基于极化SAR梯度和复Wishart分类器的舰船检测

舰船检测是极化SAR系统的重要应用之一。现有的舰船检测方法容易受到旁瓣泄露的干扰,使得舰船目标的形态难以提取,导致检测结果不符合真实情况。此外,在舰船过于密集、尺度不一致的情况下,相邻舰船由于旁瓣的影响有时会被认为是单个目标,从而造成漏检。针对这些问题,该文提出一种基于极化SAR梯度和复Wishart分类器的舰船检测方法。首先,将似然比检验(LRT)梯度引入对数比值梯度框架,使其适用于极化SAR数据;基于LRT梯度图进行恒虚警(CFAR)检测,提取舰船的边缘信息,消除伪影的同时抑制强旁瓣对舰船精细轮廓提取的影响。其次,利用复Wishart迭代分类器对舰船强散射部分进行检测,可排除大部分的杂波干扰且保持舰船形态细节。最后,将二者信息融合,从而可以保持舰船形态细节的同时克服旁瓣和伪信号的虚警。该文在3幅来自ALOS-2卫星的极化SAR图像上进行了对比实验,实验表明与其他方法相比,该文所提算法具有更少的虚警和漏检,且能够有效克服旁瓣泄露,保持舰船形态细节。

基于Wishart检验的金融市场风险溢出研究

在假定两个金融市场均为有效市场的条件下,基于Wishart分布对不同滞后相关系数进行Wishart检验,来确定在这两个金融市场之间的风险溢出发生期和风险溢出强度。实证检验结果显示,沪、深两市之间的风险溢出发生期大约在3分钟之内,且在3分钟的风险溢出发生期内沪市对深市的风险溢出强度较深市对沪市的风险溢出强度衰减速度缓慢,这反映了沪市较深市具有更重要的影响力,该研究结果与金融市场的实际情况吻合。

利用先验知识的空时自适应检测方法

针对雷达空时自适应检测中非均匀杂波造成可用均匀训练样本数少的问题,研究了在自适应检测器设计过程中融合先验知识的方法.自适应检测器中的协方差矩阵通常由多个独立同高斯分布向量估计得到,由于这些向量的外积之和服从Wishart分布,所以假定Wald检测器中的协方差矩阵是随机的且服从逆Wishart先验分布,该分布的参数矩阵可根据雷达探测环境的先验知识获得.基于上述假定推导出融合先验知识的Wald准则检测器,不仅利用了训练样本中的信息,还充分利用了探测环境先验信息.仿真实验表明,小样本情况下利用先验知识的Wald检测器的检测性能优于传统的检测器.

不需要训练数据的分布式MIMO雷达距离扩展目标检测器

在非均匀杂波环境中,研究了高分辨率分布式多输入多输出(MIMO)雷达的距离扩展目标检测问题。由于分布式MIMO雷达观测到的杂波是非均匀的,无法获得足够的独立同分布的均匀训练数据来估计检测单元的杂波协方差矩阵。采用复逆Wishart分布对杂波协方差矩阵建模,基于该杂波模型设计了一种不需要训练数据的分布式MIMO雷达距离扩展目标广义似然比检测器。数值仿真结果表明:在非均匀杂波环境中,所设计的检测器的性能比用训练数据的协方差矩阵类检测器有明显的改进。

基于贝叶斯的高斯杂波背景下MIMO雷达自适应检测算法

对于集中式多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达,该文研究了高斯杂波背景下的目标检测问题。该文假设杂波的协方差矩阵是未知随机的,且服从逆复Wishart分布,基于贝叶斯方法和广义似然比检验准则设计了两种新型自适应检测器。该文提出的贝叶斯检测器具有两个显著的优点:(1)不需要训练数据;(2)杂波的先验知识体现在设计方案中,从而提高了检测性能。仿真结果显示该文提出的贝叶斯检测器的检测性能优于目前常用的非贝叶斯检测器,特别是在发射波形采样数较少时。另外,该贝叶斯检测器在参数失配条件下的性能会有一定程度下降。

非高斯杂波中机载多进多出雷达动目标检测

由于多进多出雷达的机载平台运动,导致机载多进多出雷达的杂波是非高斯的并且是非均匀的,无法获得独立同分布的训练数据来估计杂波的协方差矩阵。为解决这一问题,提出把非高斯杂波的协方差建模为未知随机的且服从逆复威沙特分布的随机过程,其均值建模为杂波协方差矩阵的锐化因子和杂波多普勒谱的阿达马乘积。在此基础上采用贝叶斯方法和广义似然比检验准则,设计了一种新型的自适应检测器。数值仿真结果表明:所设计的检测器的性能要好于目前常用的两种非贝叶斯类检测器。

非均匀环境中MIMO雷达距离扩展目标检测器

针对非均匀干扰环境中分布式多输入多输出(MIMO)雷达的距离扩展运动目标检测问题进行了研究。由于分布式MIMO雷达的干扰(杂波和噪声)是非均匀的,无法获得训练数据来估计干扰的协方差矩阵,为此提出了一种新的知识辅助(KA)干扰模型,它和每个发射—接收(Tx-Rx)对相对应的干扰协方差矩阵具有服从复逆Wishart分布的矩阵结构,但具有不同的功率电平。基于该模型提出了一种无训练数据的距离扩展目标知识辅助—广义似然比检测器(KA-GLRT)。仿真结果表明,在非均匀干扰环境中,所提出的KA-GLRT检测器的性能明显优于传统的有训练数据的协方差矩阵类检测器。

基于Wald检验的海面雷达目标贝叶斯检测方法

为了改善非均匀非高斯海杂波背景下海面雷达目标的检测性能,提出了一种基于Wald检验的海面雷达目标贝叶斯检测方法。首先,利用逆高斯分布和逆复Wishart分布分别建模海杂波的纹理分量和散斑协方差矩阵。其次,在假设散斑协方差矩阵已知的条件下基于Wald检验设计了非自适应的雷达目标检测器。最后,利用辅助数据估计的散斑协方差矩阵代替其真实值,得到了自适应的雷达目标贝叶斯检测器。仿真结果表明,在不同的形状参数和不同数量的参考数据条件下,提出的检测器优于相关经典检测器。提出的自适应贝叶斯雷达目标检测器提高了非均匀逆高斯纹理复合高斯海杂波环境中雷达目标的检测性能。