复合高斯杂波下距离扩展目标斜对称自适应子空间检测器

针对非高斯杂波背景中距离维扩展的多秩线性子空间信号自适应检测问题,本文基于两步法设计了广义似然比(GLRT)、Rao、Wald检测器。为解决训练样本有限情况下自适应检测器性能急剧下降的问题,本文在检测器设计阶段利用了协方差矩阵的斜对称结构特征。考虑到高分辨率雷达目标回波除了具有沿雷达径向的平动分量之外,还能观测到偏航、横滚、俯仰等转动分量,将目标信号建模为距离扩展子空间信号,以充分利用多普勒信息;为弱化纹理分量先验分布选择的困难,减小模型失配导致的检测性能损失,将杂波建模为纹理分量为未知常数且散斑协方差矩阵具有斜对称结构的复合高斯杂波模型。经过蒙特卡洛仿真实验验证,在训练样本数量受限的情况下,本文所提三种斜对称检测器检测概率达到0.5所需的信杂比相比传统检测器平均低20 dB。同时,分析表明提出的三个斜对称自适应检测器均对散斑协方差矩阵具有恒虚警特性。

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。

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检测器只对协方差矩阵结构具有CFAR特性.仿真结果还表明,不同子集的选取对ANMF检测器的CFAR特性影响不大;而在不同的失配条件下,ANMF存在不同程度的检测损失,且在纹理分量相关性信息完全未知时检测损失最大.

复合高斯杂波下距离扩展目标的OM-GLRT

广义似然比检测(Generalized Likelihood Ratio Test,GLRT)是解决复合高斯杂波下距离扩展目标检测问题的一种有效方法,而当目标速度未知时,对于毫米波等高频雷达而言,速度估计误差将造成方向矢量(steering vector)失配,从而导致GLRT性能的严重下降。此时,如何设计最佳的GLRT检测器就成为一个优化问题。本文在分析方向矢量失配对GL- RT影响的基础上提出了一种最优匹配GLRT(Optimum Matched GLRT,OM-GLRT)方法。仿真结果表明,OM-GLRT能有效地实现对速度未知目标的检测。

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。

复合高斯杂波下抑制失配信号的自适应检测器

随着雷达分辨率的提高及擦地角的减小,海杂波幅度分布明显偏离瑞利分布,表现出很强的非高斯特性,复合高斯模型得到广泛应用。因此该文以复合高斯杂波为背景,研究当信号发生失配时的雷达目标检测问题。该文基于两步广义似然比(GLRT)检验,设计了复合高斯杂波下对失配信号具有选择性的自适应检测器。为了设计选择性检测器,在零假设下引入虚假干扰以修正原始二元假设,并假设该虚假干扰与实际目标信号在白化空间正交。该文提出的检测器对海杂波纹理分量及协方差矩阵恒虚警(CFAR)。最后利用仿真及实测海杂波数据,通过蒙特卡洛实验验证该检测器的有效性。实验表明,该文所提检测器有效提高了对失配信号的选择性,同时对距离扩展目标匹配信号的检测性能也有1~3 dB的提升。

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。

复合高斯杂波加热噪声中基于Rao检验的分布式目标检测

针对高分辨雷达低杂噪比的情况,在复合高斯杂波加热噪声的背景中研究了分布式目标的检测问题。首先假设内部热噪声和外部杂波统计独立,在给定杂波纹理分量的前提下,将白高斯热噪声加上复合高斯杂波之后的总干扰近似等效处理成一个新的复合高斯杂波,只是将其参数做了适当调整。然后将分布式目标建模为子空间模型,基于Rao检验构造了N-Rao检测器。通过对N-Rao检测器虚警概率的计算表明其具有恒虚警率特性。最后通过Monte Carlo仿真实验表明,杂波形状参数的减少与杂噪比的增加都会使N-RAO检测器的检测性能有所提高,且在低杂噪比的情况下,N-RAO检测器有很好的检测性能。

