基于Bayes框架的复合高斯杂波下稳健检测

复合高斯杂波中的纹理分量决定了杂波的非高斯性,而纹理分量的不确定性会影响常规检测器的性能。基于Bayes框架,该文采用先验分布描述杂波纹理分量的不确定性,分析先验模型选择对检测器检测性能与稳健性的影响。先验信息模型包括无信息先验分布和有信息先验分布。无信息先验分布包括Jeffery先验模型和广义无信息先验模型两种,所得到的检测器结构就是归一化匹配滤波器(NMF)。有信息先验模型采用共轭先验分布,得到的是一种知识辅助的归一化匹配滤波器(KA-NMF),该检测器结构与判决门限都是先验分布参数的函数,该文分析了KA-NMF检测性能对先验分布参数的敏感性。进一步采用无信息先验模型描述先验分布参数,可以获得分层Bayes归一化匹配滤波器(HB-NMF)。计算机仿真与实测海杂波数据分析结果表明,HB-NMF的性能与分布参数无关,稳健性优于KA-NMF,而检测性能优于NMF。     

复合高斯杂波下基于GLRT的扩展目标检测

广义似然比检测(Generalized Likelihood Ratio Test,GLRT)是解决复合高斯杂波下扩展目标检测问题的一种有效方法,而当目标速度未知时,经典的GLRT失效。该文针对目标速度未知的情形,提出了一种基于广义特征值分解的扩展目标多普勒频率估计算法,可有效估计多普勒频率,并以此为基础设计了一种R-GLRT(Robust GLRT)检测器。仿真结果表明了这种检测器的有效性。     

一种海杂波纹理分量提取方法研究

针对不同海况、不同风向条件下海面起伏特性及变化规律,研究了海杂波采用复合高斯过程描述方法,提出了一种海杂波纹理分量的提取方法。利用该方法可以分析实测海杂波数据纹理分量的去相关时间,自适应搜索纹理分量的最佳相干长度,完成海杂波的纹理分量与散斑分量的分离。基于X波段雷达海杂波实测数据仿真分析了不同距离分辨率、不同极化组合条件下海杂波纹理分量的提取效果。仿真验证表明:该方法对分析研究海杂波统计特性,提高雷达信号检测性能具有较好的应用价值。     

复合高斯杂波中自适应目标检测算法

本文研究了复合高斯杂波中已知给定距离-多普勒单元多普勒频率、未知目标幅度的自适应检测目标的问题。杂波散斑分量用未知自回归系数的自回归过程建模表示,通过求解自回归系数和目标幅度的最大似然估计,推导得到复合高斯杂波中的广义似然比检测器。在目标信号向量维数很大的情况下,该检测器对激励信号方差与纹理分量的乘积具有恒虚警率特性。数值仿真表明该检测器性能优于正则化自适应匹配滤波器。最后分析了目标信号向量维数、自回归模型阶数在不同信杂比下对检测器性能的影响。      

复合高斯杂波中距离扩展目标的参数化Wald检测

本文研究复合高斯杂波环境中的距离扩展目标的自适应检测问题。有色杂波采用参数未知的自回归（AR）过程描述。结合Wald检测准则,仅需对H1假设条件下的未知参数进行最大似然估计,给出了一种新的基于参数化模型的扩展目标检测器——参数化Wald检测器。该检测器的检验统计量可解释为首先针对各个待测单元分别计算检验统计量,然后将所有待测单元的输出进行非相参累加,其对杂波的随机功率起伏具有恒虚警率(CFAR)特性。相比于常规的基于协方差矩阵的检测方法,参数化检测算法的执行过程不需要依赖辅助数据,仅利用待测扩展目标数据即可实现自适应处理,有效缓解了训练压力并降低了计算量。仿真实验表明,所提出的参数化Wald检测器的检测性能优于之前提出的参数化广义似然比检测器的性能。      

逆高斯纹理复合高斯杂波对异常样本稳健的三分位点估计方法

逆高斯纹理的复合高斯分布(IG-CG分布)是描述高分辨率海杂波常用的模型,其参数估计在高分辨海用雷达自适应目标检测中起着关键作用。由于参数估计中数据不可避免地存在来自海面目标、岛礁的异常样本,对异常样本稳健的双分位点估计是近年来提出的有效方法之一。该文提出一种对异常点稳健的IG-CG分布三分位点参数估计(Tri-per)方法,其是对双分位点估计的改进。改进来自两个方面,通过双分位点位置优化提高逆形状参数的估计精度;通过第3个分位点的引入和位置优化提高尺度参数的估计精度。最后,用仿真和实测数据检验了提出估计方法的有效性和稳健性。     

非高斯海杂波背景最优相干检测性能分析

非高斯海杂波背景下雷达目标检测一直是研究的重点。海杂波分布参数形式的多样化使得检测器对杂波平均功率的恒虚警特性无法保证,因此文中对描述非高斯海杂波的K分布、广义Pareto分布和逆高斯纹理复合高斯分布的参数形式进行了规范化,得到了规范化后的三种杂波分布对应的最优相干检测器。理论分析和实验验证了三个自适应检测器分别对杂波平均功率、目标多普勒频率和散斑协方差矩阵具有恒虚警特性。仿真实验表明:散斑协方差矩阵估计方法和辅助数据的数量均影响着自适应检测器的检测概率和虚警概率。     

