一种基于二维Gamma分布的SAR图像变化检测方法

对于隐藏在强杂波环境中的人造目标,传统的恒虚警率（constant false alarm rate, CFAR）目标检测算法受到较大程度的制约。为了改善检测性能,提出了一种基于二维Gamma分布的变化检测算法,并给出了参数估计、变化分析、CFAR归一化、目标聚类等关键步骤的实现方法。该算法在拟合精度较高的二维Gamma分布的基础上,充分利用图像间的相关性抑制强杂波。对实际数据的处理表明,该算法具有较好的检测性能,能在低虚警率的基础上实现较高的检测率。     

高分辨率SAR图像中车辆群目标检测的研究

研究了对SAR图像中车辆群目标的检测问题。采用统计检测的方法进行了理论分析,得到了3种检测算法的参数估计及检测门限的计算公式,提出了一种改进的综合目标检测算法。检测结果表明,采用常规双参数CFAR检测算法和单视标准CFAR检测算法存在较多的虚警,而采用改进的综合目标检测算法,检出目标准确,目标细节清晰,虚警很少,具有优良的检测性能。同时给出了该算法的滤波算子构造方法、参数选取方法及最佳参数。     

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。     

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。     

组网雷达自适应模糊CFAR检测融合算法

为提高组网雷达的分布式恒虚警(constant false alarm rate, CFAR)检测性能, 基于模糊逻辑和最大选择筛选平均检测器(maximum-censored mean level detector, MX-CMLD)提出一种自适应多传感器分布式模糊CFAR检测算法。该方法是一种基于无信噪比信息的检测融合算法, 通过传输单部雷达站接收信号的检验统计量、检测可信度来完成全局的CFAR检测。该方法通过表决模块和反馈模块, 控制传输到融合中心的数据量, 并自适应选取相关的雷达数据进行融合, 在一定程度上可以实现雷达资源的管理。仿真结果表明, 在均匀背景、多目标干扰背景的目标检测中, 自适应分布式模糊MX-CMLD均有较好的检测性能。     

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。     

复杂背景下的二维检测研究

由于雷达检测背景的复杂和起伏 ,经典CFAR检测不能保持稳定的检测性能。利用噪声和目标在距离 -多普勒二维平面上的信息构成特殊的二维窗 ,异常值剔除后进行二维窗的检测统计量计算。实验中 ,各种经典CFAR检测的稳定性和检测性能得到了不同程度的提高 ,本文提出的混合检测方式获得了最佳的检测性能。     

多分辨率频谱感知算法性能的参数化评估方法

多分辨率频谱感知算法是一种利用小波变换时频尺度可变特性,对宽带通信系统进行快速准确地感知的频谱感知算法。基于多分辨率频谱感知算法的特性,提出了一套频谱感知性能参数化评估方法,构建了基于OFDM信号的多分辨率频谱感知算法仿真平台。分别从小波函数基的选取、调制方式、扫描速率以及实际IQ失配问题的影响等角度,对OFDM宽带信号的感知性能进行了系统的仿真评估和分析,获得感知系统在不同参数设置时的检测概率和误检概率评估结果’为认知无线电系统的进一步设计实现与性能评估提供了重要依据。     

雷达网信息传输能力评估方法及仿真分析

基于连通概率、时效性函数、误信率的具体界定,对雷达网的信息传输能力进行了研究,并提出了一种具体的定量评估方法。该方法将时效性函数定义为各通信链路传输时延与连通概率乘积的加全和,优化了时效性函数的求解。结合雷达情报网的应用实例,对树状网络结构的信息传输延迟因子进行了动态仿真分析并给出了具体的算法。通过仿真实验证明了该评估方法的有效性和实用性,为警戒雷达网的优化部署提供了理论依据。     

基于粒子群优化算法的KK分布参数估计方法

针对KK分布的参数估计,首先介绍了半经验估计法,然后提出了一种基于粒子群优化的估计方法。该方法将杂波数据统计直方图与KK分布概率密度函数在部分采样点上的差异作为代价函数,通过粒子群优化搜索参数的最优值。通过蒙特卡罗方法对半经验估计法在权重参数不同时的性能进行了仿真,然后分析了杂波数据样本点数的多少等因素对所提算法精度的影响,最后基于实测合成孔径雷达图像杂波数据对该算法进行了验证。仿真结果表明,该算法对KK分布参数具有良好的估计性能,KK分布与K分布等相比,对合成孔径雷达图像杂波数据具有更强的拟合能力。     

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…     

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.     

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。     

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。     

对低信噪比下的红外点目标高检测率的研究

低信噪比(≤2)条件下的低虚警率、高发现率点目标检测是对常规检测方法的挑战,必须采取边检测边跟踪边确认的方法才能达到所要求的性能指标。利用二项分布的理论,解决了该方法中的相关帧数和门限的确定问题。为确保低虚警率、高发现率检测识别问题提供了理论保证。仿真结果验证了理论分析的正确性。     

基于贝塔高斯概率假设密度的扩展目标跟踪

基于二项分布的扩展目标概率假设密度(extended target probability hypothesis density based on binominal distribution, BET-PHD)算法能够获得比泊松ET-PHD更好的跟踪性能。然而,BET-PHD中作为先验信息的检测概率和量测数目最大值在实际应用中是未知的。参数严重不匹配会导致算法性能急剧下降。鉴于已有文献给出量测数目最大值的估计方法,提出一种能够在线估计检测概率的贝塔高斯ET-PHD (beta Gaussian -ET-PHD, BG-ET-PHD)滤波器。首先采用二项分布的共轭先验贝塔分布估计检测概率,并与BET-PHD相结合得到 BG-ET-PHD。仿真结果表明,BG-ET-PHD滤波器能够准确估计检测概率,能够获得比基于泊松模型的伽马高斯ET-PHD (gamma Gaussian ET-PHD, GG-ET-PHD)更好的跟踪性能。