基于对角加载的机载MIMO雷达自适应匹配滤波检测器

研究了基于自适应匹配滤波(Adaptive Matched Filter, AMF)的机载MIMO雷达目标检测问题。针对参考单元数据不足对MIMO\|AMF检测器性能的影响,提出了基于对角加载的MIMO雷达AMF(MIMO\|LAMF)检测器,并对其检测性能进行分析,给出虚警概率和检测概率的闭合表达式。该检测器利用机载MIMO雷达杂波子空间低秩的特点和对角加载技术,解决了因参考数据不足所引起的矩阵病态问题。为了减少MIMO\|LAMF检测器的运算量,在分析杂波协方差矩阵块对角化特性的基础上,给出一种简化MIMO\|LAMF检测器。理论分析和仿真结果都表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,检测性能优于MIMO\|AMF检测器。
     

复合高斯杂波中距离分布目标的极化自适应检测

极化高分辨力雷达能够获取更丰富的目标特征信息,充分利用极化信息能够有效地提高检测和识别性能.本文基于广义似然比检验,提出了一种复合高斯杂波中距离分布目标的极化自适应检测器,推导了检测器的虚警概率表达式,理论分析表明其相对于杂波的协方差矩阵和纹理分量都具有恒虚警特性.利用仿真数据统计分析了该检测器的检测性能,仿真结果表明,在一般情况下当辅助数据较少时该检测器的检测性能优于其它同类检测器.     

非高斯杂波背景中的两个距离扩展目标检测器

针对采用球不变随机向量(SIRV)建模的非高斯杂波背景中检测具有稀疏散射点的距离扩展目标问题,先假设目标强散射点的位置信息已知,采用广义似然比检验(GLRT)理论,提出了基于散射点位置的GLRT (SL-GLRT) 检测器。然后,采用门限法估计散射点的位置信息,提出了双门限恒虚警率(DT-CFAR)检测器,推导了虚警概率与检测门限关系的解析表达式,并给出门限的确定方法。与现有方法相比,散射点位置信息已知时, SL-GLRT 具有最佳的检测性能,散射点位置信息未知时,DT-CFAR具有较好的鲁棒性。     

基于ResNet的智能恒虚警目标检测方法

传统恒虚警检测方法通常假设待测单元的杂波与训练杂波满足独立同分布,然而在实际雷达工作环境中,强杂波呈现出非均匀特性,沿距离单元的杂波统计特性差异变化较大,使得传统恒虚警目标检测方法在复杂环境下的检测性能下降。为解决该问题,本文从杂波统计特征提取分类出发,通过深度学习方法对杂波进行分类,提出了一种基于残差神经网络(ResNet)的智能恒虚警目标检测方法。首先,根据雷达实测杂波数据建立ResNet的训练集和测试集;其次,构建ResNet对数据进行智能特征提取,得到杂波的统计特征,并用训练好的网络对测试集进行测试;最后,以阈值可设的Softmax分类器对所得统计特征进行分类,根据分类结果实现智能恒虚警目标检测。实验结果表明:相比传统恒虚警检测方法,本文提出的方法具有自适应能力更强、检测性能更好等优点。     

多目标单元平均CFAR处理机的M次扫描检测分析

本文分析了在用于估算杂波加噪声电平的一组单元中出现一个或多个干扰目标回波的情况下，一般单元平均（ＣＡ）、最大（ＧＯ）及最小（ＳＯ）恒虚警率（ＣＦＡＲ）检测器的各种性能。推导出了对Ｘ平方目标起估模型采用非相参积累时，这些检测器检测概率的精确表达式。描述了Ｓｗｅｒｌｉｎｇ Ｉ目标模型的结果。随着Ｍ的增大，对于均匀和非均匀两种背景模型，无论使用ＣＡ、ＧＯ还是ＳＯ检测器都将获得较好的性能。在参数相同的情况     

