一种多LFM信号检测与参数估计的方法

针对常规方法对多个线性调频(LFM)信号进行处理时存在运算量大、不能满足快速检测和交叉干扰的问题,分析了采用分数阶傅里叶变换(FrFT)对LFM信号进行参数估计的原理,基于快速解线性调频技术,将LFM信号检测与参数估计由二维搜索转换为2个一维搜索。该方法可以有效减小运算量,易于工程实现。仿真结果表明,此方法在低信噪比下仍具有良好的性能。

基于FrFT变换和全变分正则化的异常检测算法

针对低秩稀疏表示的高光谱异常检测算法中背景字典易被污染、空间信息利用不足的问题,提出基于分数阶傅里叶变换(FrFT)和全变分正则化约束的高光谱图像异常检测算法.通过聚类算法,将图像高维数据映射至多个子空间;构造FrFT-RX算子,增大背景和异常的可分性,得到较纯净的背景字典.为了表示FrFT变换后中间域内背景与异常的空间特征,在低秩稀疏表示模型中引入全变分正则化项约束.采用交替方向乘子法对模型进行优化求解,得到异常检测的结果.在3个真实高光谱数据上开展目标检测实验,实验结果表明,与其他5种异常检测算法相比,本文算法具有更高的检测率和较低的虚警率.

基于端元提取和低秩稀疏矩阵分解的高光谱图像异常目标检测

为了抑制高光谱图像(HSI)混合像元和噪声在复杂背景中对异常目标检测的干扰,充分提取和利用HSI的光谱特征和空间特征,提出了一种基于端元提取和低秩稀疏矩阵分解的HSI异常目标检测算法。首先,对原始HSI进行最优分数阶傅里叶变换。然后,采用连续最大角凸锥算法对变换后的HSI进行端元提取,得到端元和相应的丰度矩阵,并通过行约束的低秩稀疏矩阵分解方法将丰度矩阵分解为具有低秩特性的背景分量和具有稀疏特性的异常分量。最后,构建背景协方差矩阵,通过马氏距离检测异常目标。实验结果表明,本算法在HSI异常目标检测中具有很好的检测性能。