基于特征的海面低速小目标检测工程算法

为了提高海面雷达对海漂浮小目标检测能力,提出了一种基于目标时频特征的检测算法。首先,验证了从接收的时间序列中提取的相对多普勒峰高、相对多普勒偏移、相对多普勒熵等特征在时间维度上可以有效地区分海杂波和小目标;其次,构造了特征检测器,给定虚警概率下的判决区域由凸包算法确定;最后,根据实测数据对算法进行了检验。结果表明：当虚警概率为0.01时,采用双特征检测器可在512个脉冲下完全区分海杂波和实测小目标,双特征检测算法优于传统动目标检测算法。     

强杂波背景中高距离分辨率雷达运动目标的积累检测

本文提出了一种宽带毫米波雷达体制下基于高分辨一维距离像的强地物杂波背景中未知速度的高速运动目标检测新算法。该算法的基本思想是：首先放宽虚警率的限制，实现满足检测概率要求的单周期径向积累检测，然后通过多周期中检测结果的特征相关和可移动距离单元的积累去除虚警，以满足给定的虚警概率要求。理论分析和仿真实验表明，该算法可以实现低信杂比、低虚警情况下高的目标检测概率。     

基于Duffing振子的机场异物自动判决算法

基于毫米波雷达的机场异物(FOD)检测技术具有高分辨率和低功耗的特点,但是传统恒虚警(CFAR)类检测算法在低信杂比(SCR)情况下虚警过高。该文提出一种基于Duffing振子的FOD检测算法。该算法首先利用杂波图CFAR检测算法将雷达接收机接收回波中的背景杂波初步分离,获得目标(包含虚警)的距离信息,并利用该信息构造Duffing方程,之后将此方程作为系统检测模型,输入接收回波信号,求解输出信号方差,采用方差极值法区分目标和虚警。仿真结果表明,在低信杂比情况下,即使虚警概率为10–3,该文检测算法也可以降低虚警率,实现目标与虚警的自动判决。与传统CFAR检测算法相比,该算法的检测概率高于传统检测算法且随信杂比的下降减小速度缓慢,即使在信杂比–30 dB的情况下所提算法仍然可以保持84%的检测概率。     

强杂波背景中高距离分辨率雷达运动目标和积累检测

本文提出了一种宽带毫米波雷达体制下基于高分辨一维距离像的强地物杂波背景中未知速度的高速运动目标检测新算法。该算法的基本思想是：首先放宽虚警率的限制，实现满足检测概率要求的单周期径向积累检测，然后通过多周期中检测结果的特征相关和可移动距离单元的积累去除虚警，以满足给定的虚警概率要求。理论分析和仿真实验表明，该算法可以实现低信杂比，低虚名望上高的目标检测概率。     

基于Duffing振子的机场异物自动判决算法

基于毫米波雷达的机场异物(FOD)检测技术具有高分辨率和低功耗的特点,但是传统恒虚警(CFAR)类检测算法在低信杂比(SCR)情况下虚警过高.该文提出一种基于Duffing振子的FOD检测算法.该算法首先利用杂波图CFAR检测算法将雷达接收机接收回波中的背景杂波初步分离,获得目标(包含虚警)的距离信息,并利用该信息构造Duffing方程,之后将此方程作为系统检测模型,输入接收回波信号,求解输出信号方差,采用方差极值法区分目标和虚警.仿真结果表明,在低信杂比情况下,即使虚警概率为10-3,该文检测算法也可以降低虚警率,实现目标与虚警的自动判决.与传统CFAR检测算法相比,该算法的检测概率高于传统检测算法且随信杂比的下降减小速度缓慢,即使在信杂比-30 dB的情况下所提算法仍然可以保持84％的检测概率.     

