多尺度自适应恒虚警率(CFAR)自动检测与重构多方位SAR图像中不同尺度目标物

提出一种多尺度自适应恒虚警率(CFAR)检测方法,用于SAR图像中城区环境不同尺度目标物的自动检测,同时完成对目标物尺寸大小的估算。以目标物几何尺度及其成像位置作为依据,实现不同方位飞行的SAR对同一景物的图像上目标物像的自动匹配,以相对飞行机载PI-SAR图像为例,检测机动车目标和建筑物(群)目标,并实现该两类目标物景象的立体重构。

二维自适应单元平均恒虚警率检测

针对机载预警雷达当杂波背景中出现多个目标或者强干扰时,一般的CA-CFAR检测器和OS-CFAR检测器的检测性能严重下降问题,提出了一种二维情况下的自适应单元平均恒虚警检测方法(2D-ACA-CFAR).它是通过把超过删除阈值的强干扰从采样集合中删除掉,然后进行CA-CFAR检测.仿真结果表明这种方法在多干扰、强干扰的情况下具有良好的检测性能.

非均匀杂波背景下的自适应检测器设计

为提高恒虚警检测器在不同检测背景下的鲁棒性和抗干扰能力,提出一种综合型的自适应检测器,其具备多策略选择能力和检测参数动态调节能力。所提检测器引入贝叶斯信息准则,通过计算参考单元的信息估计序列,对当前检测背景类型进行识别。进一步,在非均匀检测背景下,该检测器能够对干扰目标个数或杂波边缘位置进行估计。最终根据识别和估计结果选择对应的检测策略和检测参数。利用蒙特卡罗仿真,对所提检测器性能进行分析,并与经典检测器进行比较。仿真结果表明,该检测器具备检测背景识别能力和背景参数估计能力。同时,该检测器在检测背景参数先验知识不足的情况下,具有较好的抗干扰能力。

基于局部对比度测量的红外弱小目标恒虚警检测

鲁棒有效的弱小目标检测算法是光电跟踪系统成功的关键。本文针对空中远距离红外弱小目标检测的实际问题,在人类视觉对比机制基础上提出了一种检测率高、误报率低、处理时间短的红外小目标检测方法。首先,利用基于恒虚警率的Top-hat滤波和自适应阈值操作对原始图像进行预处理,得到疑似目标区域,该步骤可大大减少计算时间,同时保持恒定的虚警概率和可预测的检测概率;然后,定义了一种新颖有效的局部对比度测量算子,并引入图像局部的自相似性计算局部显著图,该过程不仅可以增强图像目标的视觉显著性,同时还可以抑制噪声,提高区域目标的信噪比;最后,在显著图基础上,利用简单的阈值操作就可以获得真实目标。定性定量实验结果表明,本文提出的方法与4种现有检测算法相比,具有更高的检测率、更低的虚警率和更少的检测时间,是复杂背景下红外弱小目标检测的有效方法。

宽带数字信道化接收机自适应门限检测算法实现

在现代电子侦察中,信号检测依然是最受关注的课题。传统的固定门限的检测方法已经不适用于现在复杂信号环境。为了解决宽带数字信道化接收机等多通道信号检测的应用场景,提出了一种基于自相关能量比值与恒虚警率相结合的方法。基于自相关能量比值,智能判断信号的起始时刻,再通过恒虚警率方法来确定自适应检测门限,进一步提高信号的检测性能。该方法通过现场可编程门阵列(FPGA)硬件实现验证,检测性能好,实时性高,表明该算法在工程应用中具有一定的可行性。

机载雷达空时自适应检测方法研究进展

与空时自适应处理(STAP)相比,机载雷达空时自适应检测(STAD)方法利用待检测单元及训练样本的数据形成合理的检测统计量,直接判定目标的有无,而不用先进行杂波抑制,然后再检测。STAD方法具有处理流程简洁、设计灵活等特点,而且其相应的检测统计量通常具有恒虚警率(CFAR)特性,因而不需要进行专门的CFAR处理。更为重要的是,STAD往往比杂波抑制后检测的传统方法具有更好的检测性能。该文首先对STAD的技术要点进行简要地概括,然后对现有的STAD方法进行分类介绍,最后对STAD的下一步研究进行展望。

