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。     

基于重构协方差矩阵空时二维杂波抑制方法

针对杂波环境严重非均匀导致协方差矩阵估计失真、空时自适应处理性能下降的问题,提出了一种杂波协方差矩阵重构方法,并利用重构的杂波协方差矩阵实现杂波抑制。该方法充分利用了载机速度给定时杂波分布轨迹已知这一先验知识,考虑了天线方向图的调制,通过改变空时相关函数调节杂波带宽,可以实现任意杂波协方差矩阵重构。计算机仿真分析和实测数据处理结果表明,所提出的方法在非均匀杂波环境中,与小自由度的降维自适应算法相比具有更好的动目标检测性能。     

直接数据域迭代空时自适应处理方法

针对常规空时自适应处理(space-time adaptive processing, STAP)在机载雷达非均匀杂波环境下杂波抑制性能下降的问题,提出一种直接数据域(direct data domain, DDD)迭代空时自适应处理方法。首先利用数据的特殊结构和空时谱的稀疏性引入一种新的迭代自适应(iterative adaptive approach, IAA)空时二维谱估计算法,然后在获得待检测单元空时谱分布的基础上重构无孔径损失的协方差矩阵,最后根据目标信号在空时平面的分布特点,提出一种新的目标剔除算法对协方差矩阵进行修正,以避免目标自相消。仿真实验结果表明,在存在3%阵列误差的情况下,所提方法在旁瓣杂波区的改善因子比传统直接数据域方法高出约10 dB、比多普勒平移法高出约5 dB。     

基于张量稀疏恢复的MIMO雷达杂波抑制方法

多输入多输出(multiple input multiple output,MIMO)雷达发射波形的自相关和互相关旁瓣会严重影响动目标检测性能。针对这一问题,文中分析了波形自相关和互相关在杂波抑制过程中对动目标检测的影响,提出了一种基于张量稀疏恢复的杂波抑制方法。通过对杂波谱重构,有效消除波形非正交对MIMO雷达杂波抑制产生的影响。进一步利用雷达参数和环境动态数据库,计算杂波脊的先验位置。在杂波谱重构中加入先验杂波位置约束,有效地减少由压缩感知算法产生的杂波伪峰。仿真分析表明该方法在小样本情况下能有效抑制杂波,且计算复杂度低。     

非正侧面阵的近程STAP

空时自适应处理(STAP)作为一种地杂波环境下机载雷达自适应检测小目标的方法已得到广泛研究，非正侧面阵也是其中的一个重要方面。由距离变化引起的地杂波脊的非平稳性是非正侧面阵STAP在近距性能下降的主要原因。利用扩展样本矩阵求逆(ESMI)     

空时自适应处理的直接数据域方法

在非均匀环境下，由于辅助数据不能准确反映待测距离门的统计特性，传统的空时自适应方法将不能有效地抑制干扰。介绍了机载雷达在非均匀杂波环境下的基于直接数据域的空时自适应信号处理方法。这是一种确定性的最小二乘自适应信号处理方法，通过“快拍-快拍”数据来确定零化干扰的自适应权值。这种方法不需要通过邻近距离门的辅助数据来估计样本协方差矩阵，避免了矩阵求逆运算，可实时运行。仿真结果表明，这种方法可以在非均匀杂波环境下有效地抑制干扰。     

基于矩阵相似度的空时二维干扰检测方法

针对干扰目标污染训练样本引起功率非均匀,造成空时自适应处理(space-time adaptive processing,STAP)目标检测性能下降这一问题,提出一种基于矩阵相似度的STAP非均匀样本选取方法。该方法首先从受污染样本与干净样本的差异性度量角度入手,采用均值Hausdorff距离度量样本矩阵相似性,然后结合凸优化包计算不同样本的相似度,最后根据相似度的不同,实现对受污染样本的剔除。仿真结果表明,同广义内积法(generalized inner product,GIP)相比,采用均值Hausdorff矩阵相似度的挑选方法对于受小干扰强度目标污染的样本检测更加有效,避免了弱干扰目标对于协方差矩阵估计的影响,从而改善了STAP在功率非均匀环境下的目标检测性能。     

