三种Weibull背景下的延展目标的CFAR检测器

针对Weibull杂波背景下延展目标的恒虚警率(CFAR)检测问题,研究了三种积累检测器———二进制积累检测器、非相参积累检测器和秩积累检测器。首先在单脉冲情况下分别从理论上导出了这三种检测器均满足CFAR性以及对应的检测性能解析式,然后将单脉冲条件下CFAR方法推广到多脉冲积累情况,给出了四种可能的处理方案。最后仿真结果验证了理论分析的正确性。

Weibull杂波背景下扩展目标的恒虚警率检测

针对高分辨雷达检测问题,提出了一种基于高分辨雷达Weibull背景下单脉冲双参数恒虚警率(CFAR)检测方法,并对该方法进行了理论、参数估计等方面的分析.理论分析和仿真结果表明,该方法对高分辨雷达具有较好的检测性能.

Weibull海杂波环境中基于Hough变换的目标检测研究

给出了基于Hough变换的信号检测结构,用Weibull分布对加拿大McMaster大学IPIX雷达的某单个距离单元的海杂波幅度数据进行拟合,构造了仿真环境,基于MonteCarlo仿真对基于Hough变换的检测器在非起伏目标和四种Swerling起伏环境下的目标检测性能进行了分析。

基于韦布尔分布下改进型恒虚警检测器的检测性能分析

为了提高恒虚警检测器(constant false alarm rate detector,CFAR)在有干扰目标存在的杂波环境下的检测性能,提出了5种基于自适应删除(automatic censored mean level detector,ACMLD)恒虚警算法与均值类算法的改进型,并在韦布尔分布模型下对影响背景杂波功率估计的参考单元长度和干扰目标个数进行检测概率分析。结果表明:基于该改进型检测器可有效提高有干扰目标的检测性能,其中改进型单侧自适应删除(single automatic censored mean level detector,SACMLD)算法适合在一侧参考窗均匀的情况下使用,而自适应删除最小(adaptive censored smallest of detector,ACSO)算法适合两侧参考窗都不均匀的情况下使用。文中提出的基于韦布尔分布下改进型恒虚警检测器可为铁路、航空等多目标环境检测提供参考。

基于多背景杂波分布模型的自适应CFAR检测

针对现有的CFAR(Constant False Alarm Rate,恒虚警)算法采用全局建模,在待检测的所有区域采用同种背景杂波分布模型,导致使用的模型在不适应区域失配,使CFAR检测性能下降的现象,本文提出一种基于多背景杂波分布模型的自适应CFAR检测算法。该方法根据背景区域的不同统计特性即统计方差和均值比来判断区域类型,采用CFAR检测器自适应地根据区域类型选择相应的背景杂波分布模型,即在均匀区域采用高斯分布;在有杂波边缘的区域,采用韦布尔分布以消除杂波边缘的影响;在有多目标干扰的区域采用G0分布以排除干扰目标,避免相邻目标的相互屏蔽效应。实验结果表明,此方法使检测结果得到明显提高。

杂波环境下基于粒子滤波的微弱扩展目标检测前跟踪算法

针对杂波环境下微弱扩展目标的实时检测和跟踪问题,该文提出一种基于粒子滤波的检测前跟踪(TBD)算法。该算法以杆状物体作为研究对象,通过划分距离和方位上的单元格,提出了不同区域内含有Weibull杂波的量测模型。在TBD框架下,将二进制目标存在变量和目标形状参数加入到状态向量中,通过抽样得到散射点集合,并利用粒子滤波实现杂波环境下对扩展目标状态和形状参数的检测和估计。仿真实验表明,该算法具有较好的稳定性。

距离扩展目标检测的正态分布检验算法

针对高斯噪声中的距离扩展目标检测问题,提出了基于正态分布检验的检测算法.高分辨一维距离像信号通常不服从高斯分布,可将高斯噪声中的距离扩展目标检测问题转换为正态分布检验问题,使用正态分布检验算法对检测窗内的信号进行检验,进而做出检测判决.理论分析表明,该算法具有恒虚警性能.分析了信噪比与检测概率的关系和检测器的性能.使用模拟信号与实测飞机目标一维距离像信号对本检测器的检测性能进行了试验验证,并与能量积累检测器进行对比.结果表明本检测器比能量积累检测器有较优的检测能力.

