脉冲多普勒雷达高度表恒虚警技术

本文介绍了恒虚警技术在雷达高度表中应用的基本原理，讨论了在高斯噪声背景、杂波干扰背景中恒虚警门限ＶＴ的确定方法以及相应的恒虚警措施，确定了基于高速ＤＳＰ芯片实现的自适应恒虚警方法。     

杂波图CFAR平面检测技术

本文提出了一种适合对海浪杂波进行恒虚警率（ＣＦＡＲ）处理和检测的新方法，它有效地改善了常规恒虚警率处理的性能。文中还给出了这种处理方法的硬件实现框图，并就检测性能作定量分析。     

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。     

机载监视雷达地杂波背景中的CFAR检测方法

在充分考虑了具体雷达体制和工作环境的基础上认为,采用二维有序统计恒虚警处理方法(2D OS CFAR)适合于机载监视雷达地杂波背景中的恒虚警概率(constantfalsealarmrate,CFAR)检测。同时,对该方法在不同杂波背景、不同窗口大小、不同干扰数目时的检测性能进行了理论分析和实验仿真。仿真结果表明,该方法能有效地提高机载监视雷达对地工作方式时的CFAR检测能力。     

SαS分布下的累积分布检测器

针对对称α稳定（symmetric α stable，SαS）分布背景下局部最优检测（locally optimal detector，LOD）结构复杂、难以进行恒虚警处理的问题，提出一种自适应累积分布检测器（cumulative distribution detector，CDD）。该检测器首先利用累积分布函数对接收信号进行非线性变换，然后再进行匹配滤波处理。根据双参数柯西-高斯混合（bi-parameter Cauchy-Gaussian mixture，BCGM）模型对SαS分布进行近似，在此基础上对CDD的检测性能进行了系统分析，证明了其恒虚警特性，并通过Sigmoid函数对该检测器进一步简化得到了近似累积分布检测器（near CDD，NCDD）。理论和仿真结果都表明，当α较大时，NCDD性能接近LOD，但结构更加简单，更易于恒虚警处理。     

一种新的基于有序统计的恒虚警处理器

本文提出一种新的基于有序统计的恒虚警检测器。这种新的检测器是广义有序统计单元平均（ＧｅｎｅｒａｌｉｚｅｄＯｒｄｅｒｅｄＳｔａｔｉｓｔｉｃＣｅｌｌＡｖｅｒａｇｉｎｇ－ＧＯＳＣＡ）恒虚警算法。对这种新的恒虚警算法在斯威林２型目标假设下，我们获得了虚警和探测概率的解析表达式。与ＯＳ－ＣＦＡＲ相比，ＧＯＳＣＡ－ＣＦＡＲ在均匀干扰背景和多目标情况下均具有最好的检测性能，并且其参考滑窗单元幅值排序时间还不到ＯＳ－ＣＦＡＲ的一半。     

恒虚警检测器的检测性能

近十几年来,雷达信号检测的理论和实践已取得了飞速的发展。信号检测已成为雷达系统不可缺少的一部分。通常,因雷达数据处理系统中能处理的目标总数总是有限的,所以要求雷达信号检测能保持虚警概率恒定(CFAR),这样的检测器称为恒虚警检测器。为了获得这些检测器的检测性能,用     

最佳线性无偏最大选择CFAR检测算法

为了增强恒虚警检测器对杂波边缘的保护能力,基于提出的最佳线性无偏(BLU)恒虚警检测算法,提出了最佳线性无偏选大恒虚警检测器(BLUGO-CFAR)。它的前、后沿滑窗均采用BLU算法来产生局部估计,将其中的最大值作为检测器对杂波功率水平的估计,去设置自适应检测门限。在SwerlingⅡ型目标及瑞利杂波假设下,推导出了它的P_(fa)、P_d、ADT及杂波边缘虚警尖锋的数学解析表达式。分析结果表明,它在均匀背景及多目标环境中的性能均比GOSGO或OSGO获得了改善,它对杂波边缘的虚警控制能力与控制能力强的GOSGO类似。在特殊情况下,BLUGO退化为MX-CMLD。     

