-
题名一种海杂波纹理分量提取方法研究
被引量:1
- 1
-
-
作者
谢洪森
周鹏
栾宝宽
李淑党
-
机构
海军航空工程学院青岛校区
中国人民解放军
-
出处
《雷达科学与技术》
北大核心
2017年第3期251-254,共4页
-
文摘
针对不同海况、不同风向条件下海面起伏特性及变化规律,研究了海杂波采用复合高斯过程描述方法,提出了一种海杂波纹理分量的提取方法。利用该方法可以分析实测海杂波数据纹理分量的去相关时间,自适应搜索纹理分量的最佳相干长度,完成海杂波的纹理分量与散斑分量的分离。基于X波段雷达海杂波实测数据仿真分析了不同距离分辨率、不同极化组合条件下海杂波纹理分量的提取效果。仿真验证表明:该方法对分析研究海杂波统计特性,提高雷达信号检测性能具有较好的应用价值。
-
关键词
海杂波
纹理分量
相干长度
复合高斯过程
-
Keywords
sea clutter
texture
coherence length
compound Gaussian process
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名基于Bayes框架的复合高斯杂波下稳健检测
被引量:11
- 2
-
-
作者
邹鲲
廖桂生
李军
李伟
-
机构
西安电子科技大学雷达信号处理国家重点实验室
空军工程大学信息与导航学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2013年第7期1555-1561,共7页
-
基金
中国博士后科学基金(2012M521744)
国家自然科学基金(61271292)
陕西省自然科学基金(2011JQ8040)资助课题
-
文摘
复合高斯杂波中的纹理分量决定了杂波的非高斯性,而纹理分量的不确定性会影响常规检测器的性能。基于Bayes框架,该文采用先验分布描述杂波纹理分量的不确定性,分析先验模型选择对检测器检测性能与稳健性的影响。先验信息模型包括无信息先验分布和有信息先验分布。无信息先验分布包括Jeffery先验模型和广义无信息先验模型两种,所得到的检测器结构就是归一化匹配滤波器(NMF)。有信息先验模型采用共轭先验分布,得到的是一种知识辅助的归一化匹配滤波器(KA-NMF),该检测器结构与判决门限都是先验分布参数的函数,该文分析了KA-NMF检测性能对先验分布参数的敏感性。进一步采用无信息先验模型描述先验分布参数,可以获得分层Bayes归一化匹配滤波器(HB-NMF)。计算机仿真与实测海杂波数据分析结果表明,HB-NMF的性能与分布参数无关,稳健性优于KA-NMF,而检测性能优于NMF。
-
关键词
信号检测
复合高斯杂波
纹理分量
先验信息模型
贝叶斯方法
-
Keywords
Signal detection
Compound Gaussian clutter
Texture component
Prior information model
Bayesian approach
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名非高斯杂波中知识辅助的信号检测算法
被引量:11
- 3
-
-
作者
邹鲲
赵修斌
田孝华
谢洪森
-
机构
西安电子科技大学雷达信号处理国家重点实验室
空军工程大学电讯工程学院
海军航空工程学院
-
出处
《信号处理》
CSCD
北大核心
2012年第1期60-66,共7页
-
文摘
杂波的非高斯性会严重影响到常规信号检测算法的性能,提高非高斯杂波中信号检测性能是雷达信号检测领域的一个研究重点。本文考虑了一种在非高斯杂波中,利用先验信息进行信号检测的方法。假定杂波统计特性满足复合高斯模型,即可以表示为散斑分量与纹理分量的乘积。选择逆伽马分布作为纹理分量的先验分布,基于贝叶斯方法,给出了一种知识辅助的信号检测算法。计算机仿真结果表明,该检测算法的检测性能优于常规的自适应检测算法。进一步,本文采用McMaster大学的IPIX雷达海杂波数据作为研究对象,利用最大似然估计获得杂波非高斯性的先验信息,分析了该算法在实测数据中的检测性能。分析结果表明,在不同的雷达分辨率海杂波中,该算法也具有较好的检测性能。
-
关键词
信号检测
知识辅助
逆伽马分布
纹理分量
-
Keywords
Signal detection
Knowledge-aided
Inverse Gamma distribution
Texture component
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名星载SAR分布杂波仿真及其应用
- 4
-
-
作者
高飞
玉振明
解光
-
机构
北京航空航天大学电子工程系
吐哈油田水电处
-
出处
《广西工学院学报》
CAS
2004年第2期19-23,共5页
-
文摘
