基于无记忆非线性变换的相关非高斯雷达杂波的仿真

大量的实测数据表明 ,雷达杂波的分布特性明显偏离高斯分布 .相关非高斯杂波的仿真主要包括对数正态、韦伯尔、K分布杂波的仿真 .在杂波信号模拟中 ,需同时考虑杂波幅度概率分布和其相关特性 .文中利用广义维纳过程的无记忆非线性变换法 ( ZMNL )来建模仿真 ,产生相关非高斯杂波 .该仿真系统不仅可以实时动态地模拟实际采集的雷达杂波 ,而且可按给定的功率谱模型来产生满足非高斯分布的随机数据序列 .

基于ZMNL经验迭代法的相关非高斯雷达杂波仿真

针对基于零记忆非线性变换(zero memory nonlinearity,ZMNL)的相关非高斯雷达杂波仿真,提出了一种类似神经网络形式的经验迭代法。该方法在对输出频谱估计的基础上,反复修正输入频谱,经过多次迭代运算来确定非线性变换前后相关系数之间的关系。给出了应用该方法进行杂波仿真的具体步骤,仿真结果证明了该方法的有效性。

相关非高斯分布雷达杂波仿真与验证

雷达杂波的仿真是进行雷达性能评估的重要手段,也是雷达信号处理的一种重要课题。球不变随机过程(SIRP)是雷达杂波建模的主要方法之一,SIRP可以用来描述雷达杂波的幅度统计特性和时间相关特性,这是因为SIRP的幅度概率密度函数和协方差矩阵可以独立控制。在讨论SIRP的基本性质的前提下,分别针对CHI分布和K分布,给出了两种基于SIRP的相关雷达杂波仿真的方法。最后利用计算机仿真对雷达杂波的幅度概率分布和相关性进行了验证,证明了该方法的有效性。

基于ZMNL和SIRP的相关非高斯杂波产生比较

针对雷达杂波模拟问题,介绍了零记忆非线性(ZMNL)法和球不变随机过程(SIRP)法的基本原理,仿真了5种相关非高斯杂波——Log-Normal、K、拉普拉斯、Weibull和广义Gamma分布。结果中模拟数据的概率密度函数与理论分布,Welch法估计谱与理论谱都能够较好地吻合,证明了两种算法的有效性。同时与分布参数估计相结合,比较分析了ZMNL法和SIRP法的适用情况和优缺点,并为两者的选择提出了合理的建议。

非高斯相关杂波背景下雷达目标统计检测方法

在非高斯相关杂波背景、参数随机或未知的情况下,通常难以甚至无法建立统计检测模型。针对此问题,基于粒子滤波方法,根据未知参数的概率分布函数抽取粒子,将复杂积分运算转化为求和运算求取似然函数,给出了一种雷达目标似然比检测的通用模型,较好地解决了非高斯相关杂波条件下无法得到检测统计量的问题。此外,以复SG-Alpha稳定分布作为非高斯相关杂波分布模型,给出了基于粒子滤波的检测统计模型,并对本文方法与传统的检测方法在高斯相关杂波和非高斯相关杂波背景下的检测性能进行了仿真比较,验证了算法的有效性。

非高斯相关噪声中高斯信号的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数.本文则研究非高斯相关噪声中高斯信号的时延估计问题,提出了一种解决该问题的混合方法.该方法先计算观测值的三阶累积量,然后利用累积投影公式计算观测噪声的二阶统计量,最后利用互相关方法确定信号时延参数.仿真结果验证了该方法的有效性.

非高斯相关杂波背景下雷达目标检测方法研究

在非高斯相关杂波背景下,基于MTD(Moving Target Detection)的雷达目标检测性能严重下降。针对该问题,根据Alpha稳定分布杂波模型、分数低阶统计量理论,以输出信杂比最大为准则,提出了一种适用于非高斯相关杂波背景的雷达目标检测方法。该方法通过分解信号分数低阶协方差矩阵,计算等效杂波分数低阶协方差矩阵特征向量,得到最佳滤波器系数。通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与基于MTD的检测方法进行了比较,结果表明,在非高斯相关杂波背景下,所提方法的检测性能明显优于传统的MTD。

一种推广的非高斯相关噪声中高斯信号的时延估计方法

介绍了高阶统计量与互相关运算相混合的方法 ,在对非高斯相关噪声中 ,高斯信号进行时延估计中的应用。该方法首先计算出观测的四阶累积量 ,然后利用累积量投影公式计算二阶统计量 ,最后利用互相关方法确定信号的时延参数。仿真结果与二阶和三阶统计量相结合的混合方法进行了比较。结果表明该方法具有优越性。

非高斯型互相关随机数的发生技术

在用蒙特卡罗法进行仿真研究(例如进行测量不确定度评定)时,常常需要发生多个非高斯型互相关的随机数.就这一问题,给出完整的解决方案:用Hermite展开式生成近似的非高斯变量,借助Cholesky分解建立各变量之间的相关性.方法的关键在于对互相关系数矩阵进行“预变形”,使Cholesky分解也适用于非高斯变量.此外,还利用Cholesky分解式下三角矩阵的特点,对矩调整和建立相关性两个过程进行解耦.给出了详细的算法说明.

