基于修正最大似然估计的距离扩展目标检测器

在球不变随机向量的非高斯背景下,针对估计协方差矩阵可能奇异的情况,研究了距离扩展目标的自适应检测方法。首先,推导了非高斯背景下未知协方差矩阵和目标散射点幅度的修正最大似然(maximum likelihood,ML)估计;然后,基于纹理分量的近似ML估计,建立了自适应检测器(adaptively modified generalized likelihood ratio test,AMGLRT)。仿真结果表明,AMGLRT在目标散射点能量均匀分布时检测性能最佳,随着杂波尖峰的减小或阵元数的增加,AMGLRT的检测性能有所改善;且其对不同杂波相关性表现出很好的鲁棒性。另外,AMGLRT的检测性能优于已有的M/K检测器,且这种性能优势随着散射点个数的增加而增大。

任意概率密度信号的盲分离

独立分量分析(ICA)是一种把多维随机矢量转换为尽可能统计独立的分量的统计方法,被广泛用于非高斯信号处理领域。本文给出了一种基于峰度的盲源分离(BSS)算法,也可看作是最大似然方法的扩展,解决了最大似然方法限制过多的缺陷,且与用Comon的方法求解Givens矩阵相比,结构清晰、实现简单。仿真证明了算法的有效性。