恒虚警检测信源数的方法

提出了一种恒虚警检测信源数的方法,该方法通过定义一个由观测协方差矩阵相邻特征值之差统计量构成的五维矢量序列,并利用K均值(K-means)聚类算法将所定义的五维矢量序列分成两类,且视为信号和噪声子空间.当将噪声予空间所对应的特征值序列描述成一个统计分布,并通过期望最大(expectation maximization,...     

海杂波环境下改进的中值矩阵检测方法

考虑到最大特征值具有较优的信号检测能力,将基于信息几何的矩阵恒虚警率检测方法与最大特征值相结合,提出了基于最大特征值的改进中值矩阵恒虚警率检测方法。利用矩阵流形上不同的几何测度估计杂波的中值矩阵;采用协方差矩阵的最大特征值作为检测统计量,将最大特征值与不同的中值矩阵估计值相结合得到6种改进的中值矩阵检测方法。通过复杂度分析和基于仿真数据和实测数据的仿真实验验证了改进算法的有效性。     

基于自动筛选技术的分布式CFAR检测算法

针对多传感器分布式恒虚警率(CFAR)检测技术在杂波环境下的应用,基于广义有序统计(OS)和自动筛选技术,提出了一种新的分布式多传感器目标检测算法。首先利用广义有序统计(OS)恒虚警算法来得到各传感器的杂波/噪声电平估计,然后将检测单元电平与估计得到的杂波/噪声电平比较,得到各传感器的局部判决。采用"OR"或者"AND"融合准则在融合中心形成全局判决,得到有无目标的判决。多目标引起的非均匀背景中,采用了自动筛选技术,使得干扰目标进入后沿滑窗的机会变小,对于干扰目标有较好的鲁棒性。在假定目标服从Swerling II起伏的情况下,导出了相应的检测概率与虚警概率闭式解。最后,给出了多种检测器数值和图表分析的比较结果,表明了该方法的有效性和优越性。     

存在强旁瓣目标的机载雷达地面运动目标检测

针对机载雷达进行地面运动目标检测时不可避免地要面对一些强旁瓣目标的情况下,提出了一种在强旁瓣目标环境下的运动目标检测算法,该算法在估计出强旁瓣目标频率的基础上利用最大似然方法估计运动目标的幅度来进行检测,可以有效地克服强旁瓣目标对地面目标检测的影响。给出了应用该方法的具体步骤,通过仿真实验证明了该算法的有效性。     

复杂背景下低信噪比点目标的实时检测算法及实现

为检测复杂背景中的低信噪比 (SNR)点目标 ,提出了一种局部自适应门限检测算法。该算法以低通滤波算法估计背景中的低频成分 ,及图像局部方差估计背景起伏 ,来计算出局部自适应的目标检测判决门限。该算法充分考虑了可实现性和实时性并采用现场可编程门阵列 (FPGA)设计实现该算法。理论分析和试验结果都表明 ,该算法可有效抑制云层、树木、地物等背景杂波、检测出复杂背景下的低信噪比点目标 ,具有恒虚警率和易于工程实现的优点。     

基于传播算子算法的扰码序列估计方法

针对扰码序列的盲识别问题,提出了一种基于传播算子的估计方法。首先根据扰码长度将加扰数据分段排列得到观测矩阵,并计算观测矩阵的传播算子,得到扰码序列的初步估计,此时扰码序列中仍含有误码;采用最大似然方法估计出含错扰码序列的生成多项式,根据生成多项式完成扰码序列的最终估计,并根据扰码序列之间的相关性,实现扰码序列的盲同步。仿真实验验证了所提算法的有效性,并对算法计算量和误码适应性进行了理论分析。仿真结果表明,所提算法计算量明显少于已有的特征值分解算法。     

鲁棒原子范数降噪及其在线谱估计中的应用

针对测量数据中含有异常值的线谱估计问题,提出了一种对异常值鲁棒的原子范数降噪方法来提高线谱估计的性能。该方法构建了一个可以联合估计出异常值及原始信号的优化问题,并在代价函数中加入l₁范数和原子范数惩罚项来分别对异常值的稀疏性和信号本身的特性进行约束。一旦获得了该优化问题的解,那么就可利用现有的算法对降噪后的信号进行线谱估计。仿真结果表明,在数据中存在异常值的情况下,所提的算法能够更准确地恢复原始信号,从而使降噪后的谱估计的精度和分辨率明显提高。     

基于隐Markov模型的纯方位轨迹检测方法

针对方位历程图中微弱目标信号的轨迹检测问题,分别在纯噪声和目标存在条件下推导了方位历程图中测量值的分布特性,提出了一种基于隐Markov模型的目标信号轨迹检测方法;同时,针对轨迹的起点与中止点的自主判断问题,基于序列检测提出了两种检验算法,充分利用了轨迹点的测量值分布特性和方位的连续性来提升检测性能。相比于传统的能量检测,轨迹点的检测性能提升约3dB,降低了所估计轨迹的均方根误差,同时保持了更低的虚警概率。湖试数据验证了该算法在单目标条件下的有效性。     

时用水量观测序列的最大Lyapunov指数及其预测时间尺度

在传统wolf最大Lyapunov指数算法的基础上,提出新旧向量转变考虑长度及角度权重搜索的改进wolf计算方法.利用提出的改进算法对杭州市时用水量观测序列的混沌特性及其最大可预测时间尺度问题进行了探讨.为求比较,文中还分别对1小时和24小时两种时间间隔的用水量序列进行了最大Lyapunov指数计算.结果表明:1时用水量系统中存在明显的混沌特性;224时间隔的序列具有长于连续时序列的最大预测尺度.以上两条性质的提出对城市时用水量的较好预测具有其现实意义.     

