一种非高斯噪声中未知参数的信号的检测方法

研究了非高斯噪声中具有未知参数的信号的渐进最优检测,应用非高斯噪声中线性模型信号以及随机信号的Rao检验,导出了Rao检测的解析式,并与广义似然比检验的性能做比较。仿真结果表明,该检测器性能大大优于传统的能量检测器和高斯噪声假设下的广义似然比检测器。

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。

海杂波背景下的组合自适应GLRT-LTD

为了检测海杂波背景下的微弱运动目标,相干检测器通常需要作长时间的累积。然而,长时累积条件下的目标多普勒频率的扩散和幅度的起伏以及海杂波空间非均匀性对参考单元数目的限制导致传统的自适应检测器没法工作。注意到逆伽马(IG)纹理的复合高斯分布(CGD)可以很好地描述海杂波和目标的瞬时频率是时间的慢变函数,该文提出一种组合自适应检测器,即组合自适应广义似然比线性门限检测器(CA-GLRT-LTD),它由自适应GLRT-LTD在几个连续的短的累积间隔上的最大响应的乘积的构成。由于GLRT-LTD对IG纹理的复合高斯杂波的最优性,该检测器相比组合自适应归一化匹配滤波(CANMF)检测器具有更好的检测性能。