基于HHT的高频雷达机动目标参数估计

针对高频雷达强杂波场景下的机动目标检测,提出了基于希尔伯特黄变换(Hilbert-Huang transform,HHT)的机动目标参数估计算法。该算法首先通过复数经验模态分解将回波分解为杂波和目标分量,然后计算目标分量的瞬时频率,获得频率随时间变化的HHT谱,最终利用线性拟合估计目标运动参数。该算法无需抑制杂波,可同时对多目标进行运动参数估计,有助于简化多目标运动补偿和检测流程。数据分析结果表明,该算法可以有效运用于对高频雷达机动目标速度和加速度的估计。     

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。     

频率捷变雷达的扩展目标检测

本文研究频率捷变雷达的扩展目标检测问题。当频率捷变雷达的合成带宽较大时, 雷达目标会变成扩展目标, 导致雷达无法直接应用传统的恒虚警检测算法。针对这一问题, 本文建立了频率捷变雷达的扩展目标检测模型, 推导了基于广义似然比的检验统计量, 并且通过数值仿真展示了相应的检测概率和虚警概率。为了提升雷达的抗干扰能力和频谱利用率, 本文考虑了雷达只使用一部分发射频点的场景。数值结果表明, 在高信噪比下, 频率捷变雷达使用的发射频点越多、合成带宽越大时, 扩展目标检测的性能越好。     

长观测时间内机动目标检测方法

为了检测天波地波超视距雷达(OTHR)长积累时间中是否存在机动目标,提出了一种基于时频分布(TFD)和形态学滤波检测OTHR系统中的机动目标的新方法。该方法根据机动目标的机动性确定时频分布的最优核,计算相应的时频分布以突显信号的时频特征,然后通过阈值处理和形态学滤波进一步滤除背景噪声,累加二值时频分布亮时频点的数目构造检测统计量来进行恒虚警检测。仿真结果表明,该方法能够增强OTHR对机动目标的检测能力。     

基于民用照射源的被动雷达信号分析与处理

首先介绍基于民用照射源的被动雷达应用概况,给出了系统配置示意图,分析了调频广播信号作为雷达照射源的模糊函数和目标检测的二维相关算法。针对运算量巨大的问题,重点介绍了改进的二维相关算法,减少了运算量。简单介绍基于流水线结构的多DSP信号处理机,以实时完成信号检测与估计任务。     

基于小波变换的雷达目标回波信号提取算法

随着雷达技术的快速发展,低信噪比(signal-to-noise ratio, SNR)条件下的雷达目标信号提取越来越重要。传统的脉冲压缩算法在低SNR条件下作用不明显。提出了一种新的在低SNR条件下的雷达目标回波信号提取算法。该算法在传统脉冲压缩算法的基础之上,采用小波变换对脉冲压缩后的信号进行分解,提取信号高频信息的小波系数。再用改进的小波变换模极大值算法对信号的高频信息进行去噪,然后重构信号的高频信息,最后再重构完整的雷达目标回波信号。仿真结果表明,该算法能够有效地去除噪声,提取出雷达目标的回波信号,相比于脉冲压缩算法及其他算法性能得到了很大的提升。     

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。     

雷达训练模拟设计中的信号仿真方法研究

采用能够描述雷达信号相位和幅值信息的信号仿真方法,通过建立雷达接收处理机的数学模型,并给出各环节数值仿真算法,模拟实现雷达接收信号处理的全过程.结合地物杂波仿真和目标仿真得到雷达接收仿真信号;将仿真信号进行正交解调和脉冲压缩匹配滤波,使信噪比达到最大;利用动目标显示衰减信号地物杂波成分,采用动目标检测对仿真信号进行最佳滤波;最后利用恒虚警和判决进行目标检测.仿真得到结果与实际雷达处理信号波形一致,说明该方法逼真有效,可用于雷达模拟训练器系统的设计与实现.     

无参考通道的外辐射源雷达参数估计

在分析外辐射源雷达中参考通道与目标回波通道信号特点的基础上,提出了在外辐射源雷达分析模型中,不使用参考通道,仅仅利用目标回波通道的数据信息,完成对目标的检测,进行时延和多普勒频率参数的提取。在对目标进行角度估计时, 为了实现多目标的参数匹配,给出了已知波形匹配算法和比幅测向的角度参数估计算法,通过仿真实验说明了所提方法的有效性。     

图像序列弱小目标能量积累检测研究

低信噪比运动小目标实时检测是成像探测应用中的难题.在分析目标检测不同层次处理方法的基础上,针对计算量最大的目标能量积累检测层次提出一种采用指数衰减和方向加权动态规划能量积累检测算法.该算法解决了常规能量积累检测算法实时性差、检测概率低的问题.算法简洁,易于硬件实现,实时性好.给出了算法的实验结果和结论.     

