基于改进SO-CFAR和ACA-VMD算法的雷达生命体征检测

非接触生命体征检测技术难以有效利用胸腔产生的微多普勒效应提取心跳和呼吸信号,针对这一问题,文中提出了一种基于改进最小选择恒虚警(SO-CFAR)和蚁群变分模态分解(ACA-VMD)算法的生命体征检测方法,并通过仿真和实测验证了算法的检测精度。首先对77 GHz毫米波雷达的中频回波信号进行预处理得到干净的雷达I/Q数据,然后调整因子以平衡前后窗的功率水平让单元极小值恒虚警检测能够对噪声下的目标进行精确提取,最后采用蚁群优化后的变分模态对目标信号进行模态混叠的抑制并采用全相位频谱分析,使得呼吸和心跳的信噪比改善了1.765 dB,完成呼吸和心跳有效分离和提取,实现了人体生命体征的准确检测。

雷达恒虚警检测系统仿真

恒虚警(CFAR)处理技术对常采用机载下视或类似工作条件的PD雷达进行目标检测非常重要,文章首先对恒虚警检测原理进行论述,重点讨论单元平均CA-CFAR,最大选择GO(greatest of)-CFAR和最小选择SO(smallest of)-CFAR这三种均值类恒虚警处理方法,建立其数学模型。接下来对接收机噪声信号进行模拟,同时建立目标信号模型,并将所产生的噪声信号与目标信号相叠加仿真雷达系统的接收信号,注入所建立的恒虚警模型中进行检测仿真,给出仿真结果的分析,试验证明了仿真系统的有效性。

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。

一种基于最大选择的Switching-CFAR检测器

针对传统CFAR(Constant False Alarm Rate)检测器不能同时适应于均匀和非均匀杂波背景的问题,提出了一种改进的CFAR检测器,即IEGOS(Iterative Excision Greatest of Switching)-CFAR检测器。在迭代删除的基础上,采用Switching方法,利用检测单元幅度自适应选择参考单元,得到前后滑窗的局部杂波功率估计,然后取二者中的最大值作为总的杂波功率估计,实现恒虚警检测。在SwerlingⅡ型目标和瑞利包络杂波分布的假设下,推导证明了IEGOS的恒虚警性,与CA、GO、SO、OS和EXS算法的对比分析表明IEGOS在均匀杂波、多目标干扰和杂波边缘中均拥有较好的性能,且该算法无需排序,便于工程实现。

一种新的基于UMVE和CA的恒虚警检测器

在雷达自动检测系统中,通常是将自动检测和恒虚警(CFAR)技术结合使用以保持在变化的杂波环境中获得可预测的检测性能和恒定虚警率。将无偏最小方差估计(UMVE)方法和单元平均(CA)方法结合,提出了一种新的恒虚警检测器(MUMCA-CFAR)。采用UMVE和CA方法产生两个局部估计,再取二者的平均值作为背景噪声功率水平估计。在Swer-lingII型目标假设下,推导出了MUMCA-CFAR在均匀背景下虚警概率和检测概率及多目标环境下检测概率的解析表达式,并与其它方法作了比较,结果表明该检测器在均匀背景和多目标环境下均具有相当优越的检测性能。

一种新的基于UMVE和OS的恒虚警检测算法

为了充分利用参考单元所提供的信息,减少恒虚警损失,该文基于无偏最小方差估计(UMVE)方法和有序统计(OS)方法,提出了一种新的恒虚警检测器(MOSUM-CFAR)。它的前沿和后沿滑窗分别采用UMVE和OS方法产生两个局部估计,再对二者求和得到背景功率水平估计。在SwerlingⅡ型目标假设下,文中推导出MOSUM-CFAR在均匀背景下虚警概率Pfa和检测概率Pd及多目标环境下检测概率Pd的解析表达式,并与其它方案作了比较。分析结果表明MOSUM-CFAR在均匀背景和多目标环境下均具有相当好的检测性能。

基于OS和UMVE的最大选择恒虚警检测算法

为了提高恒虚警检测器在多目标环境下的检测性能及有效控制杂波边缘环境中虚警率的上升,基于结合高效的无偏最小方差估计(UMVE)算法提出了一种新的最大选择恒虚警检测算法(OSUMGO-CFAR),它的前、后沿滑窗分别采用OS和UMVE方法得到两个局部估计,将其中的最大值作为背景杂波功率水平估计,去设置自适应检测门限。在SwerlingⅡ型目标假设下,推导了该算法在均匀背景下的矩产生函数MGF、平均判决阈值ADT、多目标环境下检测概率Pd和杂波边缘环境中虚警尖峰的数学解析表达式。采用数值计算的方法,将恒虚警损失及虚警尖峰分别作为衡量算法在多目标和杂波边缘环境下性能优劣的标准。分析结果表明,该算法在多目标和杂波边缘引起的非均匀背景中的性能,均比OSTMGO和GOSGO算法得到了改善。

基于单元筛选的CFAR检测器研究

针对CML和CGO-CFAR检测器的最大干扰容限有限的问题,结合单元筛选技术,提出了两种新的CFAR检测器———CSCML-CFAR检测器和CSCGO-CFAR检测器,并推导出了它们的标称化因子的表达式;仿真结果表明:首先,采用单元筛选技术的检测器可以提高最大干扰容限,并且可以减小相对最优检测的检测损失;其次,单元筛选几乎不影响CFAR检测器的虚警控制能力,CSCGO不仅提高了CGO的抗干扰能力,还保持了良好的虚警控制能力;此外,单元筛选处理方法简单,附加时延小,便于工程实现,所以提出的两种新检测器具有一定的应用潜力。

一种新的无人机载雷达非均匀杂波抑制方法

无人机载雷达可以对感兴趣的重点区域和目标进行持续跟踪,在军用和民用领域都有广泛应用前景.然而载机平台的运动会带来地杂波谱的展宽,致使潜在的低速微弱目标淹没在强地杂波中.为了解决无人机机载雷达非均匀环境下的地面杂波抑制问题,提出一种基于恒虚警样本选择策略的非均匀下视杂波抑制方法.通过距离分块策略解决距离空变带来的非均匀样本的差异,通过低门限恒虚警(constant false alarm rate,CFAR)策略剔除孤立的强杂波散射点和疑似运动目标对训练样本的影响,降低非均匀样本单元对协方差矩阵估计的干扰,从而提高非均匀环境下对杂波的抑制性能.结合一组实测挂飞数据,对比了不同杂波抑制方法对运动目标检测的影响.实测数据验证所提方法有效.

均匀混响背景下抗多目标干扰恒虚警检测器设计

为提高恒虚警(CFAR)方法的抗多目标干扰能力,文中提出一种能够对抗多目标干扰的新型UMCASO-CFAR检测器。该检测器的特点是分别对前后沿滑窗数据使用无偏最小方差估计(UMVE)方法和单元平均(CA)方法得到2个局部估计,然后采用最小选择(SO)处理取二者中较小的一个作为均匀混响背景功率水平估计。在Swerling II型目标假设下,推导出均匀混响背景下UMCASO-CFAR检测器虚警概率和检测概率的解析表达式,证明其具有CFAR性能。进一步通过解析方法、蒙特卡洛仿真和实测数据处理三方面研究了该方法在均匀混响背景和多目标环境下的性能,结果表明相较于现有方法,UMCASO-CFAR具有更好的抗多目标干扰的性能,而且在均匀混响背景下具有非常小的CFAR检测损失。

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。