基于最大似然差的智能恒虚警检测器

为了增强恒虚警(constant false alarm rate, CFAR)检测器在杂波边缘环境中的鲁棒性,结合无偏非均匀杂波估计CFAR(HCE CFAR)检测器检测概率高和可变性指示CFAR(VI-CFAR)检测器虚警控制能力强的优点,提出一种基于最大似然差(maximum likelihood difference, MLD)的智能CFAR检测器MLD-CFAR。MLD-CFAR通过计算MLD和均值比判断前、后沿滑窗的杂波环境,进而选择相应参考单元和均值类CFAR算法计算检测门限。仿真结果表明,同HCE-CFAR、VI-CFAR和自动删除单元平均CFAR(ACCA-CFAR)检测器等相比,MLD-CFAR在杂波边缘环境中能够保持恒虚警率,提高目标检测概率,减少目标遮蔽现象,在均匀环境中检测损失很小。论文还在一部线性调频连续波雷达上用实测数据验证了算法的正确性和有效性。     

大入射余角CFAR检测器

雷达在大入射余角高分辨率海杂波背景下检测时,等效后向散射面积增大,大部分海杂波能量投射到少数距离单元,能量分布不均,出现功率突然增大的杂波“异常单元”,导致检测器参考窗口所处的背景环境复杂多变,传统检测器检测概率降低,虚警率及误检率增加。为解决此问题,通过参考滑窗单元的协方差矩阵构造正定矩阵,求解其矩阵范数用以估计杂波功率水平,并采用支持向量机改进传统恒虚警率(constant false alarm rate,CFAR)检测器,得到基于正定矩阵杂波功率估计训练支持向量机的改进CFAR检测器。实验结果表明,新检测器在均匀杂波、多目标环境下检测性能稳定,在杂波边缘的虚警控制能力良好。     

Novel clutter map CFAR algorithm with amplitude limiter

The traditional clutter map constant false alarm rate (CM-CFAR) detector is affected by interference and self-masking[1] which will cause the low probability of detection. To solve these problems, a novel algorithm named clutter map CFAR with amplitude limiter (ALCM-CFAR) is proposed, in which the amplitude of the input signal is limited by a filter. The simulation results prove the effectiveness of ALCM-CFAR algorithm.     

Distribution-based CFAR detectors in SAR images

1. INTRODUCTION Many researches have been made on automatic target recognition (ATR) from SAR images in the past few years. Lincoln Laboratory has developed a complete, end-to-end ATR system[1-4]. The whole system inclu- des three stages: detection (or prescreening), discri- mination and classification. In the detection stage, a two-parameter CFAR (constant false alarm rate) detector is used as a prescreener to select candidate targets in an SAR image on the basis of local brightne…     

Robust detector for range-spread targets in non-Gaussian background

Based on the target scatterer density,the range-spread target detection of high-resolution radar is addressed in additive non-Gaussian clutter,which is modeled as a spherically invariant random vector.Firstly,for sparse scatterer density,the detection of target scatterer in each range cell is derived,and then an M/K detector is proposed to detect the whole range-spread target.Secondly,an integrating detector is devised to detect a range-spread target with dense scatterer density.Finally,to make the best of the advantages of M/K detector and integrating detector,a robust detector based on scatterer density(DBSD) is designed,which can reduce the probable collapsing loss or quantization error effectively.Moreover,the density decision factor of DBSD is also determined.The formula of the false alarm probability is derived for DBSD.It is proved that the DBSD ensures a constant false alarm rate property.Furthermore,the computational results indicate that the DBSD is robust to different clutter one-lag correlations and target scatterer densities.It is also shown that the DBSD outperforms the existing scatterer-density-dependent detector.     

High resolution radar target adaptive detector and performance assessment

The high resolution radar target detection is addressed in the non-Gaussian clutter. An adaptive detector is derived for range-spread target based on a novel covariance matrix estimator. It is proved that the new detector is constant false alarm rate (CFAR) to both of the clutter covariance matrix structure and power level theoretically for match cases. The simulation results show that the new detector is almost CFAR for mismatch cases, and it outperforms the existing adaptive detector based on the sample covariance matrix. It also shows that the detection performance improves, as the number of pulses, the number of secondary data or the clutter spike increases. In addition, the derived detector is robust to different subsets, estimated clutter group sizes and correlations of clutter. Importantly, the number of iterations for practical application is just one.     

基于投影空间下奇异值分解的海面小目标CFAR检测

提出了一种基于投影空间下奇异值分解(singular value decomposition,SVD)的杂波抑制方法.在雷达回波数据中,利用待检测单元的邻近单元构造杂波空间,并将杂波空间在投影空间下进行奇异值分解以实现杂波抑制.为此,本文设计了一种全新的检测器,即将正交投影(orthogonal projection,...     

