基于二阶Keystone的微弱运动目标检测

雷达技术是为了探测远距离目标而发展起来的。弹载雷达处理回波信号,实现对移动目标的测速与测距。微弱运动目标的"远距、低可探测、高机动"性使传统的检测方法难以识别、探测、跟踪。为提高对这类目标的检测能力,常会对信号进行积累。但由于目标的运动,长时间积累会产生跨越距离走动单元与跨速度单元现象。研究了匀加速运动目标回波信号模型,分析其中引起距离走动的分项,分析比较用一阶与二阶Keystone算法校正距离走动的效果,选择用CZT-IFFT(Chirp-Z transformation-inverse fast fourier transform)的方法实现二阶Keystone校正距离弯曲与距离走动,并对比了不同校正方法的信噪比改善效果。     

机载PD雷达宽带线性调频信号运动补偿

采用宽带线性调频信号能够显著地提高雷达的距离分辨率和抗干扰能力,然而雷达与目标间的相对运动损耗了部分目标回波相参积累能量,影响目标频率向和距离向分辨力。针对以上问题,提出了一种基于改进匹配滤波函数的运动补偿方法,补偿信号回波中的相位误差,实现宽带线性调频信号目标运动运动补偿。实验与仿真结果证明了该算法的有效性。     

基于MDCFT的天空双基地雷达机动目标检测方法

针对天空双基地雷达高速机动目标的距离徙动和多普勒频谱扩展问题,在建立目标回波信号模型及分析目标距离和多普勒徙动特性的基础上,提出了一种适用于该体制雷达的高速机动目标检测方法。首先对脉压回波信号采用Keystone变换校正距离徙动;其次对离散线性调频傅里叶变换(discrete chirp-Fourier transform,DCFT)进行修正,完成对目标加速度大小和频率因子的估计;然后根据构造的二次相位补偿函数,实现多普勒徙动补偿;最后对补偿后回波信号进行相参积累检测。仿真结果表明,所提方法对目标径向加速度的估计更准确能有效对高速机动目标回波能量进行相参积累,提高了在低信噪比条件下的检测性能。     

低信噪比下融合随机共振的运动目标检测算法

为提高智能视频监控系统中运动目标检测算法在低信噪比条件下的鲁棒性,结合混合高斯背景建模算法和随机共振原理实现一种低信噪比下的运动目标检测算法。算法根据混合高斯背景模型对当前帧生成目标概率灰度图,在本文定义的性能评价函数下,通过向该概率灰度图添加噪声使得评价函数最优化从而达到随机共振,对该随机共振灰度图进行阈值分割得到输出的检测目标。针对昏暗、大雾和红外视频分别进行了实验,证实了本文算法的有效性同时也显示本文算法相对于普通背景差算法性能获得了明显提升。     

基于调频傅里叶变换的高速目标ISAR距离像算法

在大时宽带宽线性调频(LFM)体制高分辨逆合成孔径(ISAR)雷达中,目标高速运动将引起严重的回波多普勒色散,如果不消除该影响则不能正确成像。针对该问题,设计了一种通过调频傅里叶变换对目标脉内运动参数进行估计,补偿回波脉内走动得到目标距离像的方法。该方法首先估计脉内运动参数,初步补偿脉内走动,然后估计运动轨迹进一步精确补偿脉内走动,补偿脉内走动后通过包络对齐消除脉间走动,得到目标距离像。算法的主要过程在脉冲重复周期内进行,可以满足实时成像和参数估计的需求。     

基于加权动态规划和航迹关联的小目标检测技术

低信噪比下运动小目标的检测一直是成像目标检测中的一个热点问题。提出了一种新的小目标检测算法,采用方向加权的动态规划算法和二值航迹关联,克服了低信噪比下目标机动和传感器的不稳定对小目标检测的影响,实现了对深空背景下运动方式任意、速度最大达1像素/帧的弱小运动目标的有效检测。     

脉冲多普勒雷达对运动目标回波信号的检测

分析了倒置接收对目标回波信噪比和杂波特性的影响 ,讨论了在相关杂波区对回波信号有效检测的方法。针对如何在“弹 -目”相对运动参数未知条件下对高速运动目标进行积累检测这一问题 ,提出了一种多周期移位积累的新方法     

点目标检测中候选轨迹确定算法

对低信噪比条件下缓动点目标检测技术中候选轨迹的确定算法进行了讨论。首先,给出了计数积累和线性预测的一般方法,然后,提出了一种基于计数积累,线性预测和轨迹约束的候选轨迹确定以及实现检测的算法,最后是算法性能分析。     

多雷达观测信号融合检测算法

针对海上小目标检测问题提出了一种基于多雷达观测信号层融合的检测算法。该算法对各个雷达的观测值按采样时刻进行排序,然后根据对应时刻的脉冲信号进行高阶互累积量计算然后在相关域上积累进行似然比检测。仿真分析表明该算法与基于贝叶斯准则的分布式检测算法相比,具有较低的复杂度和低信噪比条件下较高的目标检测概率。     

利用Hough变换实现目标检测与航迹启动

经典的目标检测方法是Ｂａｙｅｓ方法，通常为门限检测。本文将利用Ｈｏｕｇｈ变换推导一种通过非相参积累实现目标检测和航迹启动的方法。针对目标的信噪比不同的情况，讨论了两种非相参积累形式，一种是直接积累，另一种是二值积累。二值积累在检测微弱目标时有独特的优越性。本文还讨论了两种非相参积累方法的理论检测性能。     

