基于信号杂波噪声比的认知雷达扩展目标探测波形设计

针对认知雷达在杂波环境下探测扩展目标时,回波信号的信号杂波噪声比(SCNR)较低的问题,提出了一种基于SCNR认知雷达发射波形优化设计方法。首先,不同于以往的点目标模型,通过建立扩展目标探测模型,得到认知雷达回波信号杂波噪声比(SCNR)与发射信号能量谱密度(ESD)间的关系;其次,根据最大SCNR准则推导出发射信号ESD的全局最优解;最后,为了得到有实际意义的时域信号,采用相位调制的方式,结合最小均方误差(MMSE)和迭代算法将最优ESD合成满足雷达发射要求的恒幅时域信号。仿真实验中,该方法所得时域合成信号幅度为1,在匹配滤波器输出端的SCNR为19.133 d B,仅小于理想值0.005 d B。结果表明,所得到的时域波形不仅能够满足恒幅要求,而且能使接收机输出端的SCNR接近理想值,提高了扩展目标探测性能。

基于Fuller核的背景杂波抑制方法

提出了一种基于Fuller核非参估计的背景杂波抑制方法.通过对输出结果的信号杂波噪声比(SCNR)增益以及残留噪声的独立性检验对其性能进行了评价.针对一些典型实际图像进行计算机仿真,验证了该方法的有效性.

最大SCNR下的随机延伸目标探测波形设计

针对慢起伏距离延伸静止目标探测问题,采用最大化信号杂波噪声比(SCNR)准则,进行了信号依赖的干扰和背景噪声共同作用下的最优发射波形设计研究。在慢起伏距离延伸目标模型设定下,给出了SCNR和发射波形能量谱(ESD)之间的关系式,并推导出了发射波形ESD的全局最优解;采用实测的干扰、背景和目标谱数据,合成了最优波形的ESD。在不同信号频带范围限定下,对比分析了最优波形和LFM信号所能给出的最大SCNR。仿真结果表明:该方法合成的最优波形所获得的最大SCNR总是高于参考LFM信号所获得的最大SCNR。

采用马氏模型的点状动目标快速检测方法

提出了一种视频序列图像中点状运动目标三维快速检测方法。该方法利用目标运动的时域连续性假设,将目标在相邻多帧上的位置状态模型化为二阶马尔可夫数据链;依照该模型采用沿轨迹集成的检测算法,克服了传统三维检测造成搜索次数巨大的弱点,同时也避免了二维投影检测带来的信噪比下降。理论分析和仿真试验表明,该检测方法能稳定地检测出信号杂波噪声比(SCNR)超过3的缓动点状运动目标,而且在采用5帧集成时计算量比传统的穷尽轨迹匹配检测减少100倍。