最优目标检测方法

:针对传统局部最优检测器在显著非高斯杂波背景下导致检测性能下降的问题,该文提出一种分数低阶局部最优雷达目标检测方法。首先对局部最优检测器的模型进行简化,在此基础上,根据分数低阶统计量理论,利用分数低阶相关矩阵描述杂波的相关特征,并以分数低阶二次型作为局部最优检测器的权值,改善了显著非高斯杂波背景下的雷达目标检测性能。利用仿真数据和IPIX雷达数据进行实验分析,结果表明,针对显著的非高斯杂波背景下的弱目标信号,相对于传统的局部最优检测方法,该文方法的检测性能显著提高。     

非高斯杂波下知识辅助检测的认知方法

先验信息的使用是提高雷达目标检测性能的有效途径之一,然而先验信息与当前探测环境的失配会严重影响到检测器的性能.本文考虑逆伽马分布纹理、复合高斯杂波下的知识辅助检测算法,推导了先验模型失配条件下(逆伽马分布参数失配)检测器的虚警率和Swerling I型目标的检测概率计算公式,获得了检测性能与模型参数失配之间的量化关系.利用两组不同参数的知识辅助检测器对当前杂波环境进行探测,通过评估检测器的性能,实现了当前杂波环境模型参数的估计.计算机仿真和实测数据的分析结果表明,采用认知方法的知识辅助检测器较常规检测器而言,能够获得更好的检测性能.     

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。     

K分布杂波下雷达导引头检测器设计

 针对K分布杂波下雷达导引头平方律检测器检测性能急剧下降这一问题,设计了一种性能较好、易于实现的雷达导引头检测器.首先,结合K分布的复合高斯特性,推导得到了多次观测下的多维K分布联合概率密度函数;然后,采用广义似然比检验,推导得到了广义似然比检验统计量;鉴于该统计量实现困难,通过对导引头接收信号进行预处理,实现了杂波预白化和目标信号能量累加,同时大大简化了广义似然比检验统计量,基于简化的统计量,给出了检测器结构.最后,以导引头检测Swerling I型目标为例,理论分析与仿真实验相结合,分析了所设计检测器的检测性能,仿真结果验证了检测器的有效性.     

非高斯杂波下知识辅助检测器敏感性分析

先验信息的使用可以提高知识辅助检测器的探测性能,若先验信息与当前探测环境不匹配,检测器性能可能会受到影响。该文考虑一种复合高斯杂波下的知识辅助检测器,其采用逆伽马分布作为纹理分量先验分布,分析该检测器在不同杂波纹理分量模型参数条件下的检测性能。首先给出了先验模型参数失配条件下,虚警概率和Swerling I型目标检测概率的计算方法。然后在给定先验模型参数条件下,分析了杂波纹理分量分布参数对检测器性能的影响。理论分析表明,若杂波纹理分量分布参数位于某个区域以内时,检测器可以获得比模型匹配时更好的检测性能,计算机仿真验证了上述结论。     

基于Alpha稳定分布杂波模型的雷达目标检测方法

针对非高斯相关杂波背景下,移动目标检测(MTD)技术的检测性能严重下降的问题,该文基于Alpha稳定分布杂波模型和本征滤波理论,提出一种非高斯相关杂波背景下的雷达目标检测方法。该方法基于Alpha稳定分布杂波模型,通过幂变换抑制杂波的非高斯特性,以及通过分数低阶相关矩阵白化杂波,在此基础上应用本征滤波实现对目标信号的有效积累,可提高信杂比。仿真实验和实测数据验证表明,该方法在非高斯相关杂波背景下的检测性能明显优于MTD方法的性能。     

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.     

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。      

复合高斯杂波加热噪声中基于Rao检验的分布式目标检测

随着雷达分辨率的不断提高,每个距离单元中分布的杂波能量逐渐减少,当杂噪比低于10dB时,热噪声对检测性能的影响是不可以忽略的。针对低杂噪比的情况,在复合高斯杂波加热噪声的背景中研究了分布式目标的检测问题。首先假设内部热噪声和外部杂波统计独立,在给定杂波纹理分量τ的前提下,将白高斯热噪声加上由球不变随机向量表示的复合高斯杂波之后的总干扰近似等效处理成一个新的复合高斯杂波,只是将其参数做了适当调整。然后将分布式目标建模为在距离维和Doppler频率维同时扩展的子空间模型,基于Rao检验构造了N-Rao检测器。通过对N-Rao检测器虚警概率的计算表明,在不存在目标的假设下,虚警概率只由脉冲重复数N、分布式目标占据的实际距离单元数H、每个距离单元内目标散射点总数目Nt来决定,即N-RAO检测器具有恒虚警率特性。最后通过Monte Carlo仿真实验表明,杂波形状参数v的减少与CNR的增加都会使N-RAO检测器的检测性能有所提高,且在低杂噪比的情况下,N-RAO检测器有很好的检测性能。      

海杂波的K-分布建模与仿真

海杂波的建模与仿真是雷达环境模拟的重要部分。仿真得到的海杂波数据良好与否是雷达设计及雷达信号处理的关键。通常采用复高斯过程的方法来对雷达杂波建模,在幅度上等价于瑞利分布。然而,随着现代雷达分辨率的提高及/或在低入射余角的情况下,测量到的海杂波幅度的概率密度函数(PDF)呈现出与瑞利分布很大的偏差,而与K-分布模型比较吻合。该文利用K-分布对海杂波进行建模与仿真,从统计学的观点出发理解海杂波的特性,以期能提高海杂波的检测性能。     

