雷达极化对角加载检测器的最优权重算法

针对复杂海杂波环境下极化SAR图像弱小目标检测难题,最近提出的雷达极化对角加载滤波器融合了极化白化滤波器(PWF)和极化检测优化滤波器(PDOF)的优势,通过选择合适的线性加权系数,能够突破非高斯杂波背景下的目标检测性能限制。但是如何获取该线性组合的最优加权权重是该方法的难点。首先重新构造了基于线性组合的雷达极化对角加载检测器,在此基础上从曲线下面积(AUC)的检测性能评估角度给出了线性组合的最优化数学模型,并提出了基于该准则的最优权重算法。为加快求解速度,分别提出了基于Fisher准则线性判别分析(LDA)、基于口袋感知机学习算法(PPLA)和以LDA解为初值AUC求解算法等三种简化求解方法。最后通过仿真和实测实验验证了以上方法的有效性和鲁棒性,结果表明以LDA解为初值的AUC求解算法综合性能最佳。