分布式目标的子空间双门限GLRT CFAR检测

研究了分布式目标在球不变随机变量杂波中的检测问题,提出了一种具有恒虚警特性的双门限广义似然比检测器。分布式目标建模为子空间信号,在距离维和多普勒频率维同时扩展.第一门限的作用是筛选信杂比高的待检测距离单元.将选出的距离单元进行能量积累并与第二门限进行比较做出判决.假设杂波协方差矩阵已知,构造了双门限检测器,并通过推导检测器虚警概率说明其具有恒虚警特性.将基于辅助通道数据的杂波协方差矩阵的估计值替换假设已知的杂波协方差矩阵,得到一个自适应检测器.通过Monte Carlo仿真进行性能分析,说明检测器的有效性和鲁棒性.

多基地雷达中双门限CFAR检测算法

针对多基地雷达系统,该文为解决传统集中式检测算法数据传输率大的问题,根据广义似然比检测算法和自适应匹配滤波算法,提出两种双门限恒虚警率检测器:双门限广义似然比检测器和双门限自适应匹配滤波检测器。首先各个局部雷达站将超过第1门限的局部检验统计量传送到融合中心。然后融合中心根据局部雷达站传送的数据计算融合后的全局检验统计量,并与第2门限比较,得到最终的判决结果。在各空间分集通道的信杂噪比假设相同的条件下,给出了双门限自适应匹配滤波检测器的虚警概率和检测概率的解析表达式。仿真结果表明,两种双门限检测器在低数据率传输时能够保持较好的检测性能。

基于EM算法和信息论准则的分布式目标检测算法

该文针对在相干积累期间发生距离走动且转动较快的分布式目标检测问题,提出了一种基于EM算法和信息论准则的改进广义似然比检测算子。采用信息论准则与期望极大化方法对不同预设速度下各个距离单元的信号参数进行估计,并进一步利用目标相邻强散射单元特性和相邻预设速度相关性,推导出改进的广义似然算子,随后证明了该算法的恒虚警率特性。两类飞机实测数据的多个实验结果表明,该算法性能相对于传统的广义似然算法和非相干积累算法有明显的提高。

复合高斯杂波下抑制失配信号的自适应检测器

随着雷达分辨率的提高及擦地角的减小,海杂波幅度分布明显偏离瑞利分布,表现出很强的非高斯特性,复合高斯模型得到广泛应用。因此该文以复合高斯杂波为背景,研究当信号发生失配时的雷达目标检测问题。该文基于两步广义似然比(GLRT)检验,设计了复合高斯杂波下对失配信号具有选择性的自适应检测器。为了设计选择性检测器,在零假设下引入虚假干扰以修正原始二元假设,并假设该虚假干扰与实际目标信号在白化空间正交。该文提出的检测器对海杂波纹理分量及协方差矩阵恒虚警(CFAR)。最后利用仿真及实测海杂波数据,通过蒙特卡洛实验验证该检测器的有效性。实验表明,该文所提检测器有效提高了对失配信号的选择性,同时对距离扩展目标匹配信号的检测性能也有1~3 dB的提升。

基于假设检验理论的统计分辨研究综述

对近邻目标的分辨一直以来是不同信号处理领域的关注热点。传统上基于相关分析或波束响应的瑞利限,难以反映实际系统中随机噪声等因素的影响,因此有学者提出了统计分辨(statistical resolution limit,SRL)的概念。当前关于统计分辨限的定义主要有两种:一是利用估计性能,即CRB(Cramér-Rao bound)界定义;二是采用二元假设检验(binary hypothesis test,BHT)理论定义。论文对后者的研究现状进行了梳理,得到一般的研究思路:构造二元假设检验分辨模型,进行泰勒近似得到关于待分辨参数的线性模型,或利用大快拍数条件的渐近分布理论,求解统计量的分布,进而得到统计分辨限与波形、信噪比等的关系。最后,指出该领域未来的一些研究建议。

部分均匀环境下适用于空间对称线阵的修正广义似然比检测方法

针对部分均匀高斯干扰环境下的点目标检测问题,该文基于广义似然比准则(GLRT)提出一种适用于空间对称线阵的修正GLRT检测方法。考虑到采样时存在的目标能量泄漏,在接收信号建模时采用目标能量泄漏采样模型弥补泄漏损失,并基于干扰协方差矩阵的斜对称结构降低对辅助数据的需求,最终联合待检测数据和辅助数据实现未知参数的估计,得到兼具有良好目标检测和距离估计性能的斜对称修正GLRT检测方法。仿真结果表明,该方法不仅在部分均匀环境下具有恒虚警特性,而且在辅助数据数量受限时,相比其同类型的检测方法具有1 dB以上的检测性能优势。

Distribution-based CFAR detectors in SAR images

As traditional two-parameter constant false alarm rate （CFAR） target detec-tion algorithms in SAR images ignore target distribution, their performances are not the best or near best. As the resolution of SAR images increases, small targets present more pixels in SAR images. So the target distribution is of much significance. Distribution-based CFAR detection algorithm is presented. We unite the pixels around the test cell, and estimate the distribution of test cell by them. Generalized Likelihood Ratio Test （GLRT） is used to deduce the detectors. The performance of the distribution-based CFAR （DBCFAR） detectors is analyzed theoretically. False alarms of DBCFAR detection are fewer than those of CFAR at the same detection rate. Finally experiments are done and the results show the performance of DBCFAR is out of conventional CFAR. False alarms of DBCFAR detection are concentrated while those of CFAR detection are dispersive.

适用于水下高速机动目标的自适应检测方法

近年来,发展主动声呐目标检测技术逐渐成为水声信号领域的研究热点。该技术在实际应用中,浅海探测环境的复杂多变导致辅助数据获取困难,同时目标高速运动时引起的距离徙动现象会导致水下目标检测性能下降。针对这类问题,提出了一种适用于水下高速机动目标的自适应检测方法。首先,构建多元假设检验模型来准确描述高速机动目标的回波分布情况。其次,使用模型阶数选择方法来估计目标回波位置。然后,利用干扰协方差矩阵的斜对称特性有效减少辅助数据的需求量,以降低检测方法对辅助数据的依赖性。最后,基于广义似然比检验准则实现未知参数的最大似然估计以及检测统计量的推导。仿真结果表明,该方法具有恒虚警特性,同时在辅助数据受限的情况下,相较于其他同类检测方法有7dB以上的目标检测性能优势,并且能够更准确地估计目标回波分布情况,有效改善了距离徙动现象导致的检测性能下降问题。