基于时频图自主学习的海面小目标检测

多维特征检测方法已成功运用于海面小目标探测中.针对人工特征提取的局限性,将检测问题转变为两分类问题,提出了一种基于时频图深度学习的目标检测方法.首先,将一维观测回波变换到二维时频域,并通过归一化时频图进行白化预处理.其次,建立半仿真含目标回波数据库,解决两类训练样本非均衡问题.然后,搭建迁移学习模型自主学习时频图特性,...     

基于逆高斯纹理空间相关性的雷达目标检测

高分辨海杂波可以采用复合高斯模型进行建模,纹理分量决定了杂波的非高斯特性以及后续的检测算法。传统自适应检测算法假设纹理在距离维独立同分布(independent and identically distributed, IID),忽略了实测海杂波纹理相关性。采用逆高斯分布建模纹理分量,提出了一种基于纹理空间相关性的自适应检测器。该检测器选取部分参考单元带入到似然比检测中,为待检测单元提供了散斑协方差矩阵信息和纹理信息。实测数据实验表明,该检测器相对于IID纹理假设下的最优检测器和自适应归一化匹配滤波器具有一定的性能提升。     

复合高斯海杂波模型下最优相干检测进展

 不同于噪声背景下的目标检测,增加雷达发射功率对海杂波背景下的目标检测性能并不能带来重大的改善,因此海杂波的精细化建模和海杂波特性的充分利用成为改善目标检测性能的最重要途径。复合高斯模型是目前广泛使用的海杂波模型,为海杂波特性的精细描述提供了有力工具,而相应的最优检测理论和方法为目标检测性能改善提供了技术支持。本文综述复合高斯海杂波模型下最优及近最优相干检测理论和方法。首先,对K分布、广义Pareto分布及逆高斯纹理3种复合高斯模型进行了概述,并介绍了3种模型下已有的最优及近最优检测方法;然后,对目前复合高斯杂波加噪声混合模型下相干检测方法的进展和应用瓶颈进行了分析;最后,针对未来该方面研究的进一步完善,探讨了几种计算可实现近最优检测方法的研究思路。