基于自适应波形设计的天基雷达目标检测方法

针对天基雷达检测海面目标时杂波特性复杂、场景变化迅速和信杂比低的问题,文中提出一种基于波形自适应设计的目标检测方法。这种方法将每个驻留时间分拆为若干个子驻留,在第1个子驻留上发射线性调频脉冲,并进行预检测和杂波协方差估计。在后续子驻留中采用多粒子滤波技术对杂波协方差进行动态更新,以适应天基雷达杂波的快速变化。进而在后续子驻留中利用平均平方优化技术自适应的设计波形,并进行主成分分析和广义似然比检验,以提高信杂比和实现恒虚警率检测。最后,文中将海杂波建模为复合高斯过程、将目标建模为若干个具有确定但未知散射幅值的散射体,并进行仿真实验。结果表明,在尖峰性海杂波环境和天基监视雷达配置条件下,用这种目标检测方法实现可靠检测所需的信杂比降低约9dB,可有效改善对弱小目标的检测效果。     

基于相对马氏距离的非均匀杂波抑制方法

由于天基雷达覆盖范围广、探测背景复杂，雷达回波会呈现出明显的非均匀特性，从而导致杂波协方差矩阵（clutter covariance matrix, CCM）估计与实际情况出现偏差，从而恶化天基雷达对空中动目标的检测性能。针对上述问题，提出了一种基于相对马氏距离的非均匀样本抑制方法，该方法首先计算所有样本的广义内积（generalized inner product, GIP），在此基础上选取一个合适的样本作为参考。通过比较场景中所有样本与参考样本的马氏距离，将相对马氏距离大于判定门限的样本作为非均匀样本剔除。用筛选后的样本进行杂波协方差矩阵估计，从而提高天基雷达在复杂环境下对空中动目标的检测性能。理论分析和实测数据结果表明，所提算法能够在非均匀环境下有效检测出空中动目标。     

采用结构协方差矩阵的机载／天基雷达的空时自适应处理

本文表明有效地采用机载／天基（A/S）杂波协方差矩阵（CCM）的部分信息可以大大提高在杂波和干扰环境下块处理空／时自适应处理机（STAP）的收敛性能。CCM的部分知识以由机载雷达团体开发的简化通用杂波模型（GCM）为基础。设定一个参数的先验知识，该参数应是易于通过与这种模型相关的雷达平台可测的（但不一定准确）。这种GCM产生一种假定的CCM。用这种假定的CCM和热噪声协方差矩阵的精确知识一起形成STAP要用的未知干扰协方差矩阵的最大似然估值（MLE）。对利用先验杂波和热噪声协方差信息的这种新算法的评估采用两种杂波模型：1）失配的GCM，2）高保真的空军研究实验室STAP杂波模型。对于这两种杂波模型，这种新算法要大大好于（即收敛更快）采样矩阵求逆（SMI）和快速最大似然（FML）STAP算法，后一种模型仅用了热噪声协方差矩阵的信息。     

一种新的鲁棒CFAR检测器设计方法

针对先验环境信息未知或先验环境信息不准确导致的检测性能损失问题，设计了一种复杂背景下鲁棒CFAR检测器。在检测器设计中，通过利用样本的统计直方图和均值比判断观测窗所属杂波类型，在存在干扰目标或杂波边缘环境时使用新的干扰加权算法对观测样本进行筛选，根据筛选后的样本得到相应的检测门限。分析了所设计检测器在均匀杂波、存在干扰目标及杂波边缘环境下的检测性能。研究结果表明，在各种先验信息未知的复杂杂波环境中，所设计的CFAR检测器可以得到较好的检测性能，对天基预警雷达系统的检测器设计具有一定的参考价值。仿真结果验证了方法的有效性和正确性。     

协方差矩阵结构的广义杂波分组估计方法

针对球不变随机向量建模的相关复合高斯杂波背景下雷达目标自适应检测的协方差矩阵结构估计问题,将均匀杂波分组方法进行推广和改进,提出了杂波协方差矩阵结构的广义迭代杂波分组估计（GRCCE）方法。首先,在广义杂波分组背景下利用最大似然方法推导了协方差矩阵结构估计的迭代过程;其次,基于杂波分组思想,给出了广义杂波分组估计(GCCE),利用GCCE作为初始化估计矩阵进行迭代,得到协方差矩阵结构的GRCCE;最后,通过仿真对方法的有效性进行了检测,结果表明,GRCCE只需要一次迭代就能达到收敛,估计精度随着杂波一阶相关系数的增大而提高,而不受纹理分量参数变化的影响。与现有方法相比GRCCE适应杂波环境更广,估计精度更高,而且计算量更小。