基于三维凹包学习算法的海面小目标检测方法

对于特征类的海面小目标检测方法,现有3特征检测器通常采用凸包分类算法完成检测。在实际应用时发现,该分类算法生成的判决区域在某些情况下不能很好地反映海杂波样本集合在特征空间中的分布情况,进而对检测器性能造成一定程度的损失。相比之下,使用凹包算法生成的判决区域是由凸包内剖得到的,它能更加贴合海杂波样本的分布,因此该文将判决区域的形式由凸包转化为凹包,并在此基础之上提出一种基于3维凹包学习算法的海面小目标检测方法。同时,针对现有3维凹包算法存在的内剖效率低、无法实现恒虚警检测的缺点,该文通过优化内剖点选择方法、增加“外补”环节的方式对算法进行改进。最后,经实测CSIR数据及X波段试验雷达数据共同验证,在其他参数均相同时,该文方法的检测性能要优于已有的多特征检测方法,并且通过对凹包算法的复杂度分析证明了所提方法的应用潜力。     

海杂波中基于可控虚警K近邻的海面小目标检测

由于高分辨海杂波具有复杂的特性以及海面小目标具有多样性,没有精确的简单统计模型可以较好地描述海杂波和目标回波时间序列,这导致目标检测遇到了很多阻碍。为了区分海杂波和目标回波,分别提取它们的特征将检测问题转化为特征空间中的分类问题是一种有效的方法。基于特征的检测可以归结为在特征空间中的一种2元假设检验问题,但是其有两个问题需要解决:一是目标回波数据远少于杂波数据;二是虚警概率不可控。为了解决第1个问题,一种典型小目标的仿真回波产生器被用于产生充足的典型目标回波数据,以辅佐后续检测器的设计。K近邻(K-NN)是一种简单有效的分类方法,但是因为无法精确地控制虚警率而不能直接在目标检测中使用。该文提出一种基于改进K-NN的海面小目标检测方法,可以很好地实现可控虚警。经IPIX雷达数据集验证,所提出的方法在观测时间分别为0.512 s和1.024 s时获得了85.1%和89.2%的检测概率,相比现有的检测器获得了7%和5%的提升,具有良好的检测效果和稳定性。      

海杂波背景下目标的联合特征差异检测

针对低信噪比海情下的小目标检测效果不理想的问题,利用消除趋势波动分析法提取海杂波分形参数,分析了海杂波的功率谱及其熵特征,提出了海杂波背景下的联合特征目标检测方法.在雷达回波中提取海杂波的分形参数和功率谱熵特征组成二维向量,利用凸包训练算法获得纯海杂波判别区域,同样对先验知识下的待测海杂波提取这两个特征参量,以此特征参量所对应的点是否在此判别区域内来判别是否存在目标.利用加拿大IPIX雷达数据,证明了所提算法优于用单个特征差异作为统计量的方法,在相同虚警概率下检测效果明显提高,为雷达目标检测提供了新的检测方案.     

一种简单的相干雷达极化恒虚警检测算法

该文提出了高斯杂波背景下一种结构简单的相干雷达极化恒虚警检测算法。利用雷达回波的极化信息来提高检测性能,推导出了虚警概率表达式。研究结果表明,该相干雷达极化恒虚警检测算法相对于杂波协方差矩阵有恒虚警的性质。该检测算法比极化广义似然比检测算法计算量小,易于工程实现,适合于强信杂比和目标信号导向矢量未知的情况。同时仿真分析了不同极化状态时的检测性能。     

基于复杂海情下的小目标探测雷达系统

复杂海情背景下的小目标探测是海面搜索、监视系列雷达的一项关键技术,传统雷达很难保证在较低的虚警概率下,可靠地检测海面小目标。基于复杂海情下海杂波散射功率特性分析,结合高分辨力波形设计、天线快速扫描技术与海面小目标检测技术等雷达系统设计给出了在复杂海情背景下提高小目标检测性能的技术途径,在较低虚警概率下,保证有效、可靠地检测出复杂海情下的海面小目标。     

雷达海上目标双通道卷积神经网络特征融合智能检测方法

受复杂海洋环境影响,基于统计理论的海面目标检测方法由于假设条件不成立,在实际应用中难以实现高性能检测,本文从特征提取分类角度,通过深度学习分类方法对目标和杂波的雷达回波信号进行二元分类,提出了一种基于双通道卷积神经网络(DCCNN)的雷达海上目标智能检测方法。首先,对实测海杂波和目标雷达信号进行预处理,得到信号的时间-多普勒谱和幅度信息;然后,构建DCCNN对预处理得到的数据进行智能特征提取,得到信号的特征向量,并对不同特征提取模型性能进行测试;最后,通过阈值可设的Softmax分类器作为检测器对特征向量进行分类,实现虚警率的控制。测试结果表明:与传统的单通道CNN以及无虚警控制Hog-SVM分类算法相比,基于二维卷积核VGG16和一维卷积核LeNet的DCCNN特征提取模型和softmax分类器可实现更高的检测性能,并可以实现虚警率控制,为复杂海杂波背景下目标智能检测提供了新的技术途径。     

