基于修正熵的距离扩展目标检测器

针对采用球不变随机向量(spherically invariant random vector, SIRV)建模的非高斯杂波背景下，目标散射点个数估计失配时，修正的依赖于散射点密度的检测器（modified scatter density dependent, MSDD)检测距离扩展目标存在一定的信噪比损失问题，提出了一种基于修正熵的MSDD检测器（modified entropy-MSDD, ME-MSDD）。ME-MSDD先采用修正熵对目标强散射点个数进行估计，然后对目标强散射点进行积累形成检测统计量。最后，针对不同的目标模型及实测目标一维距离像对检测器性能进行评估，结果表明，与不依赖于散射点密度的检测器（non-scatter density dependent, NSDD)、基于动态阈值的检测器（dynamic threshold, DT)和MSDD相比，ME-MSDD能根据实际观测值自适应地估计目标散射点个数，具有更好的检测性能和鲁棒性。     

一种基于谐波数估计的距离扩展目标检测算法

宽带雷达的目标回波信号分布在多个距离分辨单元内,被称为距离扩展目标。距离扩展目标信号傅里叶变换后在距离频率域可表示为由散射点强度和相对位置决定的不同幅度、频率和相位谐波叠加的谐波过程。将高斯白噪声中距离扩展目标检测问题转换为谐波过程的谐波数估计问题来进行目标检测。给出了高斯白噪声中使用总体最小二乘奇异值分解的谐波数估计的距离扩展目标检测器,对检测器的性能分析表明该检测器具有恒虚警性能。使用模拟数据和实测飞机数据的计算机仿真实验表明,本文提出的检测器比能量积累检测器有更好的检测能力。     

高斯杂波中距离扩展目标的模糊CFAR检测

为提高高分辨雷达的检测性能,提出了一种高斯杂波背景下距离扩展目标的模糊检测方法。该方法采用模糊恒虚警率(constant false alarm rate, CFAR)检测器代替传统的二进制CFAR检测器,将距离单元值转换成映射到虚警空间的模糊隶属函数值,然后采用模糊积累准则进行积累,得到检测统计量。研究了模糊代数积、模糊代数和两种积累准则,推导出这两种方法虚警概率的数学解析式。仿真结果表明,高斯杂波背景下模糊代数积积累较双门限二进制积累可获得近2 dB的性能改善。同时,模糊检测方法只采用单个检测门限,具有易于调节的优点。     

海杂波下距离扩展目标的最优二进制检测

研究了低擦地角下高分辨雷达对静止或慢速运动的距离扩展目标的最优二进制检测问题。采用K分布模型描述低擦地角下海杂波的统计分布,采用Rayleigh快起伏模型描述扩展目标距离像的幅度分布,详细分析了扩展目标二进制检测器参数与扩展目标径向长度、杂波形状参数之间的关系,最终得到最优二进制检测器的参数选择准则和经验公式,对二进制检测器的实际应用具有较强的指导意义。理论和实测杂波数据证明了最优二进制检测器的有效性。     

基于子像空间的雷达目标一维距离像识别

提出了一种基于子像空间的雷达目标一维距离像识别方法。该方法一方面通过建立目标子像空间，改善了对输入目标为库属目标的识别率；另一方面基于假设检验理论，在分类判决中引入判决门限，能够有效地对库属目标和非库属目标进行判别。模拟实验结果表明该方法的有效性。     

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.     

基于AR模型的飞机尾流距离检测方法

尾流复杂的电磁散射特性使得传统基于快速傅里叶变换(fast Fourier transformation, FFT)的频域检测方法不适用。首先,基于FFT的谱估计方法频率分辨率较低,尤其在短脉冲序列条件下性能较差;其次,尾流作为一种频域扩展目标,其回波能量在频域较为分散,单通道或多通道求和检测都会损失较多能量。利用分辨率更高的自回归(autoregressive, AR) 模型进行谱估计,并基于AR流形上的距离定义一种距离检测器,将尾流谱整体进行检测,能充分利用尾流的多普勒信息,通过利用尾流数据对距离检测器和传统方法的检测性能进行仿真比较分析,验证了所提方法的有效性。     

在衰减信道中基于最小贝叶斯风险的检测算法

针对实际检测过程中本地检测器至融合中心传输信道的非理想性,提出了基于两种非理想信道模型的分布式检测算法:第一种为融合中心已知非理想信道的瞬时状态信息;第二种为融合中心已知非理想信道的统计特性。通过最小化平均贝叶斯风险来设计本地检测器和融合中心的优化判决算法,其判决形式都可简化为似然比判决。最后通过仿真表明第二种模型的检测性能略低于第一种模型,但其计算量却大大降低。     

宽带雷达目标的稳健二进制检测算法

由于宽带雷达的高分辨距离像(high resolution range profile, HRRP)对方位变化非常敏感,传统的基于散射点密度广义似然比(scatter density dependent generalized likelihood rate test, SDD GLRT)或二进制积累器(binary integration, BI)检测算法存在参数选择困难的问题。提出的稳健二进制积累器(robust binary integration, RBI)采用高低双门限，分别对HRRP进行量化，然后将过高门限的距离单元数加权后与过低门限的距离单元数求和，并将该值与第二门限比较做出最终判决。而后研究了RBI的虚警概率和参数选择的方法。实测数据仿真结果表明, RBI对高低熵值的HRRP都可保证稳健、良好的检测性能。     

基于距离像幅度信息和Boosting的目标识别研究

在基于高分辨雷达距离像的目标识别中,有研究者指出散射点的位置信息具有比幅度信息更好的鉴别能力。对此,将距离像各距离单元按照幅度大小进行重排,得到只保留散射点幅度信息而去除散射点位置信息的平移不变特征,它反映了目标的反射特性,并利用Boosting算法和支持矢量机(SVM)进行了分类试验。基于实测数据的仿真结果表明,散射点的幅度同样是一种重要的识别信息。     

