基于UMVE算法的分布式模糊恒虚警系统

基于模糊逻辑和无偏最小方差估计(UMVE)算法提出一种新的分布式CFAR系统(分布式模糊UMVE),系统中每个UMvE-CFAR检测器根据参考单元计算出映射到虚警空间的隶属函数值,并传给融合中心,融合中心根据这些值采用模糊融合准则进行判决.仿真结果表明,分布式模糊UMVE在均匀背景和非均匀背景下具有比分布式模糊OS更好的检测性能,同时,模糊算术积融合比二元"与"融合和"或"融合提供更好的检测性能.该研究成果可应用于警戒雷达系统.     

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。     

雷达自动检测和CFAR处理方法综述

对雷达自动检测和恒虚警率(ConstantFalseAlarmRate,CFAR)处理方法进行了综述,介绍了研究CFAR检测的几个主要方向和发展现状。主要内容有参量检测的目标和杂波模型,高斯杂波背景中的CFAR检测和非高斯杂波背景中的CFAR检测,非参量CFAR检测。最后简单地介绍了分布式CFAR检测,阵列信号CFAR处理,极化CFAR处理等极具潜力的研究方向,以及现代信号处理技术在雷达自动检测中的应用。     

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。     

基于小波分析的雷达/红外模糊自适应融合算法

在多传感器融合算法的基础上,提出一种基于小波分析的雷达/红外模糊自适应融合算法。因为小波分析对测量数据具有多分辨率分析的去噪能力,将小波分析与模糊自适应卡尔曼滤波器相结合构成一个多分辨率跟踪滤波器,该算法可以对来自主动雷达和红外成像传感器的信息加以充分利用,选择适合的小波函数对测量数据进行过滤优化,把干扰负荷转移到小波分析上,在改善跟踪性能的同时又具有很强的处理非平稳信号的能力,而且又保证了该融合算法简单、实用的特点。仿真结果表明,提出的融合算法有很好的跟踪精度,通过对比表明该算法优于传统的多传感器融合算法。     

前视阵FDA-MIMO雷达距离模糊杂波抑制方法

超高速平台前视阵雷达面临强杂波抑制难题,其杂波不仅具有显著的距离依赖性而且存在多重距离模糊,导致雷达动目标检测性能急剧恶化。针对这一问题,提出了一种基于频率分集阵列和多输入多输出雷达的距离角度多普勒三维自适应处理距离模糊杂波抑制方法。该方法通过发射接收二维联合空域和差波束及时域邻近多普勒通道进行降维处理,保证算法的低复杂度以及在小样本条件下的杂波抑制性能。仿真实验验证了所提方法的有效性。     

机载监视雷达地杂波背景中的CFAR检测方法

在充分考虑了具体雷达体制和工作环境的基础上认为,采用二维有序统计恒虚警处理方法(2D OS CFAR)适合于机载监视雷达地杂波背景中的恒虚警概率(constantfalsealarmrate,CFAR)检测。同时,对该方法在不同杂波背景、不同窗口大小、不同干扰数目时的检测性能进行了理论分析和实验仿真。仿真结果表明,该方法能有效地提高机载监视雷达对地工作方式时的CFAR检测能力。     

目标检测性能的定量评估方法

提出了一种对目标检测算法性能进行定量评估的方法。该方法基于ROC曲线定义了不同检测算法在Gaussian分布假设下的等效输入信杂比(EISCR),并用该EISCR的大小来对不同检测算法的性能进行定量评估。提出用Sigmoid函数对Gaussian分布函数逼近的方法推导了EISCR的简化计算公式。该方法克服了以往性能评估方法不能对检测算法的性能进行定量评估的缺点,不仅可以评价不同CFAR算法的性能,还能定量评估CFAR算法与非CFAR算法之间的性能差异。仿真结果表明了该方法的有效性。     

雷达/红外双模制导背景下的模糊目标跟踪器

在雷达／红外双模制导背景下，对雷达／红外传感器的测量数据进行融合并提出了一种跟踪机动目标的模糊跟踪器。该跟踪器能够精确的获取目标机动的动态信息，应用一系列的模糊规则自适应的调整卡尔曼滤波器的过程噪声协方差矩阵，从而更适合用于实际的跟踪系统。通过对红外成像和雷达多传感器对目标跟踪系统的数字仿真表明所提出的模糊跟踪器性能良好。     

基于Fuzzy-ART神经网络的红外弱小目标检测

针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于模糊自适应共振理论（fuzzy adaptive resonance theory, Fuzzy ART）神经网络的弱小目标检测算法。首先,采用Fuzzy ART神经网络结合Robinson 警戒环技术,建立自适应局部空间背景模型,并以此分析像素点的背景模糊隶属度来抑制背景杂波;然后依据目标与残留背景杂波的空间特征采用模板均差法来突显目标,并提出基于行列模糊聚类的自适应分割算法来提取候选目标;最后结合目标的运动连续性进行多帧轨迹关联从而检测出真实目标。理论分析与实验结果表明,该算法能随背景的局部情况来自适应调节空间背景模型,从而自适应抑制背景杂波、突显目标,能有效提高信噪比,检测出弱小目标。     

