单脉冲SAR地面动目标检测技术初探

合成孔径雷达(SAR)是一种高分辨成像雷达,但对运动目标的成像经常会出现模糊和方位向偏移.本文对文献[1]提到的利用单脉冲SAR实现地面动目标检测(GMTI)技术进行简单的介绍,该方法利用单脉冲系统接收的和/差通道的聚焦数据对成像场景中的动目标进行检测,并且进行方位向偏移校正,以及准确测得各个动目标的径向速度分量.     

复杂背景下的动目标检测技术

目标检测是光电成像武器系统中图像处理的重要内容。本文研究了光流估计的基本算法。从运动分割的角度提出了使用光流分割方案来解决复杂背景下的动目标检测问题。文中分析了标准光流估计的缺陷及其原因．并使用坚韧性估计技术提高了光流估计算法的实用性。最后给出了动目标检测算法的仿真结果。其结果表明利用图像的运动特征来实现目标检测是一种很有效的方法。     

动目标检测后置处理器

在常规的搜索雷达中,由于方位波束宽度较宽、脉冲宽度较大,使同一目标经 MTD 处理后分裂成一个有较强相关性的目标数据群,以至对目标分辨、信息数据的处理均带来很多问题.本文提出了先(?)行凝聚分类、然后根据它们的相关特点分别提取方位、距离、速度等真实数据的解决办法,并指出了完成这一系列任务的后置处理器的特点.     

基于改进MNE算法的动目标检测技术

在多通道SAR/GMTI系统中,对各通道回波数据分别成像后采用最小范数特征相消法(MNE)进行二维自适应处理,可以有效地宾现杂波和干扰的抑制,提高动目标检测性能,但算法运算量较大,不利于实时处理.首先对MNE基本原理进行分析,在此基础上,将近似投影子空间跟踪(PAST)技术引入到MNE中,提出了一种基于PAST的MNE算法用于多通道SAR动目标检测.与常规的MNE算法相比,新算法抑制杂波性能相当,但运算量有所降低,最后利用实测数据验证了该算法的有效性和优越性.     

视频动目标标识文本检测与识别技术

描述了一种新的视频动目标标识检测与识别技术，讨论了从视频中自动捕获用于识别动目标的最佳帧、动目标标识的自动搜索、标识字符的单字切分和字符图像的BP神经网络识别。实验显示，该技术运用于车牌自动识别系统能适应不同的天气和光照，有很好的鲁棒性。     

视频SAR成像与动目标阴影检测技术

视频合成孔径雷达(SAR)技术将观测场景的动态信息以视频方式呈现出来,其高帧率成像特性有利于实现对地面机动目标的实时探测。视频SAR信号处理关键技术主要包括高帧率成像处理算法和运动目标检测技术等。该文对视频SAR成像处理进行了探讨,给出了两种典型视频SAR成像处理仿真数据结果,详细分析了视频SAR阴影形成机理和对动目标检测性能的影响,并将基于机器学习的视频SAR阴影目标检测技术与经典处理方法在实际数据上进行了验证对比。      

动目标显示器杂波检测损耗

本文从检测损耗观点出发研究了瑞利和对数正态杂波的非递归正交信道动目标显示器(MTI)滤波器的检测性能。给出了瑞利杂波的检测损耗公式,并且绘出了正态杂波典型情况的曲线。     

基于Alpha稳定分布的地面动目标检测技术

多通道SAR/GMTI系统通过空时自适应处理（STAP）抑制杂波,可以有效降低系统的最小可检测速度（MDV）,但在复杂探测环境中,杂波背景不再服从高斯分布,导致传统SAR-STAP方案在地面动目标指示应用中性能明显下降。针对这种情况,提出一种新的基于Alpha稳定分布杂波模型的动目标检测方案,该方案引入Alpha稳定分布代替高斯分布以建立非高斯杂波模型,在此基础上采用基于最小分数低阶矩无畸变准则的新型算法进行杂波抑制处理。通过仿真及实测数据对算法性能进行了验证,结果表明,该算法在非高斯杂波环境中性能明显优于原有算法。     

基于星载高低轨的单通道动目标检测技术

合成孔径雷达成像应用于观察包含运动目标的地面场景,特别是在对运动目标观察时间长的情况下,图像会产生由于距离徙动和多普勒频谱展宽引起的运动目标偏移。为了消除这些影响,本文提出一种适应于星载高低轨平台协作模式下对动目标进行检测成像的算法。距离徙动包括运动范围内的距离走动和距离弯曲可以通过广义keystone变换校正。然后,通过估计和补偿相位误差和折叠因子项,可以提高运动目标的分辨率。针对地面场景中的杂波,我们通过子孔径对消的方法进行抑制。该算法的有效性通过仿真结果进行验证。通过将广义keystone方法与子孔径对消方法结合,可以有效地对消静止目标杂波,从而更好的对动目标进行检测成像。      

基于动态图像处理技术的动目标检测与跟踪

针对摄像机与目标同时运动情况下运动目标的检测与跟踪问题,提出了背景匹配法.通过相关匹配算法使背景对齐,结合帧间差分技术有效地将运动目标提取出来;然后通过预测未来路线,运用光流学与对应物的对应方法进行运动目标跟踪.     

