KK分布杂波下的距离扩展目标检测算法

针对服从KK分布的大拖尾雷达杂波背景下的扩展目标检测问题,利用球不变随机变量表示了KK分布雷达杂波模型。在假设目标回波幅度已知的情况下,研究了基于Neyman-Pearson准则的距离扩展目标最优积累检测器,并通过对目标幅度的最大似然估计,推导了广义最大似然比检验检测器模型。为了降低这两种检测器中因计算第二类修正的贝塞尔函数而引入的运算复杂度,提出了一种基于顺序统计量的广义似然比检测器。该检测器利用检测窗内幅度较大的距离单元回波作为目标回波进行判决。利用蒙特卡罗仿真对这三种算法的性能进行了验证与比较,虽然最优积累检测器与广义似然比检测器具有更好的检测性能,但实现困难,计算量大,而基于顺序统计量的广义似然比检测器则具有更高的实用性。     

韦布尔干扰中有序统计平均恒虚警检测器性能

证明了形状参数已知条件下有序统计平均恒虚警检测器在韦布尔分布杂波背景下具有恒虚警性能,推导了该背景下OSCA-CFAR检测器对非起伏目标的检测概率Pd和平均判决阈值的解析表达式,用数值方法讨论了尺度参数和序值变化对检测性能的影响,最后分析了多目标情况下该检测器的性能,并于有序统计进行了比较,分析结果表明OSCA在多目标环境下具有较好的检测性能.     

非完备参数信号集中式检测新方法

在复合假设检验中,广义似然比检验(GLRT)和贝叶斯(Bayesian)方法是2个广泛应用的方法.研究了这2种信号检测方法在分布式传感器网络中非完备参数(波形已知但幅度未知)估计中的应用.验证了GLRT的性能并进行了改进,提出逼近的Bayesian检测器,并与精确Bayesian方法比较,得出逼近的Bayesian检测器总有闭表达式的结论.仿真结果表明,提出的方法与精确Bayesian方法具有相近的性能.     

基于删除平均的VI-CFAR检测器

针对MLVI-CFAR检测器在多个随机分布干扰目标背景下检测性能不好,以及OSVI-CFAR检测器在均匀环境和仅单滑窗存在干扰目标的环境下检测性能欠佳问题,提出了一种基于删除平均(CML)的VI-CFAR检测器(CMLVI-CFAR).仿真验证了CMLVI-CFAR检测器在均匀背景及多目标干扰环境下,都具有比MLVI和OSVI-CFAR检测器好的检测性能,并且其在杂波边缘背景下的虚警控制能力与前两者也基本一致,说明其在实际杂波环境中具有更强的鲁棒性和良好的应用潜力.     

多假目标干扰对雷达检测性能影响分析

详细分析了在多假目标干扰存在情况下,雷达检测性能受影响程度,并分别从定性和定量2个方面进行仿真分析.分析结果表明,无论哪种CFAR检测器,在多假目标干扰存在的情况下,其检测性能都有不同程度下降,且其下降程度与假目标数目、假目标密集度和多假目标分布特性等密切相关.     

基于自适应训练的一种新的软决策融合算法

为了提高系统的检测性能,本地检测器应用了软决策算法,提出一种新的结构框图.将本地判决送至自适应训练器来估计本地检测器的性能参数,然后将得到的性能参数反馈至本地检测器来控制本地的检测门限.另外又将本地判决和可信度送至融合中心进行融合判决得到最终的判决,随后给出了迭代算法.最后通过三检测器系统仿真说明了算法的可行性,检测性能比硬判决有所改善.     

一种有效的神经网络检测器

本文提出了一种有效的神经网络检测方法。该方法通过高效的自组织学习过程,使该神经网络对各种噪声或杂波分布能够快速准确地建模,最终能使在各种噪声分布条件下检测效果均逼近最佳检测器的性能。实验结果验明了该方法的有效性     

基于检测统计量的修正转换恒虚警检测算法

提出了一种新的恒虚警检测算法--修正的转换恒虚警检测算法(MS-CFAR).该算法考虑检测单元采样作为参考单元的选择依据,其使用了基于转换恒虚警(S-CFAR)和最大选择恒虚警(GO-CFAR)的复合算法.给出了该算法在均匀背景中的数学分析.结果表明,该检测器既具有均匀背景下和CA-CFAR相近的良好性能,在多目标环境中亦克服了GO-CFAR不能分辨主目标的弊端,具有较强的适应性.尤其在杂波边缘环境中,MS-CFAR表现出了远好于S-CFAR的控制虚警的能力.     

MIMO雷达目标子空间建模与检测性能分析

针对具有分布孔径结构的MIMO雷达系统,建立了能描述空域和时域不确定性的目标子空间模型,即多维信号模型,并利用不变原理给出了这种MIMO雷达系统的最大不变检验统计量以及几种子空间检测器。对这些检测器性能的研究表明,目标子空间的维数以及各维上目标功率分布的均匀性对MIMO雷达系统的检测性能都有较大影响;与具有相同天线尺寸的相控阵雷达相比,在角闪烁目标的检测问题中,MIMO雷达系统除了具有非相参积累增益的优势以外,还具有较强的主瓣杂波抑制能力。     

一种全局最优的多感测器检测融合算法

在实际检测中,由于带宽、信道衰落和信道噪声等因素的影响,从本地检测器至融合中心的信道通常无法保证为理想传输信道,另外由于本地检测器和融合中心的距离比较远,会加剧信道的非可靠性和增加信道的传输能量,于是就在本地检测器和融合中心之间增加中继节点.然后利用贝叶斯规则对所有节点的判决规则进行联合最优化.最后通过仿真对系统的检测性能进行了比较.