Robust detector for range-spread targets in non-Gaussian background

Based on the target scatterer density,the range-spread target detection of high-resolution radar is addressed in additive non-Gaussian clutter,which is modeled as a spherically invariant random vector.Firstly,for sparse scatterer density,the detection of target scatterer in each range cell is derived,and then an M/K detector is proposed to detect the whole range-spread target.Secondly,an integrating detector is devised to detect a range-spread target with dense scatterer density.Finally,to make the best of the advantages of M/K detector and integrating detector,a robust detector based on scatterer density(DBSD) is designed,which can reduce the probable collapsing loss or quantization error effectively.Moreover,the density decision factor of DBSD is also determined.The formula of the false alarm probability is derived for DBSD.It is proved that the DBSD ensures a constant false alarm rate property.Furthermore,the computational results indicate that the DBSD is robust to different clutter one-lag correlations and target scatterer densities.It is also shown that the DBSD outperforms the existing scatterer-density-dependent detector.     

多目标跟踪

本文提出了一种多机动目标跟踪的方法。该方法用自适应门限获得二值图像，其中，自适应门限用边缘和灰度二重信息来建立，并对由此所获得的二值图像进行预处理。在此基础上，利用目标像素点的空间信息，使用标记电路，检测有效视场内的目标个数。同时利用目标形状特征和灰度信息对目标进行分类；利用目标运动信息，对各个目标进行识别，解决短时间的目标遮挡、重叠等问题。文章也给出了实时实现该方法的硬件框图和部分软件工作流程。该方法已应用于多模式电视跟踪器，取得了预期效果。     

High resolution radar target adaptive detector and performance assessment

The high resolution radar target detection is addressed in the non-Gaussian clutter. An adaptive detector is derived for range-spread target based on a novel covariance matrix estimator. It is proved that the new detector is constant false alarm rate (CFAR) to both of the clutter covariance matrix structure and power level theoretically for match cases. The simulation results show that the new detector is almost CFAR for mismatch cases, and it outperforms the existing adaptive detector based on the sample covariance matrix. It also shows that the detection performance improves, as the number of pulses, the number of secondary data or the clutter spike increases. In addition, the derived detector is robust to different subsets, estimated clutter group sizes and correlations of clutter. Importantly, the number of iterations for practical application is just one.     

一种多门限空海目标分类方法

针对利用高度信息进行空海目标分类时存在很大不确定性的问题,提出了一种机载雷达多门限空海目标分类方法。首先基于假设检验思想,利用高度估计值构建了空海目标分类判别函数,然后采用多门限决策规则进行空海目标分类,并结合统计理论,给出了各门限的计算公式。仿真表明该方法能够有效地进行空海目标分类,可同时将两类错误分类概率控制在较低水平。最后,给出了该方法的实际应用模型。     

有色噪声环境下的跳频盲多用户检测算法

高阶累积量是抑制有色噪声的一个有效方法。通过分析跳频多址信号,提出了高斯有色噪声背景下的一种基于峭度的跳频盲多用户检测算法,它几乎不需要任何关于有色噪声的先验信息。仿真结果表明,该多用户检测算法收敛速度快,输出信干比较高。抗多址能力大大优于传统的子空间算法。     

基于时间-距离-多普勒像的编队目标架次检测

针对实际编队目标在距离上的分布特性和目标多普勒频率的变化规律，利用联合时频变换代替传统傅立叶变换，建立目标时间-距离-多普勒立体像，提出一种基于立体像的目标架次检测方法。该方法不仅能给出清晰的瞬时距离-多普勒像，而且能反映目标距离-多普勒像的时间演变特性，较好地解决了目标在距离上的分布和多普勒像的模糊。实测回波数据验证了该方法的有效性，成功地实现了4架编队飞机目标的架次检测。     

Modified joint probabilistic data association with classification-aided for multitarget tracking

Joint probabilistic data association is an effective method for tracking multiple targets in clutter, but only the target kinematic information is used in measure-to-track association. If the kinematic likelihoods are similar for different closely spaced targets, there is ambiguity in using the kinematic information alone; the correct association probability will decrease in conventional joint probabilistic data association algorithm and track coalescence will occur easily. A modified algorithm of joint probabilistic data association with classification-aided is presented, which avoids track coalescence when tracking multiple neighboring targets. Firstly, an identification matrix is defined, which is used to simplify validation matrix to decrease computational complexity. Then, target class information is integrated into the data association process. Performance comparisons with and without the use of class information in JPDA are presented on multiple closely spaced maneuvering targets tracking problem. Simulation results quantify the benefits of classification-aided JPDA for improved multiple targets tracking, especially in the presence of association uncertainty in the kinematic measurement and target maneuvering. Simulation results indicate that the algorithm is valid.     

基于距离-方位二维聚类的海上编队目标距离像提取

在观测编队目标时波束内容易出现多个目标,可能引起距离像邻近甚至混叠,难以判断距离像簇与目标之间的对应关系,导致无法准确提取单个目标的距离像信息。本文基于距离像目标识别的需求,在海面编队结构信息的约束下,分析了波束内多目标出现概率,定义了多目标距离像之间的4 种关系,利用目标的距离和方位角信息进行二维聚类来判断距离像簇与多目标之间的对应关系,从而实现波束内多个舰船目标的距离像提取。仿真实验表明该算法能够在不同信噪比和带宽条件下很好地区分编队内不同目标的距离像,为下一步基于距离像信息的目标识别和稳定跟踪提供了重要条件。