用于扩展目标检测的OFDM-MIMO雷达波形设计

为了检测扩展目标,该文提出一种已知统计特性的杂波和噪声背景下提高正交频率分集复用-多输入多输出(OFDM-MIMO)雷达检测性能的波形设计方法.利用扩展目标一维距离像的频率特性,基于匹配照射理论给出了雷达回波向量模型,在此基础上建立最大化检测信杂噪比的目标函数;通过交替迭代搜索获得优化发射波形和最优接收滤波器.仿真结果表明,经调制的OFDM-MIMO雷达发射波形具有稳健的抗杂波性能,可提高检测信杂噪比,改善OFDM-MIMO雷达检测性能.     

基于球不变随机过程的相干相关K分布海杂波仿真

海杂波仿真对测试雷达在杂波环境下的检测性能是极其重要的.K分布可以很好地描述高分辨低入射余角雷达的杂波特性.使用球不变随机过程法模拟产生相干相关K分布的海杂波,该方法允许对杂波的协方差阵和分布函数分别独立进行控制,从而克服了传统零记忆非线性方法产生相干相关K分布杂波的困难.仿真结果证明了该方法的有效性.     

基于粒子滤波的MIMO雷达目标似然比检测方法

针对多输入多输出（MIMO）雷达在非高斯杂波背景、信号参数随机或未知的情况下,难以建立目标统计检测模型的问题,基于粒子滤波方法,根据参数的概率分布函数抽取粒子,将复杂积分运算转化为求和运算求取似然函数,给出了一种MIMO雷达目标似然比检测的通用模型,解决了非高斯杂波条件下无法得到检测统计量的问题．以复SG-Alpha联合稳定分布作为MIMO雷达非高斯杂波分布模型,给出了基于粒子滤波的似然比检测方法．最后通过仿真实验给出了该方法在不同条件下的检测性能,并与传统MIMO雷达目标检测方法进行了比较,结果表明在非高斯杂波背景下该方法的检测性能要明显优于传统方法的．     

采用收发极化联合优化的极化雷达目标检测新算法

针对极化雷达在非高斯杂波背景下的未知目标检测问题,建立了一种收发极化可变的全极化雷达测量模型,提出了一种基于广义似然比检测的收发极化优化目标检测器,并得到了检测判决量的闭环形式。在性能分析环节,推导得到了该检测器检测性能的解析表达式,指出了它的恒虚警性质,明确了收发极化矢量与检测性能之间的对应关系。在性能验证环节,首先设计了非高斯杂波背景下的目标检测实验,结果表明,在相同的实验条件下,本文检测算法的抗杂波非高斯性能和检测性能优于现有典型目标先验信息未知的极化检测器,性能接近目标和杂波先验信息已知的最优极化检测器。接着对比了收发极化联合优化、发射极化优化和收发极化固定3种极化雷达的目标检测性能,结果表明,在相同的实验条件下,收发极化联合优化的极化雷达具有最优的目标检测性能。     

非均匀噪声下基于双剔除门限的恒虚警目标检测算法

为了解决雷达检测算法在非均匀噪声环境下目标检测性能严重下降的问题,在分析实际回波杂波分布特性的基础上,提出了一种基于双剔除门限的恒虚警目标检测算法,通过双剔除门限将极大极小干扰信号从参考窗口中剔除,实时精确估计背景噪声功率.经过与各检测算法仿真对比,该算法在多目标干扰、遮挡和杂波边缘干扰等非均匀背景噪声环境下仍具有最优的检测性能和鲁棒性.结果表明,所提出的目标检测算法在非均匀噪声环境下具有良好的检测性能.     

