一种基于信噪比估计的自适应伪码捕获算法

军事扩谱通信一般都以突发信号帧的形式进行通信,通信时间短、可靠性要求高、信号动态范围大。固定门限捕获方法不能提供满意的性能,门限选得太高会使高信噪比时虚警概率过高,而门限过低会使得低信噪比时漏检概率高,检测概率低,因此需要利用自适应捕获方法。提出一种适合突发短帧模式的自适应伪码捕获方法,该方法可适用于A/D转换前加自动增益控制(AGC)的情况。提出的自适应捕获方法基于接收信号信噪比的估计,推导出根据采样点统计值的比值得到信噪比估计的实用算法,并对该算法进行多项式拟合以适合工程实现,并对算法进行了仿真分析。     

复杂背景下的红外运动弱小目标的实时检测

对红外弱小目标的检关键是将目标从由地物、云团造成的复杂背景中有效地分割出来.采用在高通滤波前先进行一次背景抑制的预处理方法,以校正由温度非线性引起的噪声.再对高通滤波后的信号进行自适应门限分割的方法,更好地将低信噪比的红外点目标从周围的背景中分割出来,最后利用点目标检测的方法,进行点聚合,对同时存在的斑点、面目标也进行了检测.该算法可有效地减小运算量,对快速、实时和点、斑点、面目标同时存在的复杂情况具有一定的实用价值.膊     

基于Fuzzy-ART神经网络的红外弱小目标检测

针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于模糊自适应共振理论（fuzzy adaptive resonance theory, Fuzzy ART）神经网络的弱小目标检测算法。首先,采用Fuzzy ART神经网络结合Robinson 警戒环技术,建立自适应局部空间背景模型,并以此分析像素点的背景模糊隶属度来抑制背景杂波;然后依据目标与残留背景杂波的空间特征采用模板均差法来突显目标,并提出基于行列模糊聚类的自适应分割算法来提取候选目标;最后结合目标的运动连续性进行多帧轨迹关联从而检测出真实目标。理论分析与实验结果表明,该算法能随背景的局部情况来自适应调节空间背景模型,从而自适应抑制背景杂波、突显目标,能有效提高信噪比,检测出弱小目标。     

基于Top-hat变换的PM模型弱小目标检测

为了实现红外复杂背景下弱点目标的有效检测,提出了形态学Top-hat变换和改进的非线性扩散(以Perona-Malik (PM)的研究为基础)模型相结合的滤波算法,用于增强红外弱小目标信号、抑制复杂背景和噪声。该方法首先利用形态学滤波中的Top-hat算子对图像进行目标增强,然后对形态学滤波后的图像采用改进的PM滤波器进行进一步滤波达到抑制背景突出目标的目的,最终通过阈值分割实现弱小目标的检测。对比实验结果表明,该算法能够在低信噪比(signal-to-noise ratio, SNR)下实现红外弱小目标图像的背景及边缘有效抑制、使图像的信噪比提高20%,检测能力在原有算法上提高了40%。     

低信噪比突发信号载波频偏估计算法

快速准确的载波频偏估计在突发信号的相干解调中发挥着至关重要的作用。目前的载波频偏估计算法很难同时兼顾估计精度、信噪比(signal-to-noise ratio,SNR)门限以及估计范围等指标。针对这一问题,提出了一种数据辅助的基于接收信号自相关序列离散傅里叶变换(discrete Fourier transform,DFT)的载波频偏估计算法。该算法通过对接收信号的自相关进行加窗处理,借助离散傅里叶变换来实现频率估计。仿真结果表明,与经典的M&M算法相比,该算法具有更低的信噪比工作门限,在低信噪比情况下具有更低的差错概率和更宽的估计范围,非常适合低信噪比突发信号的载波频偏估计。     

基于动态规划和置信度检验的小目标检测

在目标检测、识别与跟踪系统中,弱小目标的检测是需要解决的关键技术之一。提出了一种基于动态规划与轨迹置信度检验的弱小目标检测方法。该方法利用动态规划方法积累目标能量,然后进行门限判决和对候选目标轨迹进行置信度检验,从而剔除假目标,给出目标信息。该算法针对白噪声背景条件下的图像目标检测,解决了低信噪比条件下运动点目标的检测问题,算法结构简洁,易于进行软硬件分割。最后给出其实验结果。     