辅助数据缺失环境下结构化自适应目标检测器

杂波背景非均匀导致经典自适应检测方法性能下降,为改善辅助数据缺失环境下的目标检测性能,研究了雷达目标结构化自适应检测方法。利用杂波协方差矩阵斜对称特征,设计了结构化广义似然比检验自适应检测器,提高了杂波谱结构化信息和待检测单元杂波信息的利用率;进一步推导了检测器的实数域表达式。仿真分析表明,所提检测器具有恒虚警率特性,其检测性能对不同杂波相关性具有很好的鲁棒性。在辅助数据缺失环境下,所提检测器性能优于现有典型非结构化和结构化检测器,且这种优势随着辅助数据缺失程度的增大而加大。

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。

部分均匀杂波环境中极化自适应Rao检测器

研究了机载极化雷达在部分均匀杂波背景下对于低慢小目标的自适应检测问题。基于Rao准则设计得到了极化自适应Rao检测器,分析了极化自适应Rao检测器的性能,推导得到了虚警概率和检测概率的解析表达式,证明了极化自适应Rao检测器对于杂波协方差矩阵和杂波功率比因子具有恒虚警率特性。理论分析和数值仿真表明,与基于广义似然比检验准则得到的自适应子空间检测器和自适应匹配检测器相比,极化自适应Rao检测器具有更好的检测性能和更低的计算复杂度。

一种基于自适应非线性滤波的UWB SAR目标检测预处理方法

超宽带合成孔径雷达(UWBSAR)具有叶簇穿透能力,但树干等强散射点在图像中形成了大量的脉冲杂波和针状杂波,使检测UWBSAR图像中的目标变得十分困难。本文运用自适应非线性滤波方法对图像进行预处理,滤除了图像中的脉冲杂波和针状杂波,使在恒虚警率(CFAR)目标检测中虚警率明显减少。实际UWBSAR的目标检测结果验证了这种预处理方法的有效性。

自适应阵CFAR检测

介绍了一大类具有恒虚警率（ＣＦＡＲ）的自适应阵检测算法，虚警率可以在未知噪声协方差阵前提下设置成任意的预定值。这类算法可以结合任何常用的单元平均法和阵列权矢量综合的方法。本文推导出在实际应用中容易满足ＣＦＡＲ的充分条件，讨论了基本的系统参数，并举例说明用ＭｏｎｔｅＣａｒｌｏ法模拟可获得简单单元平均检测的检测性能，其中阵列权矢量用对角线加载法进行综合。

多基地雷达中双门限CFAR检测算法

针对多基地雷达系统,该文为解决传统集中式检测算法数据传输率大的问题,根据广义似然比检测算法和自适应匹配滤波算法,提出两种双门限恒虚警率检测器:双门限广义似然比检测器和双门限自适应匹配滤波检测器。首先各个局部雷达站将超过第1门限的局部检验统计量传送到融合中心。然后融合中心根据局部雷达站传送的数据计算融合后的全局检验统计量,并与第2门限比较,得到最终的判决结果。在各空间分集通道的信杂噪比假设相同的条件下,给出了双门限自适应匹配滤波检测器的虚警概率和检测概率的解析表达式。仿真结果表明,两种双门限检测器在低数据率传输时能够保持较好的检测性能。

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.

基于软硬件协同设计的车道线实时识别方法

为兼顾车道识别的鲁棒性和实时性,综合考虑硬件设计资源和软件功能的有效分配,设计了一种基于嵌入式平台的车道线识别方法。从整个系统的生产消费模型考虑,提出了匹配增强的必要性,并根据车道线不同宽度特征,提出了多尺度匹配滤波方法;根据改进的恒虚警率检测数学模型来估计局部噪声水平从而确定最适应的动态提取阈值。以可编程逻辑门阵列(FPGA)采集高帧率、宽动态范围的道路图像,并以系数分解法实现匹配滤波的硬件加速优化设计。实验和评估结果证明,该嵌入式系统可以在多种交通场景下鲁棒地识别车道线特征点,处理速率达到每秒60帧。