基于自动筛选技术的分布式CFAR检测算法

针对多传感器分布式恒虚警率(CFAR)检测技术在杂波环境下的应用,基于广义有序统计(OS)和自动筛选技术,提出了一种新的分布式多传感器目标检测算法。首先利用广义有序统计(OS)恒虚警算法来得到各传感器的杂波/噪声电平估计,然后将检测单元电平与估计得到的杂波/噪声电平比较,得到各传感器的局部判决。采用"OR"或者"AND"融合准则在融合中心形成全局判决,得到有无目标的判决。多目标引起的非均匀背景中,采用了自动筛选技术,使得干扰目标进入后沿滑窗的机会变小,对于干扰目标有较好的鲁棒性。在假定目标服从Swerling II起伏的情况下,导出了相应的检测概率与虚警概率闭式解。最后,给出了多种检测器数值和图表分析的比较结果,表明了该方法的有效性和优越性。     

一种双模式双参数杂波图恒虚警检测器的实现

介绍了一种双模式双参数杂波图恒虚警 (constantfalsealarmrate ,CFAR)检测器的系统设计和硬件实现。该检测器采用静态杂波图和动态杂波图两种工作模式 ,分别处理时域平稳和非平稳的杂波环境 ,并且引入双参数恒虚警的工作原理 ,从而显著提高了恒虚警检测单元的检测性能 ,有效地抑制了虚警。同时 ,在硬件设计上采用一种以DSP芯片作为数据处理核心、以EPLD(embeddedprogrammablelogicdevice)作为流程控制中心的结构 ,提高了整个模块的可编程性和设计灵活性 ,并能够满足系统实时处理的要求。     

基于方向性粗糙度特征的SAR目标检测算法

针对扩展分形(EF)特征检测SAR目标虚警率高的不足,提出了基于方向性粗糙度特征(Directional Roughness Feature,DRF)对SAR图像目标检测的算法。该算法用指数小波在一个尺度和任意一个方向θ(0 0<θ<900)上对SAR图像滤波,对滤波后图像应用能量关系函数求各像素点的DRF进行目标检测。针对X波段和Ka波段的SAR图像,确定了用该算法检测目标的最优参数。分别用该算法和EF特征方法对不同波段SAR图像进行目标检测,结果表明该算法具有检测虚警率低和目标空间可分辨性高的优点。     

Canonical framework for multi-channel SAR-GMTI

Synthetic aperture radar （SAR） systems have become an important tool for fine-resolution mapping and other remote sensing operations. The multi-channel SAR ground moving-target indication （GMTI） must process its data to produce not only the image of surveillance area but also the information of the ground moving-targets. The topic of moving-target detection in clutter has been extensively studied, and there are many methods that are used to detect moving targets, such as displaced phase center antenna （DPCA） method, along-track interfero-metric （ATI） phase, space-time adaptive processing （STAP）, or some other metrics. A canonical framework is proposed that encompasses all the multi-channel SAR-GMT methods, namely, DPCA and ATI. The statistical test metric for multi-channel SAR-GMTI is established in a simple form, via the definition of the complex central Wishart distribution, to deduce the statistics of the test metric, and the probability distribution of the test metric for multichannel SAR-GMTI has the complex central Wishart distribution of 1×1 case, namely the X^2 distribution. The theory foundation offers the possibility to construct the united multi-channel SAR-GMTI detector, and derives the constant false alarm rate （CFAR） detector tests for separating moving targets from clutter.     

利用Gamma CFAR进行SAR图像目标检测

利用二项式Gamma核进行SAR图像目标检测,并提出自适应选取扫描窗大小的方法,给出了一种基于改进的二项式Gamma核SAR图像检测方法提高二项式Gamma核检测器的性能。用于高分辨率单视单极化的极不均匀的SAR图像,能够在较小虚警率下将人造目标全部检测出来,而且能很好地保持人造目标的结构信息。实验证明所提方法的有效性。     

求解探测概率门限因子的一种重要度抽样方法

在不同探测环境下确定探测概率时 ,首先需要根据给定的虚警率来确定相应的探测概率门限因子 ,这时需要在杂波和被检测单元的概率分布密度函数已知条件下 ,对其进行积分 .实际应用中 ,概率分布密度函数非常复杂 ,这时直接积分法很难奏效 ,必须用数值模拟法来解决 .但常规的 Monte Carlo方法在模拟像虚警概率这类小概率事件时既耗费机时 ,精度又差 ,目前国际上正在研究应用重要度抽样法(Importance Sampling)来解决该问题 .本文在前人研究成果的基础上 ,针对两大类雷达探测处理器——单元平均恒虚警 (CA-CFAR)和修整平均恒虚警处理器 (TM-CFAR) ,对相应的重要度抽样方法进行了研究和推导 ,结果表明方法高效可靠.     

