基于逆高斯纹理分布的协方差矩阵估计方法

在复合高斯杂波中检测目标信号, 需要对杂波协方差矩阵进行估计, 相应的检测性能与估计精度密切相关。利用服从逆高斯分布的纹理分量来对复合高斯杂波进行建模, 可以更好地拟合高分辨杂波实测数据。本文给出了一种两步广义似然比检测器, 先假设杂波协方差矩阵已知以获得检测统计量, 再利用纹理分量的先验分布推导协方差矩阵的最大似然估计。同时，基于贝叶斯方法, 假定纹理分量和协方差矩阵均为服从某种先验分布的随机量, 推导了协方差矩阵的最大后验估计。仿真结果显示, 基于知识的自适应检测技术由于引入了纹理分量和杂波的先验信息, 其协方差矩阵的估计精度好于最大似然估计和样本估计方法, 同时具有更好的检测性能。     

宽带高斯谱噪声雷达高速目标检测

宽带高斯谱噪声信号由于无距离旁瓣、硬件产生容易等特点而广泛应用于现代雷达。但是噪声信号是多普勒敏感信号,而宽带噪声信号在检测高速目标时存在多普勒色散效应,使得其多普勒敏感性同时体现在多普勒频移及包络伸缩中。为了说明多普勒色散效应对匹配滤波的影响,本文推导了宽带高斯谱噪声信号的广义相关函数表达式,定量分析了在不考虑多普勒频移的理想情况下,信噪比损失和距离分辨力二者与多普勒色散积之间的关系。针对此问题,以系统实时性为出发点,提出了一种改进的噪声雷达频域处理算法,并评估了算法的性能和运算复杂度。仿真结果验证了理论分析和算法的有效性。     

基于广义似然比的高分辨率雷达目标检测

目标的一维距离像反映了目标强散射中心在径向距离轴上的投影分布 ,它是目标特征的体现 ,根据目标的距离像提出了一种新的信号检测方案 ,即先从目标的距离像中提取散射中心 ,获得其空域分布密度 ,再进行广义似然比检测。仿真试验结果表明 ,这种检测器具有很好的检测性能     

基于动态规划的雷达微弱目标检测

微弱目标检测和跟踪是雷达信号处理领域中一个急需解决的关键问题,提出了一种将相参积累与基于动态规划的检测前跟踪算法相结合的雷达微弱目标处理方法,在该算法中引入方向加权的思想,减小动态规划的能量扩散范围,并采用两级门限检测方法降低运算量。仿真数据和实际测试数据处理结果表明,此算法对雷达微弱目标的检测性能优于传统方法,可以有效实现低信噪比下目标的检测与跟踪,且其处理速度较传统检测前跟踪方法有一定提高,更利于工程应用。     

空间目标的雷达识别技术

空间雷达目标识别在航天技术和战略预警中具有广阔的应用前景 ,它也是目前雷达目标识别技术应用较为成功的领域。总结了目前国内外该领域已有的研究成果 ,结合空间目标的动力学特性和电磁散射特性 ,探讨了在窄带和宽带雷达信号体制下的各种空间目标识别方法 ,并展望了该领域的技术发展趋势。     

基于雷达图像的飞鸟目标检测与信息提取

针对鸟击问题,基于一种自行研制的雷达探鸟实验系统获取了50帧含有飞鸟目标的雷达PPI图像,该系统由X波段海事雷达改造而成.经过背景差分、图像平滑、阈值分割和信息提取4个步骤,将飞鸟目标从复杂的PPI图像中分离出来,提取出包括目标质心位置、目标平均灰度、目标面积、目标形状在内的鸟情信息,实现了一种可行的飞鸟目标检测与信息提取算法.本算法为建立实用的机场雷达探鸟系统奠定了重要的理论基础.     

基于FRFT的天波雷达多机动目标检测

天波超视距雷达（over-the-horizon radar, OTHR）中,机动目标信号存在频谱扩展,导致目标检测性能下降。强的海杂波进一步增加了机动目标的检测难度。针对该问题,考虑到海杂波信号能量主要集中在零频附近,而且可以建模为一个自回归（auto-regressive, AR）过程,用AR滤波器抑制海杂波;考虑到机动目标信号近似为线性调频信号,而分数阶傅里叶变换(fractional Fourier transform, FRFT)能有效积累线性调频信号的能量,因此采用FRFT算法估计目标运动参数,实现机动目标检测;在此基础上用分级迭代的FRFT进一步降低运算量;针对多目标检测问题,用“CLEAN”方法逐个检测机动目标。仿真结果表明,与已有的离散多项式变换（discrete polynomial transform, DPT）算法相比,本文算法可以更好地适用于多目标检测;与Radon Wigner变换算法相比,本文算法可以达到更高的参数估计精度。     

基于特征的雷达目标机动检测算法综述

根据机动检测器所利用的信息不同,雷达目标机动检测算法可分为基于跟踪滤波器信息的机动检测和基于特征信号的机动检测两大类。首先分析了传感器特征信息与目标机动模式之间的关系,给出了基于特征的机动检测算法的3种分类方法,并以检测器所利用的特征信息为线索对机动检测算法做了详细的介绍,分析了各种算法的基本原理、假设条件和优缺点。     