多分布类型杂波背景下恒虚警处理器性能分析

针对恒虚警(CFAR)处理器在多分布类型杂波中的应用背景,分析了杂波分布检验恒虚警(CT-CFAR)处理器的检测性能。该处理器在CFAR处理前首先进行杂波分布检验,因而较瑞利(Rayleigh)分布假设杂波背景下的CFAR(Rayleigh-CFAR)处理器取得了较小的CFAR损失。通过与Rayleigh-CFAR处理器以及利用杂波分布先验信息的CFAR(D-CFAR)处理器性能比较,揭示了三种CFAR处理器之间的内在联系。仿真结果表明,在信杂比较低时,CT-CFAR较常规的Rayleigh-CFAR取得了较大的性能改善。     

基于模糊推理的自适应BP算法

ＢＰ网络是迄今为止应用最广泛的一种神经网络，但这种算法也存在着收敛速度慢、容易陷入局部极小点等问题．本文在标准ＢＰ算法的基础上提出一种改进ＢＰ算法，称之为自适应ＢＰ算法．这种自适应ＢＰ算法采用模糊规则动态调整学习参数，并且能在学习过程中和学习完成后通过隐节点调整算法优化网络结构，有比标准ＢＰ算法更好的收敛性和更好的泛化能力     

多层前馈二阶神经网络模型

本文首先建立多层前馈二阶神经网络模型，继而给出该模型的二阶Ｂ－Ｐ学习算法，在此基础上构造了二阶快速Ｂ－Ｐ（即ＦＢ－Ｐ）和改进的二阶ＦＢ－Ｐ（即ＭＦＢ－Ｐ）学习算法，在计算机上以两类飞机图像目标识别为例，对本文提出的多层前馈二阶神经网络模型及其三种二阶学习算法的性能进行仿真实验，并与传统的多层前馈一阶神经网络及其相应学习算法的性能作比较，从而获得若干有意义的结果。     

多层前馈神经网络的快速学习算法及其仿真研究

本文主要研究多层前馈神经网络的快速学习问题。文中首先概述了多层前馈神经网络的B—P学习算法,并分析了这种算法的主要缺陷,在此基础上提出了若干克服和缓解这些缺陷的技术方法,由此构造了一种新的多层前馈神经网络的快速B—P学习算法即FB—P算法。通过对FB—P算法学习过程进行较详细的分析,本文还建立了一种改进的FB—P学习算法即MFB—P算法。最后本文以三层前馈神经网络识别五类地面目标图像为例,对文中提出的FB—P和MFB—P学习算法的性能(即学习速度与推广特性)进行了计算机仿真实验,同时与B—P学习算法的性能作比较,理论分析与仿真实验表明:MFB—P与FB—P学习算法比B—P学习算法具有更快的收敛速度,且MFB—P算法收敛最快;MFB—P算法比FB—P和B—P学习算法具有更好的推广特性,而后两者的推广特性则大致相同。     

用多层前馈神经元网络实现运动点目标图像识别

本文主要讨论了远距离目标(即点目标)的识别问题,提出了一种用二阶神经元网络来识别含噪运动点目标图像的方法,给出了点目标运动轨迹参数与速度参数提取方法和二阶神经网络的改时B—P学习算法。在PC—286微机上对本文提出的方法进行了仿真实验,结果表明这种识别方法具有很好的识别效果。     

人工神经网络的一种改进的B-P学习算法及其应用

本文首先简要地介绍了人工神经网络(以下简称神经网络)的B—P学习算法,继而分析了B—P算法收敛速度慢的内在原因,讨论一些加速B—P算法收敛的措施,提出了一种改进的B—P学习算法(MB—P)。将这种算法应用于两类含噪飞机图象目标识别系统,并进行了仿真实验。实验结果表明,MB—P学习算法的收敛速度比B—P算法的收敛速度快许多,而且分别用这两种学习算法训练的神经网络对目标具有大致相同的识别率。     

雷达自动检测和CFAR处理方法综述

对雷达自动检测和恒虚警率(ConstantFalseAlarmRate,CFAR)处理方法进行了综述，介绍了研究CFAR检测的几个主要方向和发展现状。主要内容有参量检测的目标和杂波模型，高斯杂波背景中的CFAR检测和非高斯杂波背景中的CFAR检测，非参量CFAR检测。最后简单地介绍了分布式CFAR检测，阵列信号CFAR处理，极化CFAR处理等极具潜力的研究方向，以及现代信号处理技术在雷达自动检测中的应用。     

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…     

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。     

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.