雷达极化对角加载检测器的最优权重算法

针对复杂海杂波环境下极化SAR图像弱小目标检测难题,最近提出的雷达极化对角加载滤波器融合了极化白化滤波器(PWF)和极化检测优化滤波器(PDOF)的优势,通过选择合适的线性加权系数,能够突破非高斯杂波背景下的目标检测性能限制。但是如何获取该线性组合的最优加权权重是该方法的难点。首先重新构造了基于线性组合的雷达极化对角加载检测器,在此基础上从曲线下面积(AUC)的检测性能评估角度给出了线性组合的最优化数学模型,并提出了基于该准则的最优权重算法。为加快求解速度,分别提出了基于Fisher准则线性判别分析(LDA)、基于口袋感知机学习算法(PPLA)和以LDA解为初值AUC求解算法等三种简化求解方法。最后通过仿真和实测实验验证了以上方法的有效性和鲁棒性,结果表明以LDA解为初值的AUC求解算法综合性能最佳。

基于对角加载的自适应匹配滤波器和自适应相干估计器

分析了对角加载自适应匹配滤波器(diagonally loaded adaptive matched filter,DL-AMF)和对角加载自适应相干估计器(diagonally loaded adaptive coherence estimation,DL-ACE)的检测性能;推导了二者的渐近统计分布,得到了解析的虚警概率(probability of false alarm,PFA)和检测概率(probability of detection,PD)表达式。与常规AMF和ACE相比,尤其是在训练样本不足的情况下,DL-AMF和DL-ACE的检测性能大为提高,并且二者都具有渐近恒虚警(constant false alarm rate,CFAR)特性。

一种基于多级维纳滤波的多通道SAR动目标检测算法

该文针对机载多通道SAR-GMTI系统及实测数据,提出一种新的地面慢动目标检测算法。新算法利用多级维纳滤波器实现多通道SAR系统杂波抑制,同时结合对角加载技术和非均匀检测器,进一步改善SAR系统在非均匀环境下的动目标检测性能。实测数据实验结果表明:与常规的自适应检测方法相比,新算法能够明显提高系统对杂波的抑制能力及非均匀环境下系统的动目标检测性能。