广义逆高斯纹理海杂波背景下的自适应失配检测器

针对雷达对海探测过程中理论导向矢量与实际导向矢量之间不匹配导致的虚警概率升高的问题,该文在复合高斯模型(CGM)下设计自适应失配检测器。为了抑制失配信号,在零假设中引入与理论导向矢量正交的虚拟信号,从而给出存在失配信号的目标检测模型。将CGM的纹理分量建模为广义逆高斯分布,分别基于两步广义似然比(GLRT)和最大后验GLRT(MAP GLRT)准则发展类似于自适应波束形成器正交抑制检测(ABORT)的自适应失配检测器,并通过理论证明所提失配检测器对散斑协方差矩阵和目标多普勒导向矢量具有恒虚警(CFAR)特性。仿真和实测数据实验结果表明,所提失配检测器在导向矢量匹配情况下的检测性能和失配情况下的抗失配性能之间具有良好的折衷。

逆高斯纹理复合高斯杂波对异常样本稳健的三分位点估计方法

逆高斯纹理的复合高斯分布(IG-CG分布)是描述高分辨率海杂波常用的模型,其参数估计在高分辨海用雷达自适应目标检测中起着关键作用。由于参数估计中数据不可避免地存在来自海面目标、岛礁的异常样本,对异常样本稳健的双分位点估计是近年来提出的有效方法之一。该文提出一种对异常点稳健的IG-CG分布三分位点参数估计(Tri-per)方法,其是对双分位点估计的改进。改进来自两个方面,通过双分位点位置优化提高逆形状参数的估计精度;通过第3个分位点的引入和位置优化提高尺度参数的估计精度。最后,用仿真和实测数据检验了提出估计方法的有效性和稳健性。

基于Bayes框架的复合高斯杂波下稳健检测

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。

一种海杂波纹理分量提取方法研究

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。

基于复合高斯杂波纹理结构的相干检测

传统的自适应检测器大多是在独立同分布纹理的前提下推导出的。然而,实测海杂波数据中各个距离单元的纹理具有相关性。该文将这一纹理相关性的信息加入到似然比检测中,提出一种基于纹理结构的相干检测器。基于涌浪调制在距离上产生纹理相关性的先验知识,确定与待检测单元纹理相关的距离单元数目,据此可以提供待测单元的纹理信息。实测数据实验表明,该检测器相对于逆伽马纹理复合高斯杂波下最优检测器具有一定的性能提升。

对数正态纹理海杂波背景非相干CFAR检测方法

在相参体系的雷达系统中,相比于相干积累检测方法,非相干积累检测方法具有快速检测的能力,能够满足雷达信号实时处理的需求,在实际应用中具有重大意义。然而,非相干积累检测方法对累积脉冲数、参考单元数、海杂波幅度分布模型的形状参数以及海杂波散斑协方差矩阵均是非恒虚警率的。为了实现对数正态纹理复合高斯海杂波背景下运动目标的快速检测,提出了一种累积前白化和非相干累积级联的检测方法,证明该方法对海杂波幅度分布的尺度参数以及散斑协方差矩阵均是恒虚警率的。此外,分析了功率累积和幅度累积方法对检测性能的影响。通过匹配于海杂波形状参数、累积脉冲数以及参考单元数的检测门限,可以确保所提出检测方法的恒虚警率特性,继而实现对海雷达在大场景下对目标的快速恒虚警率检测。实验结果表明,在检测性能上幅度累积优于功率累积,而且累积前白化总体上提高了运动目标的信杂比,同时对于位于主杂波区之外的高速运动目标也能带来明显的性能改善。