基于自聚焦方法的SAR动目标检测技术研究

研究通过自聚焦方法在合成孔径雷达图像中进行动目标检测的方法。在检测过程中，针对不同的场合与要求，分别使用两种不同的自聚焦方法进行检测研究，并将检测结果进行对比，因此为这种动目标检测方法提供了两种自聚焦途径。经过在实测数据中试验，证明这种方法可以较好地检测出具有方位向速度和距离向加速度的运动目标。     

动目标检测(MTD)点迹处理技术

动目标检测技术(MTD)已广泛用于雷达信号处理中。本文在分析大量的MTD输出点迹的基础上,提出了点迹过滤、凝聚和精确参数估值的方法和准则。其技术可推广应用于新体制雷达和现役雷达的改造。     

动目标检测（MTD）点迹处理技术

动目标检测技术（ＭＴＤ）已广泛用于雷达信号处理中,本文在分析大量的ＭＴＤ输出点迹的基础上,提出了点迹过滤,凝聚和精确参数估值的方法和准则。其技术可推广应用于新体制雷达和现役雷达的改造。     

雷达实时仿真中的动目标检测技术研究

在雷达实时仿真系统中,基于FFT多普勒滤波法,利用FPGA实现了动目标检测(MTD)模块.根据系统通用性要求,定义了标准的模块接口界面,并给出波门矩阵的存储格式.硬件中采用流水处理技术,从资源最小化角度设计了单RAM集中式结构,同时为了放宽时序约束,提出双RAM交替式改良结构.最后设计了成组滑动MTD电路,将目标距离、速度信息更新率提高了数十倍.试验结果表明,多种方案完成了预期功能,处理延迟达到微秒级.     

广域监视动目标检测模式下动目标快速定位误差分析

广域监视动目标检测(WAS-GMTI)模式作为机载监视雷达的一种重要工作模式,可以在较短时间内对大范围区域进行动目标监视,并进而对检测到的动目标进行快速定位,但在实际工程实现中,动目标的定位受到诸多因素的影响,直接使用理想公式对动目标进行定位存在较大误差。从战场或者交通监测的需求出发,广域监视动目标检测模式下需要对检测到的动目标进行快速定位。该文根据机载广域监视动目标检测模式下可以获得的动目标信息的特点,采用一种快速定位方法实现动目标的定位。同时对实际存在的导致动目标定位误差的这些因素进行了分析,并在考虑这些因素之后对动目标进行了重新定位。仿真和实测数据验证了该文对动目标定位误差的分析的合理性。      

MIMO雷达动目标检测的研究

多输入多输出（MIM0）雷达是一种新体制的雷达,与双基地雷达相比,能够较好地对切向飞行目标进行检测。针对MIMO雷达的动目标显示（MTI）特性,给出了MTI滤波器的三种设计及其结构,并导出了其相应的改善因子表达式。最后给出了仿真结果,即递归滤波器具有较好的灵活性和改善因子,同时合理进行收发布阵,能够提高改善因子,这对MIMO雷达的布阵具有一定指导意义。     

动目标检测雷达相参体制分析

动目标检测雷达采用锁相相参或全相参两种体制信号。两种体制的动目标检测雷达消除地杂波的能力不一样，设计难易程度差别很大，雷达对分系统信号质量的要求以及两种体制分系统能达到的技术指标也不相同。     

基于卷积神经网络的动目标检测

合成孔径雷达(SAR)动目标检测技术是雷达信号处理领域中的重要技术。文中利用深度学习高维特征提取能力,提出了一种基于卷积神经网络(CNN)的多通道SAR地面动目标检测算法,并针对雷达实测数据较少、动目标样本难以获得的问题,提出了基于仿真-实测混合样本集的网络训练方法完成网络的高精度训练。实测数据检测结果表明,此类方法能够有效地完成地面动目标检测,与传统动目标检测方法相比,具有显著的优势。     

远距离监视激光雷达动目标快速检测

激光雷达具有全天候工作、探测精度高、有效探测距离远、易获得三维信息等特点,但工作在远距离模式时,目标点云比较稀疏。当前便携条件下,基于深度学习的算法在激光雷达点云数据直接目标识别时,实时性和成功率尚不能达到远程监视实际工程的要求。针对实际工程中利用激光雷达检测运动目标进而实时引导高分辨率相机的需求,采用基于变化的检测方法,对远距离条件下激光雷达的运动目标检测方法进行了研究,利用点云数据的距离信息,给出三维单高斯模型和三维高斯混合模型检测动目标的过程和方法,提出了利用杂波图恒虚警率检测法处理点云数据的方法。实验表明,与二维图像动目标检测方法相比,三维单高斯模型法会很大程度提高检测准确性,降低虚警率,但仍然存在较高虚警率。为适应复杂三维场景,采用基于三维高斯混合模型的方法进一步降低了虚警率,但也降低了检测速度;而杂波图CFAR的方法具有很高的实时性,同时也具有较好的检测性能。