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。     

非正侧阵机载雷达杂波谱迭代自适应配准方法

对于机载非正侧阵雷达,杂波谱的距离空变性使得直接利用邻近单元数据估计的协方差矩阵与真实协方差矩阵不匹配,导致空时自适应杂波抑制性能下降。基于配准的补偿(registration based compensation, RBC)方法通过时域平滑来估计空时谱,继而对地杂波的距离依赖性进行补偿,由于时域孔径损失使杂波谱峰值的估计精度受到限制。针对这一问题,考虑到杂波空时谱的稀疏性,本文利用迭代自适应算法(iterative adaptive approach, IAA)进行空时谱估计,并重构各辅助距离单元协方差矩阵以实现杂波谱配准,称为IAA RBC算法。由于该算法不存在孔径损失,杂波谱配准精度更高。仿真实验表明,即使在样本中存在目标污染等干扰因素的情况下,所提方法相比传统的利用时域平滑的RBC方法也能获得更好的信噪比改善。     

基于逆高斯纹理空间相关性的雷达目标检测

高分辨海杂波可以采用复合高斯模型进行建模,纹理分量决定了杂波的非高斯特性以及后续的检测算法。传统自适应检测算法假设纹理在距离维独立同分布(independent and identically distributed, IID),忽略了实测海杂波纹理相关性。采用逆高斯分布建模纹理分量,提出了一种基于纹理空间相关性的自适应检测器。该检测器选取部分参考单元带入到似然比检测中,为待检测单元提供了散斑协方差矩阵信息和纹理信息。实测数据实验表明,该检测器相对于IID纹理假设下的最优检测器和自适应归一化匹配滤波器具有一定的性能提升。     

基于稀疏重构的机载雷达训练样本挑选方法

针对空时自适应处理中训练样本受目标信号污染时检测性能下降的问题,提出了一种基于稀疏重构技术的训练样本选取方法。该方法首先将接收数据由阵元脉冲距离域转换到阵元多普勒距离域,然后采用改进的正则化FOCUSS算法进行空域稀疏重构,估计待检测多普勒通道对应的阵元距离域数据得到高分辨角度距离谱,利用杂波多普勒与角度的先验关系,剔除角度距离谱上明显偏离角度期望的样本,实现对训练样本的有效选择。仿真表明,相比传统样本选择方法,该方法无须估计协方差矩阵,在小样本集情况下依然能够剔除被污染的样本,有较大优势。     

一种迭代可分离的机载面阵雷达杂波抑制方法

为了解决传统空时自适应处理方法由于独立同分布训练样本不足无法有效抑制机载面阵雷达非均匀杂波的问题,提出了一种迭代可分离的机载面阵雷达杂波抑制方法。该方法首先通过雷达系统和载机平台运动参数先验知识构造杂波表示基矩阵,然后基于协方差矩阵匹配估计准则分别估计待检测单元的杂波空域和时域功率谱,接着按照线性约束最小方差准则计算待检测单元的空域和时域部分权向量,最后再结合杂波参数化模型和得到的空域和时域部分权向量计算空时滤波权向量用于处理待检测单元回波数据。该方法不需要训练样本,不需人为设置超参数,具有全局收敛性,即使存在距离模糊也可以有效地抑制机载面阵雷达回波数据中的非均匀杂波。仿真实验说明了本文方法的有效性。     