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。

复合高斯杂波中子空间信号的自适应检测

针对复合高斯杂波中自适应检测多维子空间信号,传统算法在训练样本数有限的情况下性能严重不足的问题,提出了基于协方差矩阵广对称结构信息的子空间信号的广对称自适应检测算法。该算法利用协方差矩阵的广对称结构特征,基于两步广义似然比准则,首先得到协方差矩阵的广对称渐进最大似然估计,然后代入似然比得到广对称自适应检测器,理论分析证明了该检测器具有恒虚警率特性。仿真分析表明,与传统检测器相比,该检测器具有更好的检测性能。

复合高斯杂波中知识辅助检测器的先验信息感知方法

利用先验信息可以提高雷达目标的探测能力,若先验信息与当前探测环境不匹配,知识辅助检测器的性能会受到影响.本文针对Bayes框架下的复合高斯杂波中的知识辅助检测器,提出了杂波纹理分量先验分布参数的感知方法.首先阐述了知识辅助检测器先验信息感知的一般方法.然后针对基于杂波纹理分量先验信息的知识辅助检测器结构,建立了先验模型参数失配与知识辅助检测器检测性能之间的量化关系.进一步利用知识辅助检测器对当前杂波场景进行探测,获得检验统计量和虚警率测量值,从而构造纹理分量分布参数的约束关系.通过分析多个约束关系的交点,获得杂波纹理分量先验分布参数的感知值.计算机仿真分析了这种感知方法的可行性,并利用实测杂波数据对感知方法进行了验证.通过知识辅助检测器检测性能对比分析,采用感知方法获得的先验信息模型参数能够进一步提高检测器的性能.

复合高斯杂波中距离扩展目标的迭代近似GLRT检测器

研究了结构化的复合高斯杂波(CGC)背景中距离扩展目标自适应检测问题。针对异质杂波背景中的近似广义似然比检验(AGLRT-HTG)检测器应用于CGC背景中时存在一定的信杂比损失问题,结构化的复合高斯杂波采用自回归过程建模,结合近似广义似然比检验(AGLRT)方法和迭代估计思想,提出了CGC背景中距离扩展目标的迭代近似广义似然比检测器(RAGLRT-CGC)。从理论上分析了极限情况下RAGLRT-CGC虚警概率与检测门限关系的解析表达式。仿真结果表明,在CGC背景中,RAGLRT-CGC对不同多主散射点目标具有较好的鲁棒性,并且检测性能明显优于AGLRT-HTG。

非高斯杂波协方差矩阵估计新方法

针对雷达目标自适应检测中的复合高斯杂波协方差矩阵估计问题,提出了一种基于杂波分组的约束迭代估计方法。该方法在迭代过程中有效利用所有辅助数据,并对最终得到的估计矩阵进行关于迹的约束。在估计的杂波分组大小与实际情况匹配的条件下,约束迭代估计方法的估计精度与杂波功率水平无关。仿真实验表明,所提出的方法对不同的杂波分组大小失配情况具有很好的鲁棒性;与已有的两种协方差矩阵估计方法相比,约束迭代估计方法能极大的提高估计精度,加快迭代过程的收敛速率,且计算量更小。

一种复合高斯背景下存在干扰时的目标检测方法

针对复合高斯杂波背景下存在干扰时的子空间目标检测问题,提出了一种自适应检测器.首先给出了该背景下目标检测的假设检验模型,然后根据两步广义似然比检验(GLRT)推导了该自适应检测器.相比常规自适应检测器,本文提出的检测器可在抑制干扰的同时提高目标的检测性能.仿真结果验证了该检测器的有效性.