基于多背景模型的海面运动目标检测

提出一种在反射光较强的条件下基于多背景模型的海面运动目标检测方法.使用基于统计模型的变化检测方法将被监控场景区分为海浪波动显著的背景区域和海浪波动不显著的背景区域;对这两种区域中的像素点分别以Weibull分布模型和Gauss分布模型建立背景模型;使用建立的背景模型检测海面的运动目标.实验结果表明,在海面反射光较强且波浪波动较大的情况下,用该方法可以比较准确地检测到海面的运动目标.

基于知识的海杂波背景下距离扩展目标检测

该文针对在辅助数据有限的情况下自适应检测器出现检测性能损失,提出基于杂波的先验知识分布的距离扩展目标自适应检测算法。复合高斯杂波的纹理和散斑的协方差矩阵分别被建模为服从逆伽玛分布的随机变量和逆复Wishart分布的随机矩阵。利用先验知识推导了纹理分量的最大后验估计,并结合广义似然比检验设计了不依赖辅助数据的距离扩展目标自适应检测器。仿真结果表明,提出的检测器在参数失配条件下具有好的鲁棒性,而且在辅助数据有限情况下检测性能优于传统的广义似然比检测器的检测性能。

KK分布杂波下的距离扩展目标检测算法

针对服从KK分布的大拖尾雷达杂波背景下的扩展目标检测问题,利用球不变随机变量表示了KK分布雷达杂波模型。在假设目标回波幅度已知的情况下,研究了基于Neyman-Pearson准则的距离扩展目标最优积累检测器,并通过对目标幅度的最大似然估计,推导了广义最大似然比检验检测器模型。为了降低这两种检测器中因计算第二类修正的贝塞尔函数而引入的运算复杂度,提出了一种基于顺序统计量的广义似然比检测器。该检测器利用检测窗内幅度较大的距离单元回波作为目标回波进行判决。利用蒙特卡罗仿真对这三种算法的性能进行了验证与比较,虽然最优积累检测器与广义似然比检测器具有更好的检测性能,但实现困难,计算量大,而基于顺序统计量的广义似然比检测器则具有更高的实用性。

一种基于Hough变换的宽带雷达目标检测器

该文针对宽带雷达目标距离单元走动、具有强距离单元的特性,提出了一种基于Hough变换的目标检测算法(HD)。该算法分为两步:在第1步中,对过一级门限的高分辨距离像数据做Hough变换,并对Hough参数空间的所有数据做相应的累积分布函数(CDF)映射;在第2步中求出各个角度若干个最大值的和,并对这些和值做CDF映射,选出最大的映射和值作为检测算子。3类飞机实测数据的实验结果表明,与基于散射点密度的广义似然比检测算法相比,该方法检测性能至少有1.3dB的提高。

SAR图像中地面目标自动检测方法研究

文中对 SAR 图像中的目标检测进行了研究。运用雷达目标恒虚警(CFAR)检测方法.在 SAR 图像杂波统计特性为 Weibull 分布的条件下,对 SAR 图像目标进行自适应检测。利用有效象素及其比率对不同虚警率下的 SAR 图像目标检测结果进行分析。仿真结果表明 CFAR 方法在 SAR 图像目标检测中是有效的,并给出了相应参数的最佳值。

杂波环境下基于粒子滤波的雷达微弱目标TBD算法

针对杂波环境下的雷达微弱目标检测前跟踪问题,提出了Weibull杂波分布下PF-TBD算法。该算法采用Weibull杂波分布的量测模型,并基于粒子滤波算法,推导出似然函数和粒子权重。仿真结果表明,Weibull杂波环境下PF-TBD算法稳定性良好。

基于线路实测数据统计推断的应力谱分布类型比较

在分析研究轨道车辆结构实测动应力谱分布的基础上,提出用威布尔分布和对数正态分布的组合分布来描述动应力分布。利用实测数据分别拟合出威布尔、对数正态、组合分布三个分布函数,利用拟合结果及实测应力谱进行应力谱统计推断,得到各自的推断应力谱并与实测谱比较,证明了组合分布对实测应力谱分布描述的优越性。同时利用各分布函数估计得到实测中未出现的可能最大值,然后扩展出包含可能最大值的扩展应力谱,在损伤累计理论的基础上,证明了威布尔分布对分布估计的保守性,以及组合分布对应力谱分布估计的有效性。

