基于模糊CFAR的SAR图像非均匀背景目标检测算法

CFAR是目前应用最为广泛且实时有效的SAR图像目标检测算法,在非均匀背景情况下,一般的CFAR检测都会存在大量虚警.引入模糊逻辑的概念,提出了一种非均匀背景的SAR图像模糊CFAR目标检测算法.基于Weibull分布,分别推导出模糊CA-CFAR和模糊OS-CFAR的隶属函数,并根据相应的模糊融合准则进行融合处理,得到模糊CFAR检测器的中心门限.仿真结果表明,模糊CFAR检测算法在非均匀背景的SAR图像目标检测中,具有较高的检测概率,且虚警少,具备一定的实用价值.     

间歇采样重复转发对雷达恒虚警检测性能的影响分析

作为一种新型相干干扰,间歇采样转发干扰可以获得雷达脉冲压缩增益,对雷达系统构成了很大的威胁。针对采用线性调频脉冲压缩和单元平均类恒虚警检测的雷达系统,在分析了间歇采样重复转发压制干扰原理和雷达恒虚警检测的工作原理的基础上,理论分析推导了不同间歇采样占空比、转发增益和不同的噪声功率背景条件下重复转发干扰在真实目标CFAR检测区间的能量。通过分析信号能量、噪声能量和干扰能量之间的关系,推导了不同干扰参数下CFAR检测器的信噪比。研究结果表明,在重复全转发这种干扰样式下,采样频率、占空比均是影响影响检测器的重要参数,当优化参数配置,使得转发能量尽量位于检测单元内时,有相对理想的对抗效果。     

一种新的SAR图像目标检测方法

基于统计特性的恒虚警率(CFAR)算法和小波多分辨率分析方法很难检测到微弱的、小的和隐藏的目标。合成孔径雷达(SAR)成像机理是相干成像,相干相位信息为目标的检测提供了可能性。从相干成像机理出发,结合恒虚警率和背景杂波分布模型,提出了一种新的SAR图像目标检测算法,即相干性CFAR目标检测算法,并且针对图像相干源提出了亚像元空间域源算法。实验证明,该方法是可行的、有效的,有利于SAR图像的理解和应用。     

基于熵的SAR干扰效果评估方法

SAR干扰效果评估具有很大的不确定性和复杂性。提出了一种基于熵的SAR干扰效果评估方法,并以条带式SAR为例,仿真研究了高斯噪声干扰下SAR对均匀分布型目标的成像效果,采用该方法对干扰效果进行了评估,得到了较好的结果。     

脉冲干扰条件下雷达自适应恒虚警算法及其体系结构

本文提出一种用于信号处理的新型并行算法以及带有自适应检测后积累（API）的恒虚警（CFAR）处理器的并行systolic结构。这种处理器用于脉冲干扰条件下雷达对小型机载目标回波的单个距离分辨率单元中的有效目标检测。这种算法的主要特征是在进行噪声水平估计前能自动地确定并删除二维参考窗口及检测单元中受脉冲干扰污损的不希望的样本。通过这种方法可将脉冲干扰环境对自适应门限处理的影响减至最低程度。对这种目标控制自满的统计分析表明，即便在脉冲干扰的功率与频率都非常高的情况下，信噪比损失也微乎其微。设计了CFAR API的Systolic结构。Systolic结构的基本微量尺度为处理器单元的数目、计算时间及实时实现所需的加速度。     

灵巧噪声在SAR中的干扰应用研究

针对合成孔径雷达（SAR）难干扰的特点提出了灵巧噪声干扰,并分析了灵巧噪声对SAR进行干扰所具有的特点和优势。最后介绍了利用数字射频存储器（DRFM）实现灵巧噪声干扰的方法。     

一种干扰环境下的机载SAR慢动目标检测方法

在电磁干扰的环境下,经典的合成孔径雷达(SAR)的成像和地面动日标检测算法的性能将会变差甚至失效,因此研究存在干扰时的高效可行的SAR动目标检测方法具有重要的实际意义.提出一种将自适应波束形成技术和杂波抑制干涉(CSI)技术相结合的阵列天线动目标检测方法.该方法首先采用自适应波束形成技术消除干扰,然后用CSI方法抑制地杂波并实现运动目标的检测.同时,采用不等间距偏置相位中心天线(DPCA)技术,消除了盲速区.从SAR天线结构和空间几何模型人手,详细分析了干扰抑制原理、杂波抑制和动目标检测原理并给出了其实现框图.最后通过计算机仿真,验证了该方法的可行性.     

对SAR的噪声干扰效果评估研究

根据有源噪声压制干扰对合成孔径雷达(SAR)作用的特点，利用SAR图像质量评估指标，提出用点目标变化率、旁瓣峰值比变化率和积分旁瓣比变化率来评价有源噪声压制干扰对点目标成像的干扰效果，用辐射分辨率变化率来评价对分布式地物成像的干扰效果。     

基于分水岭变换的单幅高分辨率SAR图像建筑物检测方法

提出了一种从单幅高分辨率SAR图像中检测建筑物的算法框架。该框架主要以应用 标记的分水岭变换为基础,针对SAR图像中建筑物所具有的强回波特性与典型的形状特征, 主要采用CFAR检测和文中提出的方向相关分析方法得到标记图像,利用最小强制技术和标记 图像修改原始图像的梯度图,对修改后的梯度图作分水岭变换得到建筑物目标的边界轮廓。 该方法能够引入建筑物目标的特性同时克服分水岭变换固有的过分割缺陷。文中对不同场景 的高分辨率SAR图像进行了实验,实验结果表明,即使在建筑物分布密集的情况下,本文算 法也能正确完整地检测出绝大多数目标,检测率高而虚警率低。     

基于SVM的SAR图像中水上桥梁目标的检测

针对SAR图像中桥梁目标的特性,提出了一种基于统计特性和先验知识相结合的桥梁目标检测方法。通过对SAR图像中桥梁和背景的分析,首先对河流区域进行特征提取,再利用支持向量机方法对数据进行训练建模,通过训练后的模型对SAR图像中的河流进行分割,最后在分类后的二值图中按方向累加能量最小准则进行桥梁目标检测。基于真实SAR图像的实验结果显示,此方法不需要对SAR图像进行复杂的预处理,有强的抗斑点噪声性,能快速检测SAR图像中的桥梁目标。