高分辨率雷达近距离下的海杂波建模与仿真

作为一种具有统计特性的随机变量,海杂波的特性可以用幅度分布特性和谱特性来描述。文章以韦伯分布、具有高斯谱的海杂波为例,介绍一种海杂波的模拟模型;之后进行海杂波信号仿真并验证了仿真结果。仿真得到的海杂波数据可以直接用于雷达目标模拟器中的输入信号。     

非高斯噪声背景下计算机视觉目标跟踪方法

针对杂波背景下计算机视觉目标跟踪问题,提出一种非高斯噪声背景下计算机视觉目标跟踪方法.在视频目标运动模型和观测模型的基础上引入了柯西混合噪声模型,对非高斯噪声运动目标的状态进行建模;然后,在传统高斯噪声粒子滤波的框架内给出文中方法的具体实现步骤.针对大面积遮挡和夜晚光照改变的极端情况下对路上行驶的车辆进行实时跟踪实验,结果表明:文中方法明显提升极端杂波环境下的目标运动过程的建模精度,有效提升目标跟踪精度.     

基于BP神经网络的海上目标检测

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响,提高MUSIC算法的检测性能,用BP神经网络实现海杂波预测和对消.利用神经网络的可对任意非线性函数模拟的特性,对展宽的海杂波进行模拟.用模拟后的结果实现一阶海杂波的对消,来满足MUSIC算法的应用条件.最后,用MUSIC算法分辨海上目标的方位信息.实验结果表明,对消前后目标背景噪声子空间特征值发生改变,对消后更接近于MUSIC算法的假设条件,提高了MUSIC算法的检测性能,扩大了MU-SIC算法的应用范围,实现在非高斯噪声背景条件下应用MUSIC算法检测目标.     

基于Rayleigh分布杂波模型的动态目标检测算法

为了解决传统的动态目标检测算法在功率波动明显的非均匀复杂背景噪声下,检测性能严重下降的问题,基于杂波分布模型和恒虚警理论,提出一种基于Rayleigh分布杂波模型的单元最大最小平均恒虚警(CMMA-CFAR)检测算法,通过均值和均方差估计噪声平均功率并动态调整检测门限参数,在保持较低虚警率的前提下,提高目标的检测率.采用了数字滤波器组降低旁瓣功率,抑制强杂波干扰.经过与其它算法仿真对比,该算法具有最优的检测性能,检测率大于95.00%.该方法已应用于车辆开门防撞预警系统,在奇瑞G5车型上进行了标定测试,针对典型接近目标:自行车、摩托车和轿车,平均预警率大于97.50%,误警率小于3.00%.结果表明,该算法在杂波边缘干扰和非均匀噪声背景下,仍具有良好的检测性能.     

时空相关杂波下多目标步进频参数估计

提出了时空相关复合高斯分布海杂波下步进频雷达运动目标参数估计的方法.根据复合高斯分布杂波的散斑分量与纹理分量的分布特性,推导出步进频体制高分辨雷达的运动目标距离与速度的最大似然估计;提出目标误差函数的定义,基于目标误差函数最小化的准则,通过对距离进行搜索找到距离的估计值,并通过距离的估计值,求解出速度的最优最大似然估计值.仿真实验表明,该方法可以有效地估计出时空相关复合高斯分布海杂波背景下的步进频运动目标距离与速度参数.     

紧凑型地波超视距雷达海杂波区目标检测影响因素研究

针对紧凑型地波超视距雷达海杂波周边及区域内目标难以检测问题，通过相关影响因素的理论及实测数据统计分析，对系统信号积累时间选取、目标航行状态与海杂波区的关联以及实测数据的联合域展开研究,分析结果为雷达相干积累时间的选取制定了取值范围。研究表明海杂波区内远距离非机动目标潜在驻留时间超过雷达积累时间，且导致的回波多普勒变化量有限，但海杂波和目标在时空及极化域具有相对较大的差异，可作为海杂波区目标检测的重要依据。     

紧凑型地波超视距雷达海杂波区目标检测影响因素研究

针对紧凑型地波超视距雷达海杂波周边及区域内目标难以检测问题，通过相关影响因素的理论及实测数据统计分析，对系统信号积累时间选取、目标航行状态与海杂波区的关联以及实测数据的联合域展开研究,分析结果为雷达相干积累时间的选取制定了取值范围。研究表明海杂波区内远距离非机动目标潜在驻留时间超过雷达积累时间，且导致的回波多普勒变化量有限，但海杂波和目标在时空及极化域具有相对较大的差异，可作为海杂波区目标检测的重要依据。     