未知强杂波下基于DP-TBD的雷达弱目标检测

实测回波的弱目标检测往往面临复杂杂波环境,如信杂比过低、难以获取信杂比与杂波分布等先验信息,此时基于杂波建模的弱目标检测前跟踪(track-before-detect,TBD)方法会遇到困难。针对上述问题,本文提出一种新的用于未知强杂波实测数据的弱目标检测算法。依据未知分布、边缘环境等特点通过改进的最大值恒虚警进行杂波预处理,通过压缩多普勒-距离二维数据避免多帧积累使杂波在同一分辨单元产生强度叠加,最后在时间-距离空间改进基于动态规划的TBD算法解决多帧联合后杂波在不同距离单元的范围扩展,消除虚警。实验结果表明,本文算法相比常规方法具有更高的检测概率及更低的估计误差。     

基于Gamma分布的优化SAR目标检测

在Gamma分布条件下，研究了SAR目标检测，得到了阈值系数与恒虚警关系，提出了阈值选择理论及其简单实现方法，优化了杂波均值估计并给出了其无偏鲁棒算法，这样在目标检测中不经过噪声抑制过程但具有抗噪能力，并且参数估计没有偏差。实际SAR数据测试结果表明该方法的检测效果优于双参数恒虚警算法。     

基于目标适合传输的SAR图像编码

基于目标的图像编码是解决无人机载合成孔径雷达（synthetic aperature radar, SAR）图像在有限带宽信道上实时传输的有效办法。本文算法采用双参数恒虚警(constant false alarm rate, CFAR)检测将SAR图像分割成目标与背景,子带变换后根据感兴趣区（regions of interest, ROI）掩膜将子带系数分类成目标与背景序列,以稳健固定码率网格编码量化（fixed rate trellis coded quantization, FRTCQ）高保真编码目标区,以FRTCQ低分辨率编码背景来实现大幅度地压缩。对SAR图像编码实验表明,本文算法既能取得较好的目标区保真度,又能达到较高的压缩比,同时计算复杂度增加有限。     

一种基于Weibull分布的SAR图像分割方法

分析了合成孔径雷达(SAR)图像的统计分布特性,推导了SAR目标及阴影的分割阈值与虚警概率之间的关系,给出了一种基于Weibull分布的SAR图像目标及目标阴影的分割方法,首先根据推导出的分割阈值公式对SAR目标图像及阴影图像进行粗分割,然后利用形态学滤波和计数滤波器进行细分割。基于MSTARSAR实测数据进行的大量实验表明,该方法是有效的,优于传统的双参数恒虚警分割方法。     

复杂背景下SAR图像近岸舰船目标检测

针对合成孔径雷达(synthetic aperture radar, SAR)图像近岸舰船目标易受背景杂波的影响, 造成SAR图像近岸舰船目标检测检测率低、虚警率和漏检率高的问题，提出一种适用于复杂背景下SAR图像近岸舰船目标检测的DFF-Yolov5(deformable feature fusion you only look once 5)算法。构建了一个专门用于SAR图像复杂背景近岸舰船目标检测的数据集, 基于Yolov5目标检测算法, 在特征提取网络中进行特征细化和多特征融合两个方面的改进。在特征提取网络中利用可变形卷积神经网络改变卷积对目标采样点的位置, 增强目标的特征提取能力, 提高复杂背景下SAR图像舰船目标的检测率。在多特征融合网络结构中采用级联和并列金字塔, 进行不同层级的特征融合。同时，使用空洞卷积扩大特征提取的视觉感受野, 增强网络对复杂背景近岸多尺度舰船目标的适应性, 降低复杂背景下SAR图像舰船目标检测的虚警率。通过在构建的复杂背景近岸舰船检测数据集上的测试实验, 结果表明: DFF-Yolov5的平均准确率为85.99%, 相比于原始的Yolov5, 所提方法平均准确率提高了5.09%, 精度提高了1.4%。     

UWB SAR叶簇遮蔽目标检测中的ROI提取方法

针对SAR(synthetic aperture radar)ATR(auto target recognition)算法中的ROI(region of interest)提取通常由一个CFAR(constant false alarm rate)检测器和聚类算法来完成,该方法在高波段SAR目标检测中具有优良的性能,而在UWB SAR(ultra-wide band synthetic aperture radar)叶簇遮蔽目标检测中效果不佳。提出了一种适于叶簇遮蔽目标检测的ROI提取方法,该方法由小滑窗中值滤波、低门限CFAR检测、形态学操作和聚类算法四部分组成,能够在叶簇遮蔽目标检测中很好地完成ROI提取,基于实际UWB SAR图像的ROI提取结果验证了该方法的有效性。     

利用不变检验证明CFAR特性

在非平稳杂波背景中，背景杂波平均功率的轻微变化会使虚警概率急剧上升。如果利用参考单元采样形成背景杂波功率水平估计，然后自适应调整检测阈值可以控制虚警概率。对于这种自适应阈值检测器，我们利用不变检验概念证明了在一定的弱约束条件下的一类检测器具有ＣＦＡＲ（ＣｏｎｓｔａｎｔＦａｌｓｅ Ａｌａｒｍ Ｒａｔｅ）性质，揭示了这类ＣＦＡＲ检测器的机理，为此类ＣＦＡＲ检测器提供了通用的证明方法