基于重采样平滑粒子滤波的检测前跟踪

针对基于序列重采样(SIR)粒子滤波的检测前跟踪(TBD)算法的不足,提出了重采样平滑(RS)算法以及简化的RS算法,并将其应用于常规雷达的TBD算法,得到基于序列重要性重采样平滑(SIRS)的TBD(SIRS-TBD)算法.仿真结果表明,RS算法可以有效地提高粒子的多样性,在雷达上应用SIRS-TBD算法可以实现对低可探测目标的检测和跟踪.     

一种基于粒子群优化的粒子滤波改进算法

粒子群优化粒子滤波算法能有效改善粒子退化问题,但其适应度函数受量测噪声方差影响较大,限制了滤波精度的提高.为此,提出了一种基于粒子群优化的粒子滤波改进算法.该算法给出一种新的适应度函数,用当前状态估计值与各粒子状态的差值大小作为评价标准,使得最终优化粒子受噪声方差影响减小,在量测模型精度高的场合中提高了滤波精度.理论分析及仿真结果表明,本文所提算法的滤波性能优于标准粒子滤波与粒子群优化粒子滤波算法.     

α稳定分布噪声下信号的分数低阶协方差谱估计

针对在分布参数α值较小时α稳定分布噪声下基于共变的α谱估计性能较差这一问题，提出了一种分数低阶协方差（FLOC）谱估计方法．仿真通过对α稳定分布噪声下的正弦信号进行谱估计，结果表明，该方法对于不同的α值，在α稳定分布噪声下均具有较好的谱估计性能．     

一种基于有序统计的鲁棒CFAR检测器

本文提出了一种基于有序统计(OS)的VI-CFAR检测器(OSVI-CFAR).在均匀杂波背景下OSVI-CFAR较基于均值水平(ML)的VI-CFAR检测器(MLVI-CFAR)有较小的CFAR损失,在杂波边缘背景下二者的虚警控制能力基本一致,但在多个干扰目标位置随机分布的背景下检测性能较MLVI-CFAR取得了较大改善,在实际杂波环境中具有更强的鲁棒性.最后给出了OSVI-CFAR检测器的一些重要特性.     

基于分数低阶协方差的AR SαS模型α谱估计

根据自回归(AR) SαS模型的α谱,分析了基于分数低阶矩(FLOM)法估计AR SαS模型参数的不足.提出了一种基于分数低阶协方差(FLOC)的AR SαS模型参数估计方法,并给出了基于FLOC的AR SαS模型α谱方法.分别对AR SαS模型参数的估计、α稳定分布噪声中单一正弦信号的估计和两个正弦信号的分辨进行了仿真.仿真结果表明,基于FLOC的AR SαS模型α谱估计方法对于不同的α值均具有较好的韧性.特别是在α值较小,即α稳定分布噪声概率密度函数(PDF)拖尾比较严重时,本文所提出的基于FLOC的AR SαS模型α谱估计方法,其性能明显优于基于FLOM的AR SαS模型α谱估计方法.     

基于FLOC的ARMA SαS模型α谱估计方法

分析了基于分数低阶矩（FLOM）估计ARMA SαS模型参数的不足,根据分数低阶协方差（FLOC）的概念,提出了一种基于分数低阶协方差系数估计ARMA SαS模型参数的方法。在此基础上,给出了ARMA SαS模型的α谱估计。通过对给定ARMA SαS模型的α谱估计、α稳定分布噪声中正弦信号的估计与分辨进行仿真,详细比较了基于FLOM的ARMA SαS模型α谱估计和基于FLOC的ARMA SαS模型α谱估计的性能。结果表明,α值较小时,基于FLOC的ARMA SαS模型α谱估计的性能明显优于基于FLOM的ARMA SαS模型α谱估计。     

Alpha稳定分布的参数表征及仿真

仿真服从标准参数系下任意参数的Alpha稳定分布(αS)随机变量是开展相关信号处理研究的基础。服从对称Alpha稳定分布(SαS)的随机变量较易生成,而产生服从αS分布随机变量较为困难,一个重要的因素是存在易于混淆的不同参数表征。本文在讨论Alpha稳定分布概念、性质的基础上,讨论了三种主要参数系,提出并证明了正确的产生服从αS分布随机变量的变换公式及仿真方法,并通过Monte-carlo仿真比较了三种参数系表征的αS分布的概率密度函数的差异。对Pearson海杂波的仿真表明了该方法的有效性,而Chambers方法存在分布位置的偏差。     

高斯混合分布杂波下ARM的Wald检测方法

提出一种在高斯混合分布杂波下检测反辐射导弹(ARM)的Wald检测方法.针对基于期望最大化(EM)算法估计杂波参数时,由于初始化不当使迭代运算落入初值陷阱、导致估计错误的问题,提出基于矩-EM算法估计杂波参数的方法,导出了高斯混合分布杂波下ARM目标的Wald检测统计量.不同参数条件下的仿真表明,矩-EM算法能够更准确地估计杂波参数;基于高斯混合分布杂波假设的Wald检测性能明显优于基于高斯分布杂波假设的Wald检测性能.     

一种基于非相参雷达目标回波的特征提取算法

在着重研究了非相参雷达视频回波的基础上，提出了一种基于线性预测系数及离散Ｋ－Ｌ正交变换的雷达目标回波的特征提取算法。采用实地录取到的大量雷达目标数据对这种算法进行检验，实验结果表明，这种方法具有较高的识别率。     

一种适用于非高斯杂波背景的DP-TBD算法

针对动态规划检测前跟踪(DP-TBD)算法在非高斯杂波背景、起伏目标条件下检测和跟踪性能差的问题,将粒子滤波引入动态规划的似然比阶段指标函数计算中,利用粒子权值的均值表征目标存在假设下的似然函数,导出似然比指标函数模型,进而给出了一种适用于非高斯杂波背景和起伏目标的最大似然DP-TBD算法。应用文中算法在对数-正态杂波、Swerling起伏模型条件下,对目标的检测跟踪性能进行了仿真,并与两种传统的DP-TBD算法进行比较,验证了该算法的有效性。