为了实现SAR-GMTI的杂波抑制技术,必须首先对杂波进行建模。K分布是目前公认的较能精确反映雷达杂波的模型,本文将它作为场景的点反射体,其幅度和相关性反映地面的起伏。按照星载几何关系,将地面的杂波投影到斜距方向,并按照产生SAR原始回波数据的方法,对每个反射体进行逐点采样。对生成的杂波经过成像处理并且将这种方法应用于ATI的研究,检测和估计动目标参数,对工程问题有一定的指导意义。
-
关键词
星载SAR
GMTI
杂波仿真
ATI
雷达
成像处理
星载雷达
斑点分量
纹理分量
-
Keywords
spaceborne SAR
GMTI
clutter simulation
ATI
-
分类号
TN957.5
[电子电信—信号与信息处理]
-
-
题名基于卡通提取的自然图像分割
- 5
-
-
作者
郭娟
何坤
周激流
-
机构
四川大学计算机学院
-
出处
《计算机技术与发展》
2016年第2期12-16,21,共6页
-
基金
四川省科技支撑项目(2013SF0157)
-
文摘
传统图像分割方法中基于边缘的水平集图像分割对纹理丰富的自然图像存在过分割和欠分割现象。自然图像含有丰富纹理,为了抑制纹理对图像分割的影响,文中结合ROF的保边模型和Y.Meyer的保纹理模型,将图像分解为卡通分量与纹理分量之和,根据纹理的像素变化特性将其表示为一个函数梯度的散度,建立了保边卡通提取的数学模型。结合对象轮廓与卡通分量边缘之间的关系,运用固定点迭代算法提取图像的卡通分量,并对卡通分量运用基于水平集的曲线演化实现自然图像分割。实验结果表明:该算法提取的卡通分量继承传统全变分算法优点,实现了纹理区域近似常数表示,模糊了对象内部的弱边缘,保护了对象轮廓,在一定程度上抑制了纹理对图像分割的影响。
-
关键词
图像分割
卡通分量
纹理分量
保边
水平集
-
Keywords
image segmentation
cartoon component
texture component
edge preserving
level set
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名复合高斯杂波下知识辅助的极化检测器
- 6
-
-
作者
吕宽
张玉
唐波
-
机构
国防科技大学电子对抗学院
-
出处
《电子信息对抗技术》
2018年第3期8-13,共6页
-
文摘
针对复合高斯杂波中检测低慢小目标,信杂比较低,极化通道相互影响,传统算法性能急剧下降的问题,提出了基于知识辅助的极化检测器。首先将杂波建模为纹理分量为逆伽马分布的复合高斯模型,基于Rao检测准则,得到检验统计量,并推导出纹理分量的精确最大似然估计,然后使用先验信息得到杂波极化散射矩阵,代入检验统计量得到知识辅助的极化检测器。计算机仿真表明,与传统检测器相比,该检测器具有更优良的检测性能,同时仿真分析了先验信息失配对检测性能的影响。
-
关键词
低慢小目标
纹理分量
极化通道
知识辅助
-
Keywords
low slow and small targets
texture component
polarimetric channels
knowledge-aided
-
分类号
TN971.1
[电子电信—信号与信息处理]
-
-
题名复合高斯杂波中知识辅助检测器的先验信息感知方法
被引量:2
- 7
-
-
作者
邹鲲
廖桂生
李军
-
机构
西安电子科技大学雷达信号处理国家重点实验室
空军工程大学信息与导航学院
-
出处
《中国科学:信息科学》
CSCD
2014年第8期993-1003,共11页
-
基金
中国博士后科学基金(批准号:2012M521744)
国家自然科学基金(批准号:61271292)资助项目
-
文摘
利用先验信息可以提高雷达目标的探测能力,若先验信息与当前探测环境不匹配,知识辅助检测器的性能会受到影响.本文针对Bayes框架下的复合高斯杂波中的知识辅助检测器,提出了杂波纹理分量先验分布参数的感知方法.首先阐述了知识辅助检测器先验信息感知的一般方法.然后针对基于杂波纹理分量先验信息的知识辅助检测器结构,建立了先验模型参数失配与知识辅助检测器检测性能之间的量化关系.进一步利用知识辅助检测器对当前杂波场景进行探测,获得检验统计量和虚警率测量值,从而构造纹理分量分布参数的约束关系.通过分析多个约束关系的交点,获得杂波纹理分量先验分布参数的感知值.计算机仿真分析了这种感知方法的可行性,并利用实测杂波数据对感知方法进行了验证.通过知识辅助检测器检测性能对比分析,采用感知方法获得的先验信息模型参数能够进一步提高检测器的性能.
-
关键词
认知雷达
BAYES方法
知识辅助检测
复合高斯杂波
纹理分量
-
Keywords
cognitive radar, Bayesian approach, knowledge aided detection compound Gaussian clutter, texturecomponent
-
分类号
TN957.51
[电子电信—信号与信息处理]
-