该文在复合高斯海杂波背景下,以逆Gamma分布作为纹理分量的先验分布模型,研究了1阶高斯(First Order Gaussian,FOG)和2阶高斯(Second Order Gaussian,SOG)两类子空间目标的自适应检测问题。采用两步广义似然比(Generalized Likelihood R...该文在复合高斯海杂波背景下,以逆Gamma分布作为纹理分量的先验分布模型,研究了1阶高斯(First Order Gaussian,FOG)和2阶高斯(Second Order Gaussian,SOG)两类子空间目标的自适应检测问题。采用两步广义似然比(Generalized Likelihood Ratio Test,GLRT)推导了检测统计量,并分别采用采样协方差矩阵(Sample Covariance Matrix,SCM)、归一化采样协方差矩阵(Normalized Sample Covariance Matrix,NSCM)和定点估计(Function Point Estimation,FPE)作为协方差矩阵估计值,与GLRT相结合,构造出新的自适应检测器。由于该文检测器在设计阶段考虑了海杂波的先验分布模型,且在检测阶段采用了与工作环境相匹配的模型参数,经性能分析与验证,其在检测性能上优于已有匹配滤波(Adaptive Matched Filter,AMF)和归一化匹配滤波(Adaptive Normalized Matched Filter,ANMF)检测器。展开更多
文摘该文在复合高斯海杂波背景下,以逆Gamma分布作为纹理分量的先验分布模型,研究了1阶高斯(First Order Gaussian,FOG)和2阶高斯(Second Order Gaussian,SOG)两类子空间目标的自适应检测问题。采用两步广义似然比(Generalized Likelihood Ratio Test,GLRT)推导了检测统计量,并分别采用采样协方差矩阵(Sample Covariance Matrix,SCM)、归一化采样协方差矩阵(Normalized Sample Covariance Matrix,NSCM)和定点估计(Function Point Estimation,FPE)作为协方差矩阵估计值,与GLRT相结合,构造出新的自适应检测器。由于该文检测器在设计阶段考虑了海杂波的先验分布模型,且在检测阶段采用了与工作环境相匹配的模型参数,经性能分析与验证,其在检测性能上优于已有匹配滤波(Adaptive Matched Filter,AMF)和归一化匹配滤波(Adaptive Normalized Matched Filter,ANMF)检测器。