复合高斯杂波下距离扩展目标的自适应检测

 研究了复合高斯杂波下的距离扩展目标自适应检测问题.基于辅助数据,利用采样协方差矩阵(SCM)和迭代(RE)估计矩阵,建立了自适应检测器AMSDD和基于动态阈值的ADT检测器,并分析了检测器的恒虚警率(CFAR)特性.理论分析表明,基于SCM的检测器只能保持对杂波协方差矩阵结构的自适应特性;而基于RE的检测器能同时获得对杂波协方差矩阵结构和纹理分量的CFAR特性.性能分析表明,对于AMSDD和ADT来说,与采用SCM估计器相比,采用RE估计器能使检测器获得更好的CFAR特性和检测性能.另外,基于RE的ADT检测器在目标散射点个数失配时具有很好的鲁棒性.     

复合高斯杂波下距离扩展目标的OM-GLRT

广义似然比检测(Generalized Likelihood Ratio Test,GLRT)是解决复合高斯杂波下距离扩展目标检测问题的一种有效方法,而当目标速度未知时,对于毫米波等高频雷达而言,速度估计误差将造成方向矢量(steering vector)失配,从而导致GLRT性能的严重下降.此时,如何设计最佳的GLRT检测器就成为一个优化问题.本文在分析方向矢量失配对GL-RT影响的基础上提出了一种最优匹配GLRT(Optimum Matched GLRT,OM-GLRT)方法.仿真结果表明,OM-GLRT能有效地实现对速度未知目标的检测.     

复合高斯杂波下基于GLRT的扩展目标检测

广义似然比检测(Generalized Likelihood Ratio Test,GLRT)是解决复合高斯杂波下扩展目标检测问题的一种有效方法,而当目标速度未知时,经典的GLRT失效。该文针对目标速度未知的情形,提出了一种基于广义特征值分解的扩展目标多普勒频率估计算法,可有效估计多普勒频率,并以此为基础设计了一种R-GLRT(Robust GLRT)检测器。仿真结果表明了这种检测器的有效性。     

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.     

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。      

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.     

非高斯杂波下修正的SDD-GLRT距离 扩展目标检测器

 在球不变随机向量非高斯杂波背景下,针对SDD-GLRT方法在统计平均意义下对距离扩展目标进行最优检测所带来的检测损失,通过充分利用目标散射点的先验信息,基于有序统计检测理论,提出了修正的SDD-GLRT距离扩展目标检测方法.理论分析表明,在不存在目标的假设下,虚警概率与纹理分量的混合分布、杂波协方差矩阵以及确知信号的方向向量无关,即修正的SDD-GLRT方法具有恒虚警率(constant false alarm rate,CFAR)特性.仿真结果表明,随着积累脉冲数及目标散射点所占距离单元个数的增加,修正的SDD-GLRT检测性能得到提高.在散射点分布稀疏条件下,修正的SDD-GLRT的检测性能要明显好于SDD-GLRT和NSDD-GLRT,且在估计目标散射点个数存在微弱偏差和不同杂波尖峰情况下,修正的SDD-GLRT具有很好的鲁棒性.     

非高斯相关杂波背景下雷达目标统计检测方法

在非高斯相关杂波背景、参数随机或未知的情况下,通常难以甚至无法建立统计检测模型。针对此问题,基于粒子滤波方法,根据未知参数的概率分布函数抽取粒子,将复杂积分运算转化为求和运算求取似然函数,给出了一种雷达目标似然比检测的通用模型,较好地解决了非高斯相关杂波条件下无法得到检测统计量的问题。此外,以复SG-Alpha稳定分布作为非高斯相关杂波分布模型,给出了基于粒子滤波的检测统计模型,并对本文方法与传统的检测方法在高斯相关杂波和非高斯相关杂波背景下的检测性能进行了仿真比较,验证了算法的有效性。     

复合高斯杂波中距离扩展目标的参数化Wald检测

本文研究复合高斯杂波环境中的距离扩展目标的自适应检测问题。有色杂波采用参数未知的自回归（AR）过程描述。结合Wald检测准则,仅需对H1假设条件下的未知参数进行最大似然估计,给出了一种新的基于参数化模型的扩展目标检测器——参数化Wald检测器。该检测器的检验统计量可解释为首先针对各个待测单元分别计算检验统计量,然后将所有待测单元的输出进行非相参累加,其对杂波的随机功率起伏具有恒虚警率(CFAR)特性。相比于常规的基于协方差矩阵的检测方法,参数化检测算法的执行过程不需要依赖辅助数据,仅利用待测扩展目标数据即可实现自适应处理,有效缓解了训练压力并降低了计算量。仿真实验表明,所提出的参数化Wald检测器的检测性能优于之前提出的参数化广义似然比检测器的性能。      

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。     

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.      

复杂海杂波背景下分数低阶匹配滤波检测方法

针对在复杂海杂波背景下,雷达目标检测中动目标检测(Moving Target Detection,MTD)技术的检测性能显著下降的问题,以及局部最优检测器(Locally Optimum Detector,LOD)仅适用于低信杂比背景下弱目标检测的问题,基于分数低阶统计量理论,提出了一种分数低阶匹配滤波检测方法.该方法通过幂变换抑制杂波的非高斯特性,通过应用杂波分数低阶协方差矩阵特征值分解的方法白化相关杂波,在此基础上应用匹配滤波进行目标积累,以提高信杂比.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MTD和LOD进行了比较.结果表明,本文所提出方法能较好地解决非高斯相关杂波背景下的目标检测问题,检测性能明显优于MTD和LOD方法.     

非高斯杂波下雷达目标跟踪算法改进研究

针对杂波干扰环境中的非高斯特性,发现海杂波噪声、闪烁噪声等具有显著尖峰的非高斯噪声可以采用α稳定分布来描述,用α稳定分布可以建立更符合实际的噪声模型。根据统计信号处理最新理论和技术,利用p阶分数相关和分数低阶协方差替代传统相关和协方差来改进Kalman滤波器,优化获得改进的基于分数低阶统计量Kalman滤波交互多模型算法(Based FLOS-Kalman-IMM),仿真验证了Based FLOS-Kalman-IMM滤波跟踪新算法可以更好地适应非高斯复杂环境,得到稳健的雷达跟踪效果。     

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.     

一种起伏背景下的红外小目标检测算法

提出了一种用一维中值滤波进行背景估计的方法.首先分析了红外小目标、噪声及其杂波特性,提出了用小窗口的二维中值滤波进行背景估计;然后进一步根据红外扫描系统的特点,把二维中值滤波简化为一维中值滤波,使去背景效果提高,并且运算量大幅下降;最后对预处理后的图像采用自适应门限进行目标分割.实验表明该算法可以达到较高的检测率,而且满足大尺寸图像实时处理的要求.     

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。     

一种相关Weibull杂波背景中的目标检测方法

为提高雷达在非高斯杂波背景下的检测性能,基于球不变随机过程模型和似然比检测准则,给出了一种相关Weibull分布杂波背景中目标的检测方法.首先从理论上导出了基于球不变随机过程的Weibull分布模型,然后在似然比意义下给出了Weibull分布杂波背景下的检验统计量.仿真和实际数据实验结果表明该检测方法的检测性能明显优于传统的检测方法