基于多背景模型的海面运动目标检测

提出一种在反射光较强的条件下基于多背景模型的海面运动目标检测方法.使用基于统计模型的变化检测方法将被监控场景区分为海浪波动显著的背景区域和海浪波动不显著的背景区域;对这两种区域中的像素点分别以Weibull分布模型和Gauss分布模型建立背景模型;使用建立的背景模型检测海面的运动目标.实验结果表明,在海面反射光较强且波浪波动较大的情况下,用该方法可以比较准确地检测到海面的运动目标.     

时-空相关的相参K分布海杂波的仿真

对海面目标进行ISAR成像时,会受到海杂波的影响。基于海杂波的复合散射理论,分析了海杂波的统计分布模型、时间相关性和空间相关性。采用球不变随机过程产生时间和空间相关的相参K分布海杂波。对时间相关和空间相关性的引入方法进行了分析。最后设定仿真环境产生具有时间和空间相关的相参K分布二维海杂波,结果表明了该方法的有效性。     

序列图像（亚）像素级点目标检测的DP算法

提出了一种用于序列图像（亚）像素级点目标检测与跟踪的ＤＰ算法。该算法基于弹道积分原理和动态规划最优化原理，将序列图像（亚）像素级点目标检测问题转化为一系列的一维最优化过程，功效上完全等价于究举法。同时具有算法简单，运算量小、易于实现的特点。该算法有别于其他算法的显著优点是具有低信噪比处理功能，特别适用于弱而小的点目标运动轨检测，文中还针对多（亚）像素级点目标情况进行了专门讨论。     

基于卡尔曼滤波器的背景抑制及小目标检测

提出了一种采用卡尔曼滤波器作为杂波背景预测器的小目标检测方法,相比较于传统的梯度下降算法,该方法充分利用了假设的杂波图像模型,并且算法中也没有影响检测性能的步长参数,因而具有更好的检测性能,实验表明,该方法能有效地抑制杂波,并同时增强小目标的信号。     

正交频分复用调制雷达高速弱目标检测算法

为提高正交频分复用(OFDM)调制雷达对高速弱目标的检测能力,提出了一种基于相参Radon变换的OFDM调制雷达高速弱目标检测算法。首先分析了高速弱目标回波信号模型以及对其进行长时间相参积累时出现的跨距离单元走动问题,然后采用相参Radon变换算法沿距离单元走动斜线对其进行长时间相参积累,并研究了其存在速度模糊情况时的参数估计方法。理论分析和仿真结果表明,该算法具有比非相参Radon变换和动目标检测(MTD)更优的低信噪比(SNR)背景下的目标检测性能,并能进行有效的参数估计。     

强海杂波背景条件下海上目标检测方法

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响，提高MUSIC算法的检测性能，用径向基神经网络实现海杂波预测和对消．利用神经网络的可对任意非线性函数模拟的特性，对展宽的海杂波进行模拟，用模拟后的结果实现一阶海杂波的对消，来满足MUSIC算法的应用条件．最后用MUSIC算法分辨海上目标的方位信息．实验结果表明，对消前后目标背景噪声子空间特征值发生改变，对消后更接近于MUSIC算法的假设条件，提高了MUSIC算法的检测性能，扩大了MUSIC算法的应用范围，实现在非高斯噪声背景条件下应用MUSIC算法检测目标．确定最小的相空间维数和时间间隔，采用更先进的神经网络算法，可以提高神经网络的预测速度．     

基于视觉注意机制的实时红外小目标预检测

在红外小目标检测中引入视觉注意机制,以计算机量较小的预检测为代价减少了目标检测的区域,在注意机制中采用 非线性采样模型,并利用相邻采样点形成显著性图,实验证明基于注意机制的预检测能有效地提高系统的计算效率,同时也具有一定的抗噪能力,可用于噪声环境中的小目标检测。