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。     

机载L波段雷达海杂波幅度分布特性分析

机载雷达主要在海杂波背景下探测舰船目标，探测性能受海杂波影响大，海杂波分布特性直接影响检测器设计和系统探测性能.本文对L波段机载雷达回波特性、海杂波分布特性进行了理论分析建模，从目标检测的角度提出了海杂波预处理流程，并采用拟合的方法，基于实测数据对Rayleigh分布、Lognormal分布、复合K分布、Weibull分布等四种典型的杂波分布进行了验证，所用5级高海情和3级低海情数据样本分析表明，四种分布中Lognormal分布显著占优.上述方法与结论可用于辅助雷达最优检测器设计，具备较高的工程应用价值.     

海杂波背景下的组合自适应GLRT-LTD

为了检测海杂波背景下的微弱运动目标,相干检测器通常需要作长时间的累积。然而,长时累积条件下的目标多普勒频率的扩散和幅度的起伏以及海杂波空间非均匀性对参考单元数目的限制导致传统的自适应检测器没法工作。注意到逆伽马(IG)纹理的复合高斯分布(CGD)可以很好地描述海杂波和目标的瞬时频率是时间的慢变函数,该文提出一种组合自适应检测器,即组合自适应广义似然比线性门限检测器(CA-GLRT-LTD),它由自适应GLRT-LTD在几个连续的短的累积间隔上的最大响应的乘积的构成。由于GLRT-LTD对IG纹理的复合高斯杂波的最优性,该检测器相比组合自适应归一化匹配滤波(CANMF)检测器具有更好的检测性能。     

采用改进型时频滤波的海杂波抑制方法

海洋环境下，海杂波具有明显的非平稳、非高斯特性，海杂波谱中心频率不固定、谱宽较宽，严重影响了雷达对海面目标的检测。传统的频域滤波器难以对复杂多变的海杂波进行有效抑制。本文通过分析海杂波的时频谱频率变化特征，定量计算各距离单元时频谱的中心频率平滑度，提出了采用基于时频谱能量分布的改进型时频滤波方法进行海杂波抑制。通过实测海杂波数据对杂波抑制效果进行分析，验证了该算法能够有效滤除海杂波信号和保护低速目标信号能量，提高目标信杂噪比，对提升雷达检测能力具有重要的作用。      

非平稳逆高斯纹理估计的两种协方差矩阵GLRT检测器

文章研究了两种海面目标检测算法。由于海杂波的非高斯、非平稳和非均匀特性,传统的分布模型不能对海杂波进行有效的拟合,海杂波的概率密度函数会产生严重的拖尾现象。海杂波的非平稳性主要体现在纹理上,通过对纹理进行逆高斯建模,并估计纹理的最大后验值和最小均方误差值,对非平稳纹理进行归一化处理,实现海杂波协方差矩阵的平稳化。在广义似然比检测模型的基础上,提出了最大后验逆高斯广义似然比检测器(MAP-IGD-GLRT)和最小均方误差逆高斯广义似然比检测器(MMSE-IGD-GLRT)。经过仿真和实测数据实验验证,该文所提两种检测器均优于对比算法。     

复合高斯杂波下知识辅助的极化检测器

针对复合高斯杂波中检测低慢小目标,信杂比较低,极化通道相互影响,传统算法性能急剧下降的问题,提出了基于知识辅助的极化检测器。首先将杂波建模为纹理分量为逆伽马分布的复合高斯模型,基于Rao检测准则,得到检验统计量,并推导出纹理分量的精确最大似然估计,然后使用先验信息得到杂波极化散射矩阵,代入检验统计量得到知识辅助的极化检测器。计算机仿真表明,与传统检测器相比,该检测器具有更优良的检测性能,同时仿真分析了先验信息失配对检测性能的影响。     

扫描模式下海杂波的多分形布朗运动模型

为了提高航海雷达目标检测性能,该文主要研究多分形布朗运动在扫描模式下雷达海杂波分形建模中的应用。该文验证实测海杂波数据具有非对称和尖峰厚尾的非高斯统计分布,并且具有分形特性;同时也证实实测数据在一定的情况下满足多分形布朗运动的假设条件。在此基础上,利用多分形布朗运动对实测数据进行建模,计算得到随时间变化的Hlder函数,结果显示不同距离区域的Hlder指数是不同的,目标处的Hlder指数大于海杂波处的H?lder指数。该文研究结果对后续目标检测方法的提出具有很大的帮助作用。     

基于MATLAB的雷达杂波建模与仿真研究

为评估杂波对雷达探测目标的影响,方便后续设计雷达探测算法,对雷达杂波信号特性进行研究。从杂波幅度分布模型、杂波功率谱模型、杂波仿真方法三个角度做了深入论述,并采用高斯杂波功率谱模型。通过MATLAB Simulink对威布尔分布、对数-正态分布以及K分布的幅度分布和数据序列进行仿真实验;实验结果与理论分析基本一致,证明了杂波模型的准确性,为雷达探测目标和抑制杂波干扰的设计提供参考依据。