基于恒虚警率的门限判决系数寻优研究

在雷达信号检测系统中,对于一定的检测门限,如果噪声或杂波电平增大一点,虚警率便会大大增加,同时使发现概率降低,这样便降低了雷达系统发现目标的能力,因此在现代雷达信号检测系统中,为了保证一定的发现概率,一般采取恒虚警率(CFAR)处理,在雷达系统进行恒虚警处理时,由于杂波强度可能偏离统计平均值而产生起伏,此时采用理论的门限判决系数将使虚警率大大增加。通过对雷达信号检测恒虚警性能的研究,分析了有限参考单元数对虚警率及发现概率的影响,同时提出一种有效的寻优算法在恒虚警检测中对实际的门限判决系数进行实时的动态寻优,使检测系统始终保持在恒虚警的工作状态中。     

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。      

A novel signal processing technique for clutter reduction in GPR measurements of small, shallow land mines

A signal processing technique is developed to reduce clutter due to ground bounce in ground penetrating radar (GPR) measurements. This technique is especially useful when a GPR is used to detect subsurface antipersonnel mines. The GPR clutter is modeled using a simple parametric model. Buried mine and clutter contributions are separated through a pair of coupled iterative procedures. The algorithm outperforms existing clutter reduction approaches and also yields target features that are useful for detection and identification of these mines. The proposed technique effectively reduces clutter resulting in a significant decrease in false alarm rates.     

基于对角积分双谱的海面慢速小目标检测方法

针对海杂波背景下雷达对海面慢速小目标探测技术难题,该文提出一种基于对角积分双谱的三特征融合检测方法。该方法首先从待检测信号的估计双谱中获得对角积分双谱,而后根据海杂波单元与目标单元之间的非线性耦合差异性,进一步从对角积分双谱中提取峰值、质心频率、谱宽3种特征。考虑到扫描模式下雷达采用的相干脉冲数通常较少,易导致特征不稳定,进而影响海杂波与目标可分性,为此,通过多帧扫描历史数据和当前帧数据的综合应用,对谱特征进行积累得到累积峰值、全变差、累积谱宽3种累积特征。最后采用凸包分类算法,在三特征空间进行融合检测。经实测CSIR数据集验证,在同等参数条件下,该文检测方法相比已有基于时频三特征的检测方法,基于幅度、多普勒三特征检测方法和分形特征检测方法具有更好的检测性能。     

降低船用连续波雷达虚警概率的海杂波抑制方法

为了解决海杂波引起的船用连续波雷达虚警概率增大,以及海杂波抑制算法工程应用难度大的问题,提出了一种工程实用的海杂波抑制方法。首先,通过双参数删除型CFAR检测算法和统计检测算法进行二次检测;然后,依据邻近帧之间目标回波相关性较强和片状海杂波相关性较弱的特点进行帧间处理。仿真和海上实验均表明,应用该方法的船用连续波雷达可以降低不同强度的海杂波背景下的虚警概率。     

基于多域多维特征融合的海面小目标检测

多维特征检测技术是提高海面小目标检测的有效途径。为了进一步提升海面小目标检测性能,本文提出基于多域多维特征融合的检测方法。首先,从时域、频域、时频域、极化域等多域,充分挖掘海杂波和含目标回波的差异性,并将这些差异性表征为多维特征,构建高维特征空间。其次,通过极化域和特征域的多维特征线性融合,将多维特征压缩到3D特征空间中,获得高维度信息的同时减少维度计算代价。然后,结合凸包学习算法获得3D判决区域,实现异常检测。最后,基于IPIX实测数据的实验结果表明:相对现有的极化检测器,提出的检测器具有25%以上的显著性能提升。