均匀和部分均匀杂波中子空间目标的斜对称自适应检测方法

在雷达目标的自适应检测领域,当参考单元数不足时,充分挖掘协方差矩阵的结构信息是有效提高检测性能的途径之一。为此,针对多维子空间目标的检测问题,该文在协方差矩阵关于次对角线具有斜对称结构的约束下,分别基于一步和两步广义似然比(GLRT),推导了均匀和部分均匀杂波中的斜对称自适应检测器。由于检测器在设计阶段利用了协方差矩阵的结构信息,仿真结果表明,与已有检测器相比,在参考单元数不足时,斜对称自适应检测器可明显改善检测性能。此外,分别从协方差估计方法的影响、目标子空间维数的影响、目标子空间失配性能以及目标起伏的影响4个方面对检测性能进行了仿真分析。

部分均匀杂波环境中极化自适应Rao检测器

研究了机载极化雷达在部分均匀杂波背景下对于低慢小目标的自适应检测问题。基于Rao准则设计得到了极化自适应Rao检测器,分析了极化自适应Rao检测器的性能,推导得到了虚警概率和检测概率的解析表达式,证明了极化自适应Rao检测器对于杂波协方差矩阵和杂波功率比因子具有恒虚警率特性。理论分析和数值仿真表明,与基于广义似然比检验准则得到的自适应子空间检测器和自适应匹配检测器相比,极化自适应Rao检测器具有更好的检测性能和更低的计算复杂度。

部分均匀海杂波中雷达目标的平滑自适应检测

在部分均匀海杂波环境下,海杂波的瞬时功率波动起伏较大,导致海面目标检测的性能受到影响。为了减小此影响,引入一个平滑因子以实现对杂波功率的控制,提出了平滑-广义似然比检测器(smooth-generalized likelihood ratio test,S-GLRT)。通过推导S-GLRT的虚警概率表达式,表明其相对于杂波纹理分量的尺度参数具有恒虚警特性。在不增加计算复杂度的前提下,实验结果表明,在部分均匀的海杂波背景下,S-GLRT优于GLRT。

部分均匀海杂波中基于分组加权的协方差矩阵估计算法

本文主要研究空间部分均匀海杂波背景下协方差矩阵的估计问题。海杂波的空间部分均匀性和假目标干扰的不可避免性导致利用传统算法来估计海杂波协方差矩阵时存在较大的估计误差。为了减小该估计误差,本文对海杂波的参考样本进行分组处理,利用纹理的最大后验估计值作为加权系数,提出了分组加权样本协方差矩阵估计算法。考虑到假目标干扰的存在,利用协方差矩阵之间的差异提出了一致性因子,以确定干扰所在的分组,并剔除干扰。实测数据的实验结果表明,在存在假目标干扰的空间部分均匀海杂波背景下,本文提出的分组加权协方差矩阵估计算法不仅能有效剔除假目标,而且优于不分组算法约3 dB。