复合高斯杂波中相干雷达极化自适应检测算法研究

研究了在复合高斯杂波中相干雷达极化自适应检测问题,基于广义似然比检验提出了一种新的检测算法。该算法关于杂波的结构分量统计特性有恒虚警的性质,敏感度分析表明虚警概率仅轻微地受到杂波相关特性变化的影响。仿真分析了不同状态时该算法的检测性能。结果表明该算法与先前的基于广义似然比的极化自适应检测算法检测性能接近,计算复杂度较低,有实际应用价值。     

基于逆高斯分布的复合高斯海杂波建模研究

复合高斯(CG)分布模型广泛应用于非高斯杂波建模,其纹理分量决定了杂波的非高斯特性。该文采用逆高斯分布的纹理分量建立了一种双参数复合高斯分布海杂波模型,即逆高斯-复合高斯(IG-CG)分布,并推导了其统计特性。同时,利用IPIX 型雷达杂波数据进行拟合分析,结果表明该文建立的双参数IG-CG 分布模型相对于单参数IG-CG 分布模型和K 分布模型,其残差平方和平均降低了30%和60%,能够更加准确地与实测数据相吻合。      

复合高斯杂波协方差矩阵估计的失配性能分析

在球不变随机向量的复合高斯杂波满足局部均匀的背景下,当估计的杂波分组大小与实际情况失配时,分析了自适应归一化匹配滤波器(ANMF)的恒虚警率(CFAR)特性和检测性能.理论分析表明,当杂波实际分组大小是估计分组大小的整数倍时,ANMF检测器对协方差矩阵结构和杂波功率水平均具有CFAR特性;而在其它的情况下ANMF检测器...     

严重拖尾复合高斯杂波中目标的自适应极化检测

该文研究极化高分辨雷达在动态变化的杂波场景中自适应检测小目标的问题。将统计特性严重拖尾的杂波建模为纹理分量为逆伽马分布的复合高斯过程,借助于广义似然比检验和辅助数据得到了自适应极化检测器,并推导了该检测器的虚警概率表达式,证明了该检测器对协方差矩阵结构具有恒虚警特性。最后,利用仿真杂波数据验证了检测器检测性能的有效性。     

复合高斯杂波中MIMO雷达DOA估计的克拉美-罗下限

该文研究了复合高斯杂波下MIMO雷达DOA估计的平均克拉美-罗下限(Average CRB, ACRB)。首先,给出了MIMO雷达信号与杂波模型;然后,推导出目标DOA估计ACRB的一般关系式,在此基础上给出当杂波texture分量满足反Gamma分布时,ACRB的闭合表达式;接着,研究了目标DOA估计的中断CRB(Outage CRB),克服了一个发射单元时ACRB发散的问题;最后进行计算机仿真并给出结论。结果表明MIMO雷达的空间分集能有效地降低其DOA估计ACRB,且ACRB随发射单元数量的提高而减小;另外在相同条件下,MIMO雷达在复合高斯背景下DOA估计的ACRB大于相应高斯背景下的ACRB。     

基于海杂波先验知识的雷达目标自适应Rao检测

针对非高斯非均匀海杂波背景下雷达海面目标检测性能改善的问题,该文基于海杂波的先验知识提出了一种自适应Rao雷达目标检测方法。首先将海杂波的纹理分量和散斑协方差矩阵分别建模为逆高斯随机变量和逆复Wishart分布的随机矩阵,然后基于Rao检验和未知参数估计,设计了一种匹配海杂波特性的雷达目标自适应Rao检测方法。通过理论推导和实验验证了所提检测方法对杂波平均功率和协方差均值矩阵具有恒虚警特性。仿真数据和实测数据实验结果表明,在非高斯非均匀环境下所提检测方法优于已有检测方法,并且具有良好的鲁棒性。     

基于极化特征分解的海上小目标检测算法研究

该文首次从全极化信息处理角度解决低擦地角下,海杂波中的低可观测小目标检测问题,提出了一种基于极化特征分解的海上小目标检测方法。通过对实测全极化数据分析,验证了海杂波已被阐述的极化特性。并对回波特征矩阵进行极化特征分解,对比了纯海杂波与包含目标回波时海杂波的极化特征量。据此,提出了一个新的极化特征量-联合熵间距()。根据海杂波与小目标DBEA反映的散射机理差异,给出了小目标检测方法,得到了正确的检测结果。经过不同海况数据进行多次验证,得出该方法具有良好的检测能力和较强的鲁棒性。     

复合高斯杂波条件下存在干扰时的反对称贝叶斯检测器

该文对复合高斯杂波条件下存在干扰时的目标检测问题进行研究。针对自适应检测器需要一定数目独立同分布训练样本才能保证较好的检测性能,利用接收天线的反对称结构以及引入杂波协方差矩阵的先验信息的方法,利用两步广义似然比检验准则提出了该背景下的贝叶斯检测器。仿真结果表明,该文提出的检测器在训练样本数较少时具有较好的目标检测性能。     

基于分形可变步长LMS算法的海杂波中微弱目标检测

该文主要研究了基于Hurst指数与可变步长LMS算法相结合的分析方法在海杂波微弱目标检测中的应用。一直以来,分形理论与统计理论是分别应用到目标检测中的,该文将分形可变步长LMS算法引入到海杂波微弱目标检测中,并在此基础上提出一个海杂波中的微弱目标检测模型,初步实现了基于LMS算法的检测方法与基于单一分形特征的检测方法的结合。最后,采用X波段雷达实测海杂波数据进行验证,结果表明该检测模型具有良好的检测海杂波中微弱目标的能力。