部分均匀环境中训练样本不足时的贝叶斯子空间检测器

为了解决部分均匀环境中训练数据不足时的子空间信号检测难题,采用贝叶斯理论,将噪声协方差矩阵建模为逆威沙特分布,并采用广义似然比准则(generalized likelihood ratio test,GLRT)、Rao准则和Wald准则设计自适应检测器,结果表明3种准则得到相同的结果。基于仿真及实测数据验证了所提检测器的有效性,并得出了影响检测性能的关键物理量。

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。

贝叶斯雷达自适应检测算法研究

针对未知谱密度高斯杂波环境下的目标检测问题,假定噪声协方差矩阵是随机变量,并且服从逆Wishart分布.通过求解噪声协方差矩阵的最大后验估计,推导出基于贝叶斯方法的Rao和Wald准则检测器,提高了非均匀杂波环境下的雷达目标自适应检测性能.检测器的设计过程中除了利用观测样本提供的信息,还融合了关于噪声协方差矩阵的先验知识,且融入程度可通过标量参数调节.仿真实验表明,小样本情况下贝叶斯Rao和Wald准则检测器的检测性能优于传统的非贝叶斯检测器.