排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
在预警监视领域,及时地预测目标行为模式对于态势认知至关重要。首先,针对当前大多数目标行为分类器实时性不强、对离群轨迹不敏感等问题,提出了带有离群检测的归纳式一致性多类预测器(ICMP)。其次,针对目标行为分类算法仅考虑目标的空间位置信息,而忽略航向和速度信息的问题,基于轨迹的时间和空间2个维度的信息提出了时空Hausdorff距离(STHD),从而可以有效区分空间位置相似但运动速度和方向不同的行为。然后,基于定向时空Hausdorff距离和K最近邻思想构造了定向时空Hausdorff最近邻不一致性度量函数(DSHNN-NCM);在此基础上,提出了带有离群检测的序贯时空Hausdorff最近邻归纳式一致性多类预测器(SSHNN-ICMP),能够在预警监视场景下对目标频繁出现的行为进行在线学习和分类。最后,分别在仿真军事场景和真实民用场景中进行实验分析,结果表明本文算法具备较好的准确性和实时性,在预警监视任务中有良好的应用前景。 相似文献
2.
3.
4.
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。 相似文献
5.
在球不变随机向量(SIRV)非高斯杂波背景下,研究了多脉冲相参雷达目标的自适应检测问题。假设杂波具有相同的协方差矩阵结构和可能相关的纹理分量,提出了新的协方差矩阵估计器,并获得了相应的自适应归一化匹配滤波器(ANMF)。理论分析表明,在估计杂波分组大小与实际情况匹配时,所获得的ANMF对杂波功率水平和协方差矩阵结构均具有恒虚警率(CFAR)特性。仿真结果表明:当估计的杂波分组大小失配时,所获得的ANMF具有近似CFAR特性,并进一步分析了不同参数变化对所提检测器性能的影响。与已有的ANMF相比,所获得的ANMF具有更好的检测性能,且迭代次数更小,其相对于已知杂波协方差矩阵的最优归一化匹配滤波器(NMF)的检测损失也更小,具有很好的实际应用前景。 相似文献
6.
小波分析已经成为目前雷达信号去噪的主要方法之一。通过对小波去噪问题的描述,揭示了小波去噪的滤波特性;分别阐述了目前雷达信号检测中常用的4类小波去噪方法并进行性能分析;对雷达信号的小波检测方法提出了展望。 相似文献
7.
非高斯杂波协方差矩阵估计新方法 总被引:1,自引:0,他引:1
针对雷达目标自适应检测中的复合高斯杂波协方差矩阵估计问题,提出了 一种基于杂波分组的约束迭代估计方法。该方法在迭代过程中有效利用所有辅助数据,并对 最终得到的估计矩阵进行关于迹的约束。在估计的杂波分组大小与实际情况匹配的条件下, 约束迭代估计方法的估计精度与杂波功率水平无关。仿真实验表明,所提出的方法对不同的 杂波分组大小失配情况具有很好的鲁棒性;与已有的两种协方差矩阵估计方法相比,约束迭 代估计方法能极大的提高估计精度,加快迭代过程的收敛速率,且计算量更小。
相似文献
相似文献
8.
9.
复合高斯杂波中距离扩展目标的迭代近似GLRT检测器 总被引:1,自引:0,他引:1
研究了结构化的复合高斯杂波(CGC)背景中距离扩展目标自适应检测问题。针对异质杂波背景中的近似广义似然比检验(AGLRT-HTG)检测器应用于CGC背景中时存在一定的信杂比损失问题,结构化的复合高斯杂波采用自回归过程建模,结合近似广义似然比检验(AGLRT)方法和迭代估计思想,提出了CGC背景中距离扩展目标的迭代近似广义似然比检测器(RAGLRT-CGC)。从理论上分析了极限情况下RAGLRT-CGC虚警概率与检测门限关系的解析表达式。仿真结果表明,在CGC背景中,RAGLRT-CGC对不同多主散射点目标具有较好的鲁棒性,并且检测性能明显优于AGLRT-HTG。 相似文献
10.
在采用球不变随机向量(SIRV)建模的非高斯杂波背景下,研究了导向矢量失配或未知时距离扩展目标的检测问题。先假设导向矢量已知,采用广义似然比检验(GLRT)得到每个距离单元的归一化匹配滤波器(NMF)统计量,再将多个距离单元的统计量进行非相干积累得到扩展目标的NMF积累检测器(NMFI),然后通过最大化检测统计量的方法,结合特征值分解技术,对导向矢量进行估计,提出了距离扩展目标的盲NMFI(B-NMFI)。仿真分析表明:当导向矢量失配时,NMFI的检测性能优于GLRT;当导向矢量未知时,B-NMFI能有效地检测目标,并且对不同方位的目标具有很好的鲁棒性。 相似文献