未知强杂波下基于DP-TBD的雷达弱目标检测

实测回波的弱目标检测往往面临复杂杂波环境,如信杂比过低、难以获取信杂比与杂波分布等先验信息,此时基于杂波建模的弱目标检测前跟踪(track-before-detect,TBD)方法会遇到困难。针对上述问题,本文提出一种新的用于未知强杂波实测数据的弱目标检测算法。依据未知分布、边缘环境等特点通过改进的最大值恒虚警进行杂波预处理,通过压缩多普勒-距离二维数据避免多帧积累使杂波在同一分辨单元产生强度叠加,最后在时间-距离空间改进基于动态规划的TBD算法解决多帧联合后杂波在不同距离单元的范围扩展,消除虚警。实验结果表明,本文算法相比常规方法具有更高的检测概率及更低的估计误差。     

基于DSP的二维CFAR检测快速实现

雷达信号的恒虚警率(constant false alarm rate,CFAR)检测技术是雷达目标检测的有效方法,二维CFAR检测利用了频域信息,增加了参考单元,能有效地降低虚警。为了降低传统方法因频繁数据寻址引入的时间开销,提出以空间换时间的策略,通过合理调度数字信号处理器(digital signal processing,DSP)资源,配合优化措施,有效地把传统CFAR检测的逐点实现方法改进为数据块矩阵操作,减少了数据管理复杂度。实测数据实现结果表明处理效率提高8倍以上,验证了方法的有效性。     

复杂背景下SAR图像近岸舰船目标检测

针对合成孔径雷达(synthetic aperture radar, SAR)图像近岸舰船目标易受背景杂波的影响, 造成SAR图像近岸舰船目标检测检测率低、虚警率和漏检率高的问题，提出一种适用于复杂背景下SAR图像近岸舰船目标检测的DFF-Yolov5(deformable feature fusion you only look once 5)算法。构建了一个专门用于SAR图像复杂背景近岸舰船目标检测的数据集, 基于Yolov5目标检测算法, 在特征提取网络中进行特征细化和多特征融合两个方面的改进。在特征提取网络中利用可变形卷积神经网络改变卷积对目标采样点的位置, 增强目标的特征提取能力, 提高复杂背景下SAR图像舰船目标的检测率。在多特征融合网络结构中采用级联和并列金字塔, 进行不同层级的特征融合。同时，使用空洞卷积扩大特征提取的视觉感受野, 增强网络对复杂背景近岸多尺度舰船目标的适应性, 降低复杂背景下SAR图像舰船目标检测的虚警率。通过在构建的复杂背景近岸舰船检测数据集上的测试实验, 结果表明: DFF-Yolov5的平均准确率为85.99%, 相比于原始的Yolov5, 所提方法平均准确率提高了5.09%, 精度提高了1.4%。     

基于ADASYN与改进残差网络的入侵流量检测识别

针对现有入侵流量检测模型分类准确率低、小样本特征提取不足等问题, 提出了一种基于自适应合成采样和Inception-Resnet模块的改进残差网络算法。该算法能够对不平衡数据集进行采样优化, 有效提升模型的小样本特征提取能力。首先, 通过对不平衡的数据训练集进行过采样改善数据分布, 然后对非数据部分进行独热编码处理并与数据部分整合, 降低预处理复杂度, 最后利用改进残差网络模型进行数据训练, 并进行性能评估和算法效能对比。实验结果表明, 改进残差网络模型对入侵流量的检测准确率在多分类和二分类情况下分别达到89.40%和91.88%。相比于经典深度学习算法, 改进残差网络模型的准确率更高, 误报率更低, 具备较高的可靠性和工程应用价值。     

激光雷达的目标检测性能分析

讨论了激光雷达的单脉冲检测和多脉冲相关检测。在杂波背景下,单脉冲检测虚警概率较高,适宜工作在大信噪比条件下;多脉冲相关检测,根据目标的相关性,经过多次相关,可以提高检测概率,减小虚警概率,适宜于对弱小信号进行检测。但是,多脉冲相关检测以牺牲捕获目标时间换取高检测概率,相关次数多,捕获目标所用时间长,影响激光雷达对运动目标的迎头截获能力。在实际应用中,合理选取脉冲相关个数和门限是多脉冲相关检测的关键。     

基于时域特性的非相参雷达目标检测与跟踪

将跟踪雷达的目标检测策略应用于搜索雷达数据处理,提升对复杂低空空域非相参雷达图像中小弱目标的检测与跟踪能力。首先,根据跟踪目标的生命周期等时域特性,修正“最优分类面”中目标预估位置邻域内的分割阈值,以提高目标检测灵敏度。然后,利用杂波在雷达图像序列中的时域特性进一步修正“最优分类面”,剔除剩余杂波。最后,将本算法与已经实现的基于空域特性的杂波抑制算法相结合,分别应用于仿真和实测数据,并采用多种方法评价检测结果。检测结果表明,本算法能够在提高检测率的同时,进一步降低虚警率。     

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。     

高分辨率SAR图像中车辆群目标检测的研究

研究了对SAR图像中车辆群目标的检测问题。采用统计检测的方法进行了理论分析,得到了3种检测算法的参数估计及检测门限的计算公式,提出了一种改进的综合目标检测算法。检测结果表明,采用常规双参数CFAR检测算法和单视标准CFAR检测算法存在较多的虚警,而采用改进的综合目标检测算法,检出目标准确,目标细节清晰,虚警很少,具有优良的检测性能。同时给出了该算法的滤波算子构造方法、参数选取方法及最佳参数。     

杂波图CFAR平面检测技术

本文提出了一种适合对海浪杂波进行恒虚警率（ＣＦＡＲ）处理和检测的新方法，它有效地改善了常规恒虚警率处理的性能。文中还给出了这种处理方法的硬件实现框图，并就检测性能作定量分析。