机载MIMO雷达自适应匹配滤波检测器

针对机载MIMO雷达在未知统计特性杂波时的目标检测问题,首先提出自适应匹配滤波检测器(MI-MO Adaptive matched filter,MIMO-AMF),利用MIMO雷达的空间分集特性提高检测性能,并推导出检测概率和虚警概率表达式.然后,基于MIMO雷达杂波协方差矩阵的块对角特性,给出一种简化MIMO-AMF检测器,大大减小MIMO-AMF的计算复杂度,同时降低对参考单元数目的要求,并在只有两个接收雷达单元的情形下,推导出简化AMF检测性能的表达式.结果表明,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,能够在未知杂波背景下有效的检测目标.     

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.     

机载脉冲多普勒雷达探测距离计算

本文给出机载ＰＤ雷达探测距离的计算机模拟计算方法。重点推导了旁瓣杂波，虚警概率和检测概率的计算公式。列出了程序框图和实例。     

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。     

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。     

现实的机载GMTI雷达信号处理

知识辅助传感器信号处理和专家推理（KASSPER）方案旨在通过考虑全部可利用的先验知识来改善机载地面动目标显示（GMTI）雷达的性能。一条很有用的信息是雷达回波信号为接近理想平面波的叠加。可以用采样GMTI雷达数据的平面波信号和杂波模型校准接收阵列、抑制杂波和检测动目标。每个距离门是单独处理的。采样协方差矩阵是不必要的。完成了综合的KASSPER Challenge Datacube处理以验证性能。     

雷达极化检测器性能对比分析

该文在建立极化雷达杂波和目标回波模型基础上,采用蒙特卡洛仿真方法,对比分析了最佳极化检测器(OPD)、极化白化滤波器(PWF)、最佳张成检测器(OSD)、极化匹配滤波器(PMF)、功率最大综合检测器(PMSD)和单通道检测器(SCD)的理想检测性能,同时,结合各极化检测器的检验统计量,分析了各自的实现难易度.分析结果表明,PWF、OSD和PMSD理想检测性能较好,且较易实现.考虑到工程应用中,PWF、OSD需要杂波协方差先验信息,基于杂波协方差及其关键参数估计,文章进一步对比分析了PWF、OSD和PMSD的自适应检测性能.结果表明,当观测次数大于64时,PWF自适应检测性能最好.     

一种基于滤波响应损失的多通道合成孔径雷达地面动目标检测方法

针对在非均匀杂波背景下,杂波抑制后孤立强杂波剩余能量导致动目标检测虚警率升高的问题,提出了一种基于滤波响应损失的多通道合成孔径雷达地面动目标检测(SAR-GMTI)方法。对多通道的合成孔径雷达(SAR)图像进行维纳匹配滤波处理,在杂波抑制残差图检测的基础上,根据滤波前后信号的能量差异设计了滤波响应损失检测量,对潜在目标进行二次检测,以剔除虚警。仿真与机载实测数据表明:该方法能在非均匀杂波背景下有效改善动目标的检测性能,可应用于运动平台雷达对地监视预警。     

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。     

实测数据的降秩空时自适应处理方法

在实际非均匀环境中，机载雷达数据的非均匀性会恶化杂波协方差矩阵的估计，严重地降低了空时自适应处理器的性能。本文首先用非均匀检测器在非均匀环境下选择辅助距离门，来估计样本协方差矩阵。而后讨论了基于广义旁瓣相消器结构上的两种降秩空时自适应处理方法：主分量法和互谱法，这两种方法都是利用杂波和干扰的低秩属性，用依赖于采样数据的转换矩阵来构造空时自适应滤波器。最后对从Mountain Top计划测得的数据，应用上述两种降秩方法对其进行了分析。仿真实验表明了这两种方法的可行性，减少了计算量，并提高了有效可测收敛性，可有效地提高空时自适应处理器的性能。