基于Nataf变换的相关随机数算法及其应用

针对极值风浪荷载之间的相关性,提出了一种基于Nataf变换的相关非高斯分布随机数算法,用来生成极值风浪荷载随机向量;运用该方法讨论了基于独立风浪的荷载效应和基于相关风浪的荷载效应的极值之间的关系,并且对不同的风浪联合荷载效应的拟合方法进行了评定;应用最小二乘法及极值Ⅰ型分布拟合实际风、浪荷载效应,然后对此分布模型运用Nataf变换随机数算法和一般随机数算法生成随机向量,最后通过与实际风浪联合荷载效应比较,验证了所提方法的有效性。

复杂海杂波背景下分数低阶匹配滤波检测方法

针对在复杂海杂波背景下,雷达目标检测中动目标检测(Moving Target Detection,MTD)技术的检测性能显著下降的问题,以及局部最优检测器(Locally Optimum Detector,LOD)仅适用于低信杂比背景下弱目标检测的问题,基于分数低阶统计量理论,提出了一种分数低阶匹配滤波检测方法.该方法通过幂变换抑制杂波的非高斯特性,通过应用杂波分数低阶协方差矩阵特征值分解的方法白化相关杂波,在此基础上应用匹配滤波进行目标积累,以提高信杂比.通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与MTD和LOD进行了比较.结果表明,本文所提出方法能较好地解决非高斯相关杂波背景下的目标检测问题,检测性能明显优于MTD和LOD方法.

基于Alpha稳定分布杂波模型的雷达目标检测方法

针对非高斯相关杂波背景下,移动目标检测(MTD)技术的检测性能严重下降的问题,该文基于Alpha稳定分布杂波模型和本征滤波理论,提出一种非高斯相关杂波背景下的雷达目标检测方法。该方法基于Alpha稳定分布杂波模型,通过幂变换抑制杂波的非高斯特性,以及通过分数低阶相关矩阵白化杂波,在此基础上应用本征滤波实现对目标信号的有效积累,可提高信杂比。仿真实验和实测数据验证表明,该方法在非高斯相关杂波背景下的检测性能明显优于MTD方法的性能。

基于分数低阶本征滤波的雷达目标检测方法

在非高斯相关杂波背景下,通常杂波分布的概率密度函数结构复杂甚至无闭式表达,难以建立统计检测模型。针对此问题,以α稳定分布为背景,基于分数低阶统计量和最佳滤波器理论,以滤波器输出分数低阶信杂比最大为准则,给出了一种分数低阶本征滤波(FLOEF)模型。该模型利用杂波的分数低阶协方差矩阵对非高斯相关杂波进行白化,可显著改善信杂比,实现非高斯相关杂波背景下雷达目标的有效检测。通过仿真和实测数据给出了FLOEF在不同条件下的检测性能,并同传统基于二阶统计量的本征滤波进行了比较,结果验证了FLOEF的优越性。

基于ARSαS模型参数估计的雷达目标检测方法

由于杂波非高斯特性和相关特性的影响,传统的动目标检测(moving target detection,MTD)技术的检测性能严重下降,针对该问题,基于对称α稳定分布(symmetricαstable,SαS)杂波模型和自回归(auto regressive,AR)模型理论,提出了一种基于ARSαS模型参数估计的雷达目标检测方法。该方法基于SαS模型,通过幂变换抑制杂波的非高斯特性,以及通过基于广义尤拉-沃克方程参数估计的AR模型白化杂波,应用快速傅里叶变换实现对目标信号的积累,以提高信杂比。仿真实验和实测数据验证表明,所提方法在非高斯相关杂波背景下的检测性能明显优于传统的MTD方法。

一种分数低阶局部最优目标检测方法

针对传统局部最优检测器在显著非高斯杂波背景下导致检测性能下降的问题,该文提出一种分数低阶局部最优雷达目标检测方法。首先对局部最优检测器的模型进行简化,在此基础上,根据分数低阶统计量理论,利用分数低阶相关矩阵描述杂波的相关特征,并以分数低阶二次型作为局部最优检测器的权值,改善了显著非高斯杂波背景下的雷达目标检测性能。利用仿真数据和IPIX雷达数据进行实验分析,结果表明,针对显著的非高斯杂波背景下的弱目标信号,相对于传统的局部最优检测方法,该文方法的检测性能显著提高。

基于分数低阶归一化匹配滤波的目标检测方法

在非高斯相关杂波背景下,基于归一化匹配滤波检测方法的性能随着非高斯特性增强而下降.为消除非高斯性的影响,提出一种基于分数低阶归一化匹配滤波的雷达目标检测方法.首先对观测数据进行分数低阶幂运算处理,然后基于杂波分数低阶统计量给出了检测模型,该模型的杂波散斑分量协方差矩阵通过对杂波分数低阶协方差矩阵进行归一化而得到.仿真结果表明,在非高斯杂波背景下该方法的检测性能优于归一化匹配滤波方法及传统MTD方法.