一种复合高斯背景下失配信号抑制的自适应检测器

针对复合高斯杂波背景下存在信号导向矢量失配时的自适应目标检测问题,研究了一种对失配信号抑制性能较好的自适应检测器.首先通过在目标不存在的假设中引入虚拟干扰;然后基于两步广义似然比检验(GLRT)准则推导了GLRT检测器;在此基础上,为进一步提高检测器对失配信号的抑制能力,结合GLRT检测器的具体形式,对GLRT检测器进行了改进,得到了对失配信号具有更强抑制性能的改进检测器.理论分析和仿真结果表明,在匹配信号检测性能下降值可以容忍的前提下,所提出的自适应检测器具有较好的失配信号抑制能力.

基于知识的海杂波背景下距离扩展目标检测

该文针对在辅助数据有限的情况下自适应检测器出现检测性能损失,提出基于杂波的先验知识分布的距离扩展目标自适应检测算法。复合高斯杂波的纹理和散斑的协方差矩阵分别被建模为服从逆伽玛分布的随机变量和逆复Wishart分布的随机矩阵。利用先验知识推导了纹理分量的最大后验估计,并结合广义似然比检验设计了不依赖辅助数据的距离扩展目标自适应检测器。仿真结果表明,提出的检测器在参数失配条件下具有好的鲁棒性,而且在辅助数据有限情况下检测性能优于传统的广义似然比检测器的检测性能。

对数正态纹理海杂波背景非相干CFAR检测方法

在相参体系的雷达系统中,相比于相干积累检测方法,非相干积累检测方法具有快速检测的能力,能够满足雷达信号实时处理的需求,在实际应用中具有重大意义。然而,非相干积累检测方法对累积脉冲数、参考单元数、海杂波幅度分布模型的形状参数以及海杂波散斑协方差矩阵均是非恒虚警率的。为了实现对数正态纹理复合高斯海杂波背景下运动目标的快速检测,提出了一种累积前白化和非相干累积级联的检测方法,证明该方法对海杂波幅度分布的尺度参数以及散斑协方差矩阵均是恒虚警率的。此外,分析了功率累积和幅度累积方法对检测性能的影响。通过匹配于海杂波形状参数、累积脉冲数以及参考单元数的检测门限,可以确保所提出检测方法的恒虚警率特性,继而实现对海雷达在大场景下对目标的快速恒虚警率检测。实验结果表明,在检测性能上幅度累积优于功率累积,而且累积前白化总体上提高了运动目标的信杂比,同时对于位于主杂波区之外的高速运动目标也能带来明显的性能改善。

局部均匀背景中距离扩展目标的GLRT检测器及性能分析

在复合高斯杂波满足局部均匀的背景下,对均匀杂波分组模型进行推广,建立了广义杂波分组模型.进一步,利用广义似然比检验(GLRT)原理,提出了距离扩展目标的基于广义杂波分组的GLRT检测器(GCC-GLRT),并推导了检测器虚警概率与检测门限关系的表达式.GCC-GLRT有效地解决了基于均匀杂波分组的GLRT检测器(CCGLRT)在非均匀杂波分组背景下不具备CFAR特性的问题.仿真结果还表明,对于稀疏散射点目标,在合适的杂波分组情况下,GCC-GLRT能有效克服采用NSDD-GLRT检测器出现的"坍塌损失",改善检测器的检测性能.

基于AR模型的距离扩展目标自适应检测器

针对非高斯杂波背景中扩展目标的检测问题,将自回归(AR)模型与广义杂波分组模型相结合,提出了基于AR的广义杂波分组模型。并在该杂波模型背景下,利用近似广义似然比检测(AGLRT)原理,结合迭代估计方法,提出了广义杂波背景下迭代近似广义似然比检测器(RAGLRT-GCC)。该检测器不需要利用辅助距离单元估计杂波协参数就可以实现目标的自适应检测。RAGLRT-GCC利用了杂波分组信息,有效提高了对稀疏扩展目标的检测性能。仿真结果表明,在相同检测概率下,RAGLRT-GCC性能优于现有的复合高斯杂波背景下迭代近似广义似然比检测器(RAGLRT-CG)。