基于正交特性的短码直扩信号伪码序列盲估计

在短码直扩信号伪码序列的估计中,当使用特征值分解(eigenvalue decomposition,EVD)算法、奇异值分解(singular value decomposition,SVD)算法和压缩投影逼近子空间跟踪(projection approximation subspace tracking with deflation,PASTd)算法来估计伪码序列时,存在着当最大特征值和次大特征值相近时最大特征向量会受到干扰,进而影响伪码序列估计的问题。针对此问题,提出了一种基于正交特性的伪码序列估计算法。在已知码片速率和伪码周期的前提下,该算法首先把接收信号划分成长度为两倍码元宽度、数据重叠50%的数据段,然后用SVD估计出最大特征向量和次大特征向量,由于最大特征向量和次大特征向量是相互正交的,可以利用两者的正交特性来估计扩频序列。该算法不但能在信号失步时间未知的情况下估计伪码序列,而且仿真结果表明该算法具有稳定性高,需要的数据量少和能在低信噪比下有较好的估计性能等优点。     

New CFAR target detector for SAR images based on kernel density estimation and mean square error distance

A new constant false alarm rate (CFAR) target detector for synthetic aperture radar (SAR) images is developed. For each pixel under test, both the local probability density function (PDF) of the pixel and the clutter PDF in the reference window are estimated by the non-parametric density estimation. The target detector is defined as the mean square error (MSE) distance between the two PDFs. The CFAR detection in SAR images having multiplicative noise is achieved by adaptive kernel bandwidth proportional to the clutter level. In addition, for obtaining a threshold with respect to a given probability of false alarm (PFA), an unsupervised null distribution fitting method with outlier rejection is proposed. The effectiveness of the proposed target detector is demonstrated by the experiment result using the RADATSAT-2 SAR image.     

基于Gamma分布的优化SAR目标检测

在Gamma分布条件下,研究了SAR目标检测,得到了阈值系数与恒虚警关系,提出了阈值选择理论及其简单实现方法,优化了杂波均值估计并给出了其无偏鲁棒算法,这样在目标检测中不经过噪声抑制过程但具有抗噪能力,并且参数估计没有偏差。实际SAR数据测试结果表明该方法的检测效果优于双参数恒虚警算法。     

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.     

基于杂波脊先验信息的非均匀杂波抑制方法

机载雷达回波数据非均匀会在很大程度上削弱传统空时自适应处理算法的杂波抑制性能。为此,提出一种基于杂波脊先验信息的非均匀杂波抑制方法,利用机载雷达杂波信号在角度多普勒平面的谱分布信息构造导向矢量基,并在考虑阵元误差影响情况下,对待检测单元数据进行迭代的最小二乘拟合,最后对拟合后的剩余数据进行恒虚警检测处理。该方法充分利用了雷达系统参数及杂波谱分布等先验信息,并且不需要训练样本,可以较好地抑制非均匀杂波,从而改善机载雷达的检测性能。仿真实验验证了该方法的有效性。     

基于恒虚警率的反卷积波束锐化方法

为了解决机场场面监视雷达(airport surface movement radar,ASMR)方位分辨率低的问题,在分析传统反卷积波束锐化方法局限性的基础上,提出了一种基于恒虚警率(constant false alarm rate,CFAR)的反卷积波束锐化方法。该方法采用CFAR处理自适应地调整反卷积处理的门限,避免迭代求解过程在低噪区域进行无效处理,在保证重点目标区域锐化效果的同时能抑制虚假小目标的发生,可有效降低AMSR系统的虚警率。计算机仿真分析及实测数据处理表明,本方法很好地解决了传统反卷积方法对噪声敏感的问题,具有重要的工程应用价值。     

自适应门限恒虚警检测的研究

雷达根据单个接收脉冲进行检测是不常见的，通常都要采用积累技术，积累分为相参积累和非相参积累。本文讨论的是非相参积累后的自适应门限恒虚警检测问题。幅度为瑞利分布的噪声，经非相参积累后的噪声分布已发生了变化，幅度不再服从瑞利分布，本文讨论了非相参积累后的噪声分布，并对恒虚警检测方案进行了研究。     

基于贝叶斯压缩感知的SAR目标识别

针对合成孔径雷达(synthetic aperture radar, SAR)目标识别问题,提出一种基于贝叶斯压缩感知(Bayesian compressive sensing, BCS)的图像域SAR目标识别方法。该方法首先对SAR图像进行分割预处理,得到目标区图像数据;然后基于BCS模型,根据训练样本构造传感矩阵;求解测试样本相应的稀疏系数矢量,根据稀疏系数矢量中对应训练样本类别元素的L2范数判定目标类型。采用美国运动和静止目标获取与识别(moving and stationary target acquisition and recognition, MSTAR)计划公开发布的SAR目标数据库进行实验,结果表明该方法具有良好的识别效果。     

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。     

存在导向矢量误差的宽带分布式目标稳健检测算法

针对在相干积累期间转动引起导向矢量误差的分布式目标检测问题,提出了一种稳健检测算法。利用极大似然方法和拉格朗日乘子法对各个距离单元的信号进行估计,得到稳健的广义似然比检测算子。理论分析表明该算法的恒虚警率特性。对两类飞机实测数据的多个仿真结果表明,与传统的广义似然算法相比,该算法检测性能有明显的提高。