基于最优特征矢量子空间的雷达目标识别

针对雷达特征子空间距离像识别中存在的如何选择特征基的困难,提出了一种基于最优特征矢量子空间的雷达距离像识别方法。该方法首先对原数据样本进行特征提取变换,再采用遗传算法选取最优特征矢量,由此组成最优子空间。通过对三种不同类型飞机实测回波数据进行识别,并与经典特征子空间法的对比实验,表明该方法的有效性。     

基于不同准则函数的雷达目标特征空间变换

为解决雷达目标高分辨距离像的识别问题 ,将 4种基于不同准则推导出的线性特征空间变换进行了归纳。分别用这几种变换方法对 6类飞机缩比目标高分辨距离像数据进行特征空间变换 ,然后用同一分类器判决 ,并对其识别结果加以分析与比较 ,得出在该应用条件下的有益结论。     

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AEPSO-SVM算法的雷达HRRP目标识别

针对雷达自动目标识别中的高分辨距离像(high resolution range profile,HRRP)识别问题,提出自适应进化粒子群(adaptive evolution particle swarm optimization, AEPSO)算法优化支持向量机(support vector machine,SVM)的目标分类识别方法。该算法利用非线性自适应惯性权重的调整以适应粒子寻优的非线性变化过程,采用分阶段调节加速因子增强粒子在进化过程中的学习能力,通过引入局部搜索算子在增加粒子多样性的同时有效避免了粒子陷入局部最优陷阱。通过改进的PSO算法优化SVM参数,建立分类识别器模型。将该AEPSO-SVM模型应用到雷达HRRP目标识别中,实验结果表明,该算法对于高分辨雷达目标识别精度高、鲁棒性强。     

基于纹理上下文的遥感图像目标识别

基于统计流形理论并结合形状上下文思想,提出了能够描述图像纹理目标的纹理上下文特征,进而实现对遥感图像纹理目标的识别。首先将图像的灰度概率密度函数看作统计流形上的点,用所得到的图像统计流形模型来描述图像的纹理上下文特征;然后使用Fisher信息距离来度量流形上点之间的相似度,并利用匈牙利算法来匹配纹理上下文特征;最后通过计算匹配距离来实现不同图像目标的相似性度量。实验表明,与经典的灰度共生矩阵、局部二值模式和统计流形算法相比,对于具有纹理特征的遥感图像,该方法具有更高的识别率且具有普适性和稳健性。     

利用CDMA信号为照射源的雷达目标探测技术

针对基于CDMA蜂窝网信号的外辐射源系统,提出一种利用多个基站发射的信号对运动目标检测的方案.该方案根据直达干扰分量的多普勒频移为零,而目标发射信号的多普勒频移非零以及基站信号序列自相关函数的特点,采用对消方法滤除各个基站多径分量的干扰;再根据基站之间除导频信道外其它信道可以认为是完全无关的这一特点,实现基站与回波时延的匹配,完成对定位参数的估计.通过仿真实验证明了该算法的有效性.     

基于独立分量分析的雷达目标识别方法

通过分析雷达距离像的数学模型,利用独立分量分析(independent component analysis,ICA)技术提取雷达距离像信号中的独立分量,并定义为独立基波形。将观测信号投影到几个峰度大的独立基波形上,得到的各个投影分量作为待识别的信号特征。由于独立基波形实际上对应了目标回波中的散射中心响应,使得通过该方法提取的特征不仅保持了独立性,而且还具有实际的物理意义。在此基础上,使用支持矢量机(support vectormachine,SVM)作为分类器,进行了仿真实验和对比实验,实验结果表明该方法是有效和可行的。     

基于相位调制的雷达抗假目标干扰方法

针对欺骗式干扰难分辨和难去除的问题, 基于相参积累的原理, 提出一种基于相位调制(Phase Modulation, PM)的雷达抗假目标干扰方法。首先, 雷达发射相位调制的脉冲串信号, 之后根据相位的先验信息在接收时对回波信号进行相位补偿。然后，对回波信号进行脉冲压缩和相参积累, 在处理后形成的距离-多普勒图上对真、假目标进行分辨并提取出目标的多普勒频率。最后，结合自适应波束形成原理以及真实目标的多普勒频率信息, 设计自适应多普勒滤波器, 对回波脉冲串进行处理, 使真目标得到增强, 并在假目标的多普勒频率处形成零陷, 解决了假目标难去除的问题。仿真实验表明, 所提方法能有效分辨并去除回波信号中的假目标。     

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。     

基于复数全极化HRRP的雷达目标识别

针对实数单极化高分辨率一维距离像（high resolution range profile, HRRP）缺失了目标的极化信息和相位信息的问题,研究了复数全极化HRRP目标特征提取方法,为合理有效运用所提取的目标信息,提出一种基于Bagging的选择性集成算法,并在此基础上设计了复数全极化HRRP目标识别方法,最后通过实验验证该方法具有良好的稳健性和可分性。