一种基于LMS的时域相干累积算法研究

为了克服低信噪比条件下传统的自适应滤波算法抑制高斯噪声效果差的缺点,提出了基于最小均方(LMS)的时域相干累积新算法。计算机仿真结果表明,该算法具有良好的抑制高斯噪声的性能,对于低信噪比下信号的增强效果明显优于传统的自适应滤波算法。     

低信噪比抖动红外点目标的检测

本文为解决低信噪比条件下抖动红外点目标的检测问题，提出了一种基于膨胀累加、检测前跟踪的检测算法。该算法运用膨胀累加方法能够消除抖动对多帧累加算法的不利影响，使目标能量仍然能够实现有效的积累，从而达到目标增强的目的。本文还采用了小波变换预处理方法，对图象中相关的１／ｆ噪声进行白化。模拟实验结果表明，该算法能够快速检测出信噪比为２抖动点目标。     

一种低信噪比下的伪码快速捕获算法

传统的伪码捕获算法消耗时间长且在低信噪比条件下伪码捕获虚警率高,针对该问题,提出了一种低信噪比条件下的伪码快速捕获算法。该算法首先利用快速傅里叶变换完成信号相干积累,然后根据频率进行门限判决,从而捕获相应的时域伪码。仿真实验结果表明：该算法可减少伪码捕获时间,降低伪码捕获的虚警概率。     

红外图像序列运动小目标检测的预处理算法研究

就如何检测复杂背景下低信噪比的运动小目标展开讨论,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,接着采用邻域判决的方法实现运动目标的进一步分离,最后用图像流分析法进行目标的最终检测。实验结果表明,该算法能够对小目标甚至是点目标的运动进行可靠的检测     

一种基于变换域的自适应滤波算法

针对传统时域自适应滤波在较低信噪比下检测估计信号波形的局限性,提出一种基于变换域的自适应滤波的算法。该方法利用分数阶傅里叶变换在分析线性调频信号时的优良特性,在分数阶变换域上进行自适应滤波处理,提高信号检测估计效果。仿真实验证明,该算法在较低信噪比条件下能较好地检测估计出回波信号,滤波效果胜过时域滤波。     

一种面向频域的通信信号盲干扰检测算法

针对低干信比和复杂动态情况下传统的干扰检测算法效率不高的问题,提出一种基于盲通信信号频域处理的未知干扰自动检测算法。该方法首先借助快速独立成份分析(FICA)从频谱差分数据中分离干扰和通信信号成份分量,然后利用各分量的峰度作为干扰与通信信号的识别特征检测干扰。实验结果表明,此算法能有效地在干信比小于5 dB的情况下从盲通信信号背景中自动提取未知干扰的信息,实现高精度地盲干扰检测。     

基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法

叶簇环境下,当动杂波比较复杂时,常规的目标检测算法CFAR和DPCA不能有效地滤除杂波。提出了一种基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法(HD),该算法在叶簇杂波比较复杂的情况下能够有效滤除动杂波,提取出动目标。首先,介绍了叶簇扰动环境下的场景建模,并且给出了建模分析和建模场景仿真;其次,给出了HD算法推导过程;最后,在建模基础上对该算法和常规算法进行了对比仿真实验。实验结果表明,该算法在较低信噪比情况下也能保持较高的检测概率。     

基于窗口预测匹配的序列图像点目标轨迹检测算法

序列图像中运动点目标轨迹的实时检测算法,是目标识别、实时跟踪处理系统中的关键算法之一。在分析不同层次处理方法的基础上,给出了一种基于预测、窗口匹配的点轨迹预测—匹配检测算法,并根据仿真实验的效果,指出此算法可有效地对低信噪比序列图像运动点目标轨迹进行实时检测,具有多目标轨迹检测能力。     

基于LMD频域近似熵频谱感知算法研究

针对现有频域近似熵频谱感知技术在低信噪比条件下抗噪声性能和检测性能有待提升的问题,提出了一种基于LMD频域近似熵的频谱感知算法。(1)算法筛选出3个PF分量累加求和,使得算法提取局部调频包络特征信息得到最优,进一步排除噪声不确定度的影响。(2)算法对累加PF分量进行频域变换后求其近似熵,增强算法对频域信息的嗅探能力,提升算法检测性能。Monte Carlo仿真结果表明,在噪声不确定度为0dB,采样点数为8 000的情况下,当信噪比大于-19 d B时,可以对2ASK信号达到100%的检测概率,与现有频域近似熵算法相比,检测性能约有17 d B的提升。     

利用复单脉冲比的群目标存在性检测算法

详细推导单目标和群目标条件下单脉冲比的统计特性,根据其本质差异提出基于单脉冲比的群目标检测算法,在双目标条件下通过仿真分析了群目标检测性能与信噪比、目标角度间隔以及复幅度比之间的关系,得出了有益的结论。当小目标伴随大目标时不容易被检测出来;两个幅度相当的目标,相位差别越大越有利于群目标检测。群目标检测可以有效剔除"野值",为分辨与测量奠定基础。