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。     

突发信号载波频偏估计的广义延拓逼近算法

为了解决在突发信号载波频偏估计问题中,载波频偏估计算法对估计精度、信噪比门限和估计范围的兼顾问题,提出了基于广义延拓逼近的载波频偏估计算法。该算法无需数据辅助,对接收信号频域信息做合理单元划分,节点处满足插值条件,单元域内实现最佳拟合,能够有效提升整域内的逼近精度。仿真结果表明,与文献算法相比,该算法具有更低的信噪比门限、更高的估计精度和理论最佳的估计范围。算法数学模型稳健、复杂度低,具有很好的可实现性和很高的使用价值。     

一种频域自适应最大似然时延估计算法

提出了一种基于平方相干函数的频域自适应最大似然时延估计算法。该算法构造了一种广义相位数据最大似然加权函数,并通过自适应估计输入信号的平方相干函数加以实现。算法的性能分析和仿真实验表明,该算法有更好的时延估计精度、收敛速度和跟踪性能,能够有效提高低信噪比环境下的低空目标被动声探测的时延估计性能。     

时域递归滤波算法中k系数确定方法的研究

时域递归低通滤波是高精度光电实时跟踪控制系统在复杂背景条件下提高信噪比，检测运动弱小目标的主要方法，属于自适应的非线性滤波。这种非线性滤波的关键在于实时确定滤波算法中的k系数。这个k系数是预测偏差的函数，它能够根据目标运动的情况实时校正滤波算法。通常在确定这个系数时有不同的算法，通过比较这些算法在硬件上实时实现的差别，确定出适用于光电实时跟踪控制系统比较理想的时域递归低通滤波方法。     

基于高阶谱技术地波超视距雷达信号检测算法

提出了基于高阶统计量时延估计的一种新的检测算法，并用于高频地波超视距雷达中。给出了在低信杂比和色噪声背景下该算法所得到的结果，并同传统的检测方法进行了比较。结果表明，该算法在色噪声背景和低信杂比（４ｄＢ）情况下，利用有限的数据量较好地检测到信号，并能准确地估计出目标的距离和速度，从而增大了雷达的作用距离，提高了检测性能。     

基于视觉对比度机制的红外弱小目标检测算法

针对红外图像中空天、海天等复杂背景及像素点噪声容易造成检测虚警的问题,提出一种基于视觉对比度机制的红外弱小目标检测算法。首先，通过新定义的局部对比度算子获取对比度增强的图像,该步骤可抑制背景杂波与像素点噪声对检测的干扰,提高图像的信杂比,增强目标区域的视觉显著性。然后,利用多尺度方法优化图像的显著区域,以增强算法的适用性,从而实现算法对不同尺寸的弱小目标的有效检测。最后,利用自适应阈值分割方法获取待检测的真实目标。实验结果表明,该算法无需图像预处理环节即可实现对不同尺寸的弱小目标的鲁棒性检测,对比常用算法具有快速性、高效性和较强的适用性。     

低信噪比图像中运动点目标的检测方法

图像中点目标的检测是目前比较活跃的研究领域,它在制导、天文观测、遥感等学科中有着重要的应用价值。在低信噪比条件下,要从图像中检测出运动的点目标存在着不少困难。本文首先分析了低信噪比情况下检测的难点,然后对目前七种有代表性的方法加以评介。     

基于双门滤波的红外点目标检测方法

讨论了红外图像点目标的检测问题。针对红外点目标无形状特征、SNR很低的特点,分析常用的最大中值滤波的优缺点,提出了改进的双门滤波器,并用之来对图像进行目标检测。该算法通过选取合适的目标窗和背景框的大小,分别计算窗、框内的平均值和方差来决定滤波器的输出,在目标窗与背景框间加缓冲带从而降低了目标与背景的误分辨。经过大量实验验证表明,该方法能够较大程度提高目标图像的信噪比,有效地检测出小目标。     

基于粒子滤波的弱目标检测前跟踪算法

针对低信噪比条件下弱目标的实时检测与跟踪,提出了一种基于粒子滤波,结合序贯概率比检验和固定样本长度似然比检验的递归检测前跟踪算法。粒子滤波用以解决跟踪中的非线性和非高斯问题;序贯概率比检验通过序贯累积多帧观测数据来提高信噪比,以最小时延检测到目标存在;固定样本长度似然比检验,通过选择合理的样本长度,保证持续检测到目标,且无延迟检测目标消失。仿真试验表明,该算法有着良好的检测与跟踪性能。     

低截获MIMO雷达改进MUSIC算法

在军事领域中,机载多输入多输出(multiple input multiple output,MIMO)雷达既要探测机动目标,又要防止被截获接收机侦收.针对这一问题,提出了低截获的单基地非均匀阵列MIMO雷达改进多信号分类(multiple signal classification,MUSIC)算法.通过对MIMO雷...