一种迭代可分离的机载面阵雷达杂波抑制方法

为了解决传统空时自适应处理方法由于独立同分布训练样本不足无法有效抑制机载面阵雷达非均匀杂波的问题,提出了一种迭代可分离的机载面阵雷达杂波抑制方法。该方法首先通过雷达系统和载机平台运动参数先验知识构造杂波表示基矩阵,然后基于协方差矩阵匹配估计准则分别估计待检测单元的杂波空域和时域功率谱,接着按照线性约束最小方差准则计算待检测单元的空域和时域部分权向量,最后再结合杂波参数化模型和得到的空域和时域部分权向量计算空时滤波权向量用于处理待检测单元回波数据。该方法不需要训练样本,不需人为设置超参数,具有全局收敛性,即使存在距离模糊也可以有效地抑制机载面阵雷达回波数据中的非均匀杂波。仿真实验说明了本文方法的有效性。     

基于同伦稀疏STAP的低空风切变风速估计

在机载气象雷达前视阵下,由于杂波的距离依赖性导致独立同分布(independent identically distribu-ted,ⅡD)训练样本严重不足,传统的空时自适应处理(space-time adaptive processing,STAP)算法性能下降,风场速度估计不准.针对此问题,提出一种基于同伦稀疏ST...     

双参数Beta过程联合字典遥感图像超分辨

为了改善遥感图像超分辨重建(super-resolution reconstruction,SRR)效果,针对以往仅适用于单特征空间的稀疏字典超分辨算法,提出同时适用于两个特征空间的双参数Beta过程联合字典(Beta process joint dictionary,BPJD)遥感图像SRR方法。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率图像进行分块和Gibbs采样,生成字典训练样本。然后,依据BPJD,建立连接高、低分辨率遥感图像空间的双参数联合稀疏字典,将字典稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:所提方法可自适应地缩小字典尺寸,能以更小尺寸的稀疏字典重建更高质量的超分辨遥感图像,重建结果图像的纹理细节信息更丰富,峰值信噪比和结构相似性度均有提高。     

一种新型的支持向量机约简方法及其应用

针对支持向量机(Support Vector Machine,SVM)处理大规模数据集常出现的训练速度慢、计算代价大以及实时性差等缺点,将基于密度的样本块划分法和基于欧式距离的边界样本筛选方法相结合,提出了一种新型的支持向量机约简方法。该方法首先进行空间块的划分,根据空间块的密度提取候选样本区域,并通过基于欧式距离改良的相对距离提取出大概率分布支持向量的边界样本。该方法既保证了训练样本的精度,又降低了计算代价,提高了泛化能力。工业应用结果表明了该方法不仅精度不低于SVM,并且计算速度远快于SVM。     

基于统计建模的字典学习算法在HRRP的应用

基于字典学习模型能真实反映雷达高分辨距离像(radar high resolution range profile, HRRP)潜在结构特征和统计建模算法可有效解决HRRP姿态敏感性问题的特点,运用统计建模划分HRRP角域,对鉴别字典的原子选取和判别优化问题开展研究。首先提出了基于概率主分量分析的最大概率差值算法,自适应划分HRRP角域获取帧界线。其次,利用帧界线对应功率谱特征构成初始化鉴别字典,在鉴别字典基础上优化判别准则,引入原子稀疏相似误差约束最优字典更新实现测试样本分类。雷达实测数据的实验结果验证了该算法可提高目标识别率,同时对噪声干扰具有很好的鲁棒性。     

基于自适应稀疏表示的高光谱遥感图像分类

针对多数传统分类算法应用于高光谱分类都存在运算速度慢、精度比较低和难以收敛等问题,从稀疏表示基本理论出发建立了一个基于自适应稀疏表示的高光谱分类模型。利用训练样本构建字典,聚类每一步迭代所产生的余项,将聚类中心作为新的字典原子,然后将测试样本看成冗余字典中训练样本的线性组合,令字典能够更适应于样本的稀疏表示。利用华盛顿地区的HYDICE高光谱遥感数据进行试验,并且与主成分分析、线性鉴别分析、支持向量机、神经网络算法进行比较,结果表明,该算法的总体分类精度比其他算法提高了约12%,有效提高了高光谱影像的分类精度。