基于可调Q因子小波变换的海杂波抑制算法

针对海杂波背景下弱目标检测中存在的信杂比低的问题，提出了改进的基于可调Q因子小波变换的海杂波抑制算法。由于海杂波能量远大于目标信号能量，提出选取与海杂波振荡特性相匹配的参数进行可调Q因子小波变换，得到各小波子带的系数，并对小波系数进行稀疏优化后重构海杂波信号。为了判断弱目标信号是否存在，提出一种自适应的阈值检测方法，将原始回波信号与海杂波重构信号的差作为检测样本，实现对弱目标信号的检测。该算法不依赖海杂波具体模型。最后对某实测海杂波数据集进行实验，验证了所提算法的正确性。     

基于减法聚类的两级Hough变换航迹起始算法

针对低信噪比、低信杂比环境下作匀加速直线运动的目标检测中随机Hough变换算法存在的采样次数总量大、无效采样多的现象,提出了一种改进的航迹起始算法-基于两级Hough变换的航迹起始算法.该方法首先采用标准Hough变换滤除原始数据空间上的大量杂波点,然后用随机Hough变换以较少的采样次数获取备选航迹参数,再对所得参数使用最小距离筛选的方法进一步减少虚警,最后利用减法聚类得到准确的航迹数及航迹参数.实验表明该方法不但能够明显降低随机Hough变换的采样次数、减少无效采样,而且对杂波干扰具有很好的鲁棒性,尤其适用于复杂环境中的目标检测.     

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。     

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。     

基于遍历Hough变换的弱目标检测前跟踪算法

针对基于标准Hough变换的TBD算法在低信噪比环境下检测概率较低以及运算时间较长的问题,提出一种基于遍历Hough变换的TBD方法.将接收到的各帧回波点进行第一门限判决并依次存储到不同矩阵中;把所有超过第一门限的点统一叠加到数据平面;接着两两遍历组合数据平面中不同点求取直线参数,将其投影到参数平面对应单元,并建立累加器,同时将组合两点的幅值积累到该单元对应的累加器中;提取累加器中积累值超过第二门限单元,实现航迹回溯.通过仿真比较所提算法与其它两种基于Hough变换的TBD算法,验证了所提方法能够有效提高低信噪比下目标的检测概率并且运算时间也比标准Hough变换少.     

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。     

基于两次异常检测的雷达HRRP杂波稳健目标识别方法

对地目标识别中,目标回波中将不可避免的含有大量杂波,严重影响识别性能。针对该问题,提出了杂波稳健识别方法,该方法首先采用基于球形假设聚类的异常检测方法,完成小簇杂波的抑制;然后利用参数非依赖局部异常因子异常检测法对剩余散射点进行异常检测,完成点杂波的抑制;最后利用杂波抑制后的高分辨距离像进行特征提取和目标识别。本文方法对目标是否运动无要求,算法涉及参数不需要人为设定。实测数据验证表明,所提方法的识别率优于传统方法,随着信杂噪比降低识别性能稳健,且运算量较小。     

基于keystone变换的宽带目标识别雷达杂波抑制

对宽带雷达,相邻回波间会出现越距离单元走动现象,传统杂波抑制方法不适用。keystone变换在校正越距离单元走动时,无法同时校正模糊次数不等的多个目标。基于上述思想,提出了一种结合keystone变换在频率域-多普勒域联合提取目标信号和抑制杂波的适合于宽带目标识别雷达的杂波抑制新方法。该方法较好地解决了当keystone变换过程中目标和杂波出现不同的模糊因子时,如何校正越距离单元走动的这一难题。计算机仿真结果表明,该方法在低信杂比情况下仍可保持较好的识别性能。     

基于稀疏样本选优的机载雷达动目标检测算法

针对存在干扰目标的非均匀样本中机载雷达动目标检测性能下降问题,基于信号稀疏恢复技术,提出一种基于稀疏样本选优的机载雷达动目标检测算法,利用训练样本和待检测距离单元的稀疏性,选择训练样本中杂波的位置和检测单元中杂波的位置相似的训练样本,去除选优后训练样本中的干扰目标,克服干扰目标对机载雷达动目标检测性能的影响,采用处理后的训练样本和待检测距离单元的数据构建杂波协方差矩阵。通过仿真实验进行改善因子、距离单元输出功率、目标信号提取的比较,说明了本文算法能够提高机载雷达动目标检测性能。     

基于广义似然比的宽带分布式目标检测算法

针对在相干积累期间发生距离走动的分布式目标检测问题,提出了一种广义似然算法及其改进算法。该算法采用广义似然函数准则与极大似然方法对不同预设速度下各个距离单元的信号进行估计,得到了两步广义似然比检测算子。进一步利用目标相邻强散射单元特性和相邻预设速度相关性,推导出改进的三步广义似然算法,随后证明了这两种算法的恒虚警率性。对两类飞机实测数据的多个实验结果表明,当目标发生距离走动的情况下,该算法性能相对与传统的非相干积累算法有明显提高。     

高速运动雷达弱小目标检测方法研究

针对强杂波下高速运动的雷达弱小目标的特点,提出了一种基于短时滑窗相参积累和改进动态规划的检测前跟踪相结合的算法。首先,将雷达的回波信号构成一个先入先出的队列,进行短时滑窗相参积累。其次,在航迹跟踪时采用了基于改进动态规划的检测前跟踪算法,并且在原来的状态转移的基础上又对后续状态进行了估计,从而降低了相邻两帧间目标强度起伏的影响。实测数据证明此算法检测性能好,计算量较小,实际可行。     