最佳线性无偏最大选择CFAR检测算法

为了增强恒虚警检测器对杂波边缘的保护能力,基于提出的最佳线性无偏(BLU)恒虚警检测算法,提出了最佳线性无偏选大恒虚警检测器(BLUGO-CFAR)。它的前、后沿滑窗均采用BLU算法来产生局部估计,将其中的最大值作为检测器对杂波功率水平的估计,去设置自适应检测门限。在SwerlingⅡ型目标及瑞利杂波假设下,推导出了它的P_(fa)、P_d、ADT及杂波边缘虚警尖锋的数学解析表达式。分析结果表明,它在均匀背景及多目标环境中的性能均比GOSGO或OSGO获得了改善,它对杂波边缘的虚警控制能力与控制能力强的GOSGO类似。在特殊情况下,BLUGO退化为MX-CMLD。     

杂波背景下机载雷达信号参数的射频隐身优化

面对对方先进的无源探测系统, 射频(radio frequency, RF)隐身是机载雷达抗干扰的一种重要手段。本文首先分析了杂波条件下机载雷达目标探测的RF隐身目标模型, 然后分别针对地杂波与海杂波背景, 以截获因子作为RF隐身性能评估指标, 分析了基于脉冲对消滤波与恒虚警(constant false alarm rate,CFAR)检测技术的机载雷达RF隐身设计方法, 并建立了相应的机载雷达信号参数RF隐身优化模型。仿真利用遗传算法对模型中的辐射功率、驻留时间与脉冲累积个数等机载雷达信号的关键参数进行求解, 仿真结果表明, 两种杂波背景下的信号参数优化模型均能有效地改善机载雷达的RF隐身性能。     

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.     

高斯背景下距离扩展目标的恒虚警率检测

对宽带高分辨率雷达(HRR)中的距离扩展目标进行检测,若还采用分辨雷达的检测方案,目标回波的全部能量得不到充分利用,会影响雷达的检测性能。提出了一类基于二进制积累的距离扩展目标检测算法,推导出了它们的平均虚警概率和平均检测概率的数学解析式,并进行了性能分析和比较。这些方法较常规低分辨雷达方法可获得目标信噪比8个多分贝的性能改善,且这些次优积累的高分辨雷达距离扩展目标检测方法具有易于工程实现的优点。     

UWB SAR叶簇遮蔽目标检测中的ROI提取方法

针对SAR(synthetic aperture radar)ATR(auto target recognition)算法中的ROI(region of interest)提取通常由一个CFAR(constant false alarm rate)检测器和聚类算法来完成,该方法在高波段SAR目标检测中具有优良的性能,而在UWB SAR(ultra-wide band synthetic aperture radar)叶簇遮蔽目标检测中效果不佳。提出了一种适于叶簇遮蔽目标检测的ROI提取方法,该方法由小滑窗中值滤波、低门限CFAR检测、形态学操作和聚类算法四部分组成,能够在叶簇遮蔽目标检测中很好地完成ROI提取,基于实际UWB SAR图像的ROI提取结果验证了该方法的有效性。     

基于Faster R-CNN的电子海图和雷达图像的数据融合

船载导航雷达和电子海图(electronic navigational chart, ENC)是船舶重要的导航仪器,雷达图像和ENC图像的融合能够给出更加丰富的航行和避碰信息。为此,提出了一种基于深度学习理论的提取雷达图像中鲁棒特征的数据融合算法,实现了ENC和雷达图像较高层次的数据融合。首先,利用深度学习算法对雷达图像进行目标检测,识别船舶雷达的特征目标。其次,对检测到的特征区域执行图像处理,并确定用于ENC和船舶雷达图像配准的参考点。最后,根据参考点进行仿射变换,实现融合算法。利用连续时间段的狭窄水域中的真实船舶雷达图像数据对融合算法进行验证,结果显示船舶雷达图像和ENC的海岸线边缘信息匹配良好且满足实时性要求。该算法与简单的像素级图像融合算法相比鲁棒性更强,实现了ENC与雷达图像的特征级融合。     

针对分布式雷达网的多帧联合航迹起始方法

分布式雷达网相对于单站雷达系统而言, 可以通过信息融合、协同探测等技术获得目标探测性能的提升。然而实际应用中, 目标相对于各个雷达站距离和视角通常不同, 往往存在某些雷达站由于信噪比较低无法捕获成功。针对上述问题, 充分依托分布式雷达网信息共享的优势, 提出一种多帧联合航迹起始方法。首先将已经成功建立目标航迹的雷达站获取的跟踪信息, 传递至尚未发现目标的雷达站, 并基于该跟踪信息建立预测波门, 设计预测波门内的多帧联合检测方法, 最终根据检测结果完成目标航迹起始。仿真试验表明, 所提方法可以实现航迹起始性能的提升。