基于NSCT分解系数的SAR图像目标检测算法

恒虚警率(constant false alarm ratio,CFAR)目标检测法用于合成孔径雷达(synthetic aperture radar,SAR)图像时,通常要求图像有强的对比度,而实际上此条件很难满足。为提高SAR图像目标的检测率,特别是低信噪比图像,从SAR成像机理入手,结合非下采样Contourlet变换(nonsubsampled Contourlet transform,NSCT)理论的多尺度、多方向和平移不变性等特点,提出了一种新的SAR图像目标提取算法,即TD-NSCT(target detection based on NSCT)算法。该方法融合了CFAR检测器和NSCT的优点,通过对分解系数特征的选取和组合,达到改善SAR图像信噪比、提高SAR目标检测率的目的。用不同实际SAR图像数据和不同方法进行了比较实验,实验结果表明TD-NSCT算法能有效提高SAR目标的检测率,特别是对于那些隐藏地物目标的低信噪比SAR图像,证明TD-NSCT算法是一种可行和有效的SAR图像目标检测算法。

多载频星载MIMO-SAR系统动目标检测技术研究

该文研究多载频星载MIMO-SAR系统动目标检测技术。针对多载频星载MIMO-SAR的特点,使用子空间投影的空频自适应处理抑制杂波,并提出一种双门限恒虚警检测器。双门限恒虚警检测器主要思想是各载频对应的回波信号通过SFAP杂波抑制后,使用剔除平均恒虚警检测动目标,得到各载频对应的检测结果,最后将检测结果使用二进制多次脉冲积累进行二次检测,进一步提高检测概率。仿真结果表明,空频自适应处理能有效抑制杂波;同时双门限恒虚警检测器将有助于进一步提高多载频星载MIMO-SAR系统动目标检测性能。

基于中值对消的ACSI-SAR杂波抑制算法

针对非均匀环境对双通道杂波抑制干涉合成孔径雷达（CSI-SAR）系统的影响，提出了一种新的自适应CSI（ACSI）算法——中值对消ACSI算法。该算法将中值估计方法引入权系数估计过程，代替原有的统计平均方法对自适应过程求解，从而得到对消权系数较准确的估计值。仿真试验表明，该算法在非均匀环境中可有效降低权系数的估计误差，取得满意的杂波抑制效果，是可行的合成孔径雷达（SAR）／地面动目标指示（GMTI）杂波抑制方案。

线性检波下的两种CA-CFAR检测器性能分析

针对雷达线性检波输出后CFAR检测器分析中难以得到检测器背景功率水平估计的概率密度闭解结果问题,综合了两种CA-CFAR检测器的检测性能的理论分析方法,即用多个概率密度的混合近似瑞利分布的方法和基于中心极限定理的方法,从理论上严格推导了后一种方法分析CFAR过程及其检测概率闭解表达式.最后根据数值分析和仿真结果对两种方法的近似表示的准确性问题进行了比较分析,给出两种方法相应的结论.

基于CEEMDAN-CFAR的单通道脑电信号眼电伪迹去除方法研究

目的:提出一种基于自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和恒虚警率(constant false alarm rate,CFAR)算法的眼电伪迹去除方法。方法:首先采用CEEMDAN方法分解原始信号,得到低频噪声和含有明显眼电脉冲信号的本征模态函数(intrinsic mode function,IMF)分量。其次采用CFAR算法实现IMF分量中眼电伪迹的自动识别。然后对含有眼电伪迹的脑电信号进行预处理后获得纯净脑电信号。最后通过实验验证该方法的有效性。结果:该方法能在有效滤除眼电伪迹的同时较好地保留局部细节和有用信息。结论:该方法具有计算简单、运行速度快的优点,适用于单通道脑电信号中的眼电伪迹去除。

一种城市背景下“低小慢”目标CFAR检测

线性调频连续波雷达应用于城市背景下“低小慢”目标有明显优势,但是传统的恒虚警检测在城市背景杂波中存在目标不易检测和时间消耗大的问题。针对城市背景杂波中“低小慢”目标的检测,提出了自适应调整参考窗大小的二维(2D)单元平均恒虚警(Cell Average Constant False-Alarm Rate,CA-CFAR)检测方法,该方法能实现有差别检测,因此显著减小时耗。在保持虚警概率恒定的情况下,通过判断杂波区域大小,自适应调整参考窗大小,得到更加合理的杂波估计,提升检测概率。研究结果表明,参考窗大小调整对检测起到明显作用,所用方法在杂波中能够更好地检测出目标。