不需要训练数据的分布式MIMO雷达距离扩展目标检测器

在非均匀杂波环境中,研究了高分辨率分布式多输入多输出(MIMO)雷达的距离扩展目标检测问题。由于分布式MIMO雷达观测到的杂波是非均匀的,无法获得足够的独立同分布的均匀训练数据来估计检测单元的杂波协方差矩阵。采用复逆Wishart分布对杂波协方差矩阵建模,基于该杂波模型设计了一种不需要训练数据的分布式MIMO雷达距离扩展目标广义似然比检测器。数值仿真结果表明:在非均匀杂波环境中,所设计的检测器的性能比用训练数据的协方差矩阵类检测器有明显的改进。

复杂背景下的红外弱小目标阈值更新恒虚警算法

CFAR(Constant False Alarm Rate,恒虚警)是红外弱小目标检测系统中的一项核心技术,为了克服传统单帧探测方法在复杂背景下的不足,本文提出了一种基于威布尔分布的阈值更新OSTWO CFAR检测方法。对红外图像进行Laplace滤波和杂波拟合后,设计CFAR检测器,图像中的每个检测单元,根据周围单元来确定其阈值,再判定其为目标还是背景杂波。试验表明,提出的算法能够控制虚警率和提高探测率,并且很好的解决了复杂背景下目标遮挡和背景变化的问题。

电动钉枪耐久性研究的试验系统

针对目前电动钉枪质量体系建立的现状,开发针对电动钉枪耐久性研究的系统,新开发的系统提供了电动钉枪耐久性测试和电动钉枪最高工作频率判断的功能,同时也可以对电动钉枪的耐久性研究提供试验平台。重点分析了如何运用威布尔分布对耐久性试验数据进行处理。

卷积神经网络应用于雷达目标检测

为了提高脉冲多普勒雷达在城市、郊区等复杂环境下,对低慢小飞行器进行目标检测的能力,利用卷积神经网络在特征提取和分类方面的优势,提出了一种基于卷积神经网络的目标检测方法。通过仿真白噪声和瑞利分布、韦布尔分布和K分布等杂波环境中的脉冲多普勒雷达回波信号,对比相同条件下CFAR检测器和CNN的检测结果,发现卷积神经网络比恒警虚检测器拥有更优的检测性能,检测概率至少提高0.01。

量化秩非参数CFAR检测器在杂波边缘中的性能分析

人们常用均匀背景、多目标和杂波边缘3种典型背景来衡量雷达目标检测器的性能,但在现有文献中缺乏量化秩(Rank Quantization,RQ)非参数检测器在杂波边缘中虚警概率的理论模型,缺乏RQ非参数检测器与经典的参量型检测器在杂波边缘中虚警控制能力的比较.本文给出了RQ检测器在杂波边缘中虚警概率的解析表达式,并比较了它与非相干积累CA(Cell Averaging),GO(Greatest Of),OS(Ordered Statistic)恒虚警方法在杂波边缘中的虚警控制能力.可以看出,采用高秩量化门限的RQ检测器的虚警控制能力要优于低秩量化门限的情况,在瑞利分布杂波边缘情况下,RQ检测器的虚警控制能力与非相干积累OS方法接近.但是当强杂波变为长拖尾分布的非高斯杂波时,非相干积累CA,GO和OS参量型检测方法的虚警概率产生了3个数量级以上的上升,且不能降回到原始设定的虚警概率.而RQ检测器显示出了非参量检测器的优势,即当杂波背景的分布类型发生变化后,它仍然可以保持虚警概率的恒定.

非均匀环境中MIMO雷达距离扩展目标检测器

针对非均匀干扰环境中分布式多输入多输出(MIMO)雷达的距离扩展运动目标检测问题进行了研究。由于分布式MIMO雷达的干扰(杂波和噪声)是非均匀的,无法获得训练数据来估计干扰的协方差矩阵,为此提出了一种新的知识辅助(KA)干扰模型,它和每个发射—接收(Tx-Rx)对相对应的干扰协方差矩阵具有服从复逆Wishart分布的矩阵结构,但具有不同的功率电平。基于该模型提出了一种无训练数据的距离扩展目标知识辅助—广义似然比检测器(KA-GLRT)。仿真结果表明,在非均匀干扰环境中,所提出的KA-GLRT检测器的性能明显优于传统的有训练数据的协方差矩阵类检测器。