量测点迹空间聚类的多传感器多帧检测算法

针对强干扰环境下微弱目标检测算法运算复杂度高、虚假目标数量多等问题, 利用目标量测点迹在多传感器之间的分布特性及目标能量的可累加性, 提出一种量测点迹聚类的多帧检测算法。该算法首先利用同源检测对多传感的器量测点迹的有效性进行判断,实现杂波/噪声剔除;其次在空间和时间两个维度对目标的能量进行积累实现微弱目标检测。仿真结果和性能分析表明, 该算法能够大幅降低运算复杂度, 提高虚假目标的抑制能力, 并能够提升微弱目标的检测概率, 验证了该算法的有效性和工程的可行性。     

目标回波不连通的慢速小目标探测方法

为了探测因杂波干扰强度大、目标回波微弱等原因,导致雷达操纵员将其误当成杂波点的慢速小目标。把连续多帧雷达图像进行长时间积累,针对多帧雷达图像积累中目标回波不连通的情况,提出了一种目标回波不连通的慢速小目标探测方法。引入最小外接矩形的长宽比Fj3占空比Fj2和像素值Fj1等3个参量,运用图像标记技术提取目标回波上述参量,利用Fj1去除大片连通目标回波对慢速小目标的干扰,通过Fj2和Fj3得到的信息值H(Aj)对目标回波进行分类处理。在每个分类域中,首先去除目标回波中间隔距离大于多帧积累时间内慢速小目标运动距离的目标回波,然后通过“慢速小目标的确定”实现对慢速小目标的有效探测,最后把每个分类域中慢速小目标探测结果进行合成得到最终的慢速小目标探测效果。仿真实验结果验证了该算法的有效性。     

基于深度学习的复杂背景雷达图像多目标检测#br#

针对传统雷达图像目标检测方法在海杂波及多种干扰物组成的复杂背景下目标分类识别率低、虚警率高的问题,提出将当前热点研究的深度学习方法引入到雷达图像目标检测。首先分析了目前先进的YOLOv3检测算法优点及应用到雷达图像领域的局限,并构建了海杂波环境下有干扰物的舰船目标检测数据集,数据集包含了不同背景、分辨率、目标物位置关系等条件,能够较完备地满足实际任务需要。针对该数据集包含目标稀疏、目标尺寸小的特点,首先利用K means算法计算适合该数据集的锚点坐标;其次在YOLOv3的基础上提出改进多尺度特征融合预测算法,融合了多层特征信息并加入空间金字塔池化。通过大量对比实验,在该数据集上,所提方法相比原YOLOv3检测精度提高了6.07%。     

最优分布变换与微弱点状动目标检测技术

研究了微弱点状动目标序列图像观测模型、目标检测模型和最优分布以及最优分布变换。提出了一种基于准优分布变换的微弱点状动目标检测技术。经过变换 ,未知统计分布变为准高斯分布 ,提高了信噪比 ,改造了分布形状 ,获得了有利分布。并将时空三维搜索简化为沿时间轴投影与二维空域搜索 ,实现了一种快速算法。PC仿真结果与国内外相应文献比较 ,在信噪比、检测概率与虚警概率方面具有更好的性能 ,且算法的实时性好。给出了该算法性能的理论分析和实验仿真结果     

稀疏字典学习海面微弱动目标检测

针对强海杂波背景下微弱动目标信号提取困难、雷达检测性能差的问题,在稀疏表示理论的基础上,提出利用字典学习算法抑制海杂波、重构目标信号。该算法通过K类奇异值分解（K-singular value decomposition,K-SVD）算法学习海杂波和目标的稀疏域主成分特征,得到相应的学习字典,抑制海杂波并对目标信号稀疏重建,解决了以往固定字典与高海况下雷达回波匹配度低、目标信号提取效果差的问题;并通过算法参数的分析和优化,进一步提高了算法性能和工程实用性。基于实测数据的实验结果表明,相比传统检测方法,所提算法能够有效检测高海况下微弱动目标,显著提升检测性能。     

基于改进粒子滤波的微弱目标检测前跟踪算法

研究高速微弱目标的积累检测问题,提出了一种改进粒子滤波的检测前跟踪算法。该算法采用与雷达距离-多普勒图像相匹配的量测数据模型,能克服传统点扩散函数的模型误差。采用“新生”粒子从强度最高的分辨单元集内均匀产生,且按概率对权重最低的部分“存活”粒子用“新生”粒子将其替换的粒子更新策略,在增加粒子多样性的同时缓解了粒子的退化。仿真实验表明,本文算法的检测与跟踪性能要优于标准的粒子滤波算法。     

基于ARSαS模型参数估计的雷达目标检测方法

由于杂波非高斯特性和相关特性的影响,传统的动目标检测(moving target detection,MTD)技术的检测性能严重下降,针对该问题,基于对称α稳定分布(symmetric α stable, SαS)杂波模型和自回归(auto regressive,AR)模型理论,提出了一种基于ARSαS模型参数估计的雷达目标检测方法。该方法基于SαS模型,通过幂变换抑制杂波的非高斯特性,以及通过基于广义尤拉〖CD*2〗沃克方程参数估计的AR模型白化杂波,应用快速傅里叶变换实现对目标信号的积累,以提高信杂比。仿真实验和实测数据验证表明,所提方法在非高斯相关杂波背景下的检测性能明显优于传统的MTD方法。