一种基于级联滤波设计的背景噪声均衡方法

针对阵列信号处理中背景噪声对目标检测影响问题,提出一种基于级联滤波设计的背景噪声均衡方法.该方法依据背景噪声起伏特性设计多尺度组合形态学滤波器对空域重采样数据进行处理,降低不同方位起伏噪声对目标检测的影响;根据噪声特性设计同态滤波器,降低乘性噪声对目标检测的影响;按类内类间离散度比最小准则实现背景噪声门限的自动推荐,进而实现对背景噪声均衡处理,提升对目标检测概率.数值仿真和实测数据处理结果表明:相对S3PM方法和OTA方法,在两者失效的情况下可有效实现对目标检测和判决,对环境适应性提高了近3 dB;有效降低了背景噪声对目标检测性能的影响,提高了目标检测的环境适应性.     

基于方位起伏方差的目标识别方法

根据潜艇目标亮点模型的方位起伏,提出了一种基于目标方位起伏方差的目标识别方法.给出了具体的实现方案和相应的仿真结果.仿真结果表明,按照该方案设计的目标识别系统,只要根据试验修正判决门限的设定,就可以使鱼雷准确地识别真假目标.     

一种改进的跳频信号信道化检测方法

在通信对抗中,对目标跳频信号进行有效检测是对该信号进行后续处理及实施干扰的前提,利用信道化检测方法实现对跳频信号的盲检测。侦察方作为通信非协作接收者,无法与目标信号发送端实现时间同步,导致信道化检测方法性能不佳,针对此问题,提出一种简单高效的判决门限改进算法。仿真结果表明:采用改进算法,虚警概率显著降低,在信噪比大于-2 dB时检测概率有一定的提高。最后给出了关于进一步提高信道化检测方法性能的几点策略。     

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.     

基于Neyman-Pearson准则的自适应门限干扰抑制算法

针对制约变换域通信系统抗干扰性能的门限抑制问题,提出了基于Neyman-Pearson准则的自适应门限干扰抑制算法。从硬件实现角度,通过干扰提取模块和自适应门限比较器,建立干扰抑制系统;根据环境频谱,基于高斯分布和N-sigma原理,确定初始门限和虚警概率;提出了基于Neyman-Pearson准则的自适应门限算法,在约束条件下保证检测概率最大化。仿真结果表明,该自适应门限算法能够有效抑制多音干扰和线性调频干扰,干扰的剔除效果较好;同时具有良好的检测性能,较传统的双门限检测概率提高约3.14%的性能增益。     

基于N-P准则的雷达网反隐身探测概率分析

提高雷达网的探测概率是改善雷达网反隐身性能的重要手段。在分析单部雷达探测概率的基础上,提出了一种基于Neyman-Pearson(N-P)准则的雷达网信号检测数据融合评估算法,算法利用数据融合原理构建了N-P探测模型,给出了基于迭代算法的最优检测概率和判决门限计算方法。仿真结果表明了系统反隐身的有效性和融合算法的优越性。     

基于聚类的ACM模型门限阈值的自适应算法

准确地设置门限阈值是有效提高ACM模型跟踪性能的关键。基于无监督聚类理论,提出一种根据目标机动情况自动确定聚类类别数,通过对实时数据聚类区分出目标做匀速或匀加速运动状态时刻的数据集。再通过加权求解类内样本点的标准差来确定ACM模型的门限阈值。该方法能够根据实时数据自适应的确定门限阈值,计算简便。仿真实验证明该方法能自动确定类别数且分类准确,对噪声标准差估计准确。     

DSFH系统的双信道接收平衡检测及判决结构设计

对偶序列跳频系统较传统跳频通信具有很强的抗综合干扰能力,基于实际情况中存在的接收结构双信道平衡问题,提出了AWGN环境下仿真模型的信道平衡检测方法,分析了在AWGN环境平衡信道下的误码率及非平衡信道下的门限调整,设计了动态门限的判决结构。由链路仿真结果表明：在无信号时能够检测双信道接收结构的平衡状态;当信噪比在-22 dB～-14 dB变化时,非平衡信道下判决结构的检测性能达到了平衡信道时的性能要求。     

基于投票分布积累的Hough变换航迹起始法?

针对密集杂波下匀加速运动的低可观测目标的航迹起始问题,提出了一种基于投票分布积累的Hough变换航迹起始法。该方法利用单元投票数以及该单元附近投票数的密集程度定义了投票密度和投票均值,构造了两级门限来滤除部分杂波,快速给出目标航迹参数在参数空间的大概位置,最后由直观法给出起始航迹的数目以及参数。仿真结果表明,该方法不仅能提高正确航迹起始概率、降低错误起始概率,而且所用时间短,尤其适用于复杂环境中的目标检测。     

基于交叉定位的声纳浮标阵被动检测预处理研究

交叉定位的精度直接决定着水下目标被动方法的检测性能,而目标数量的不确定性及其位置关系的复杂性将进一步影响交叉定位的精度。针对上述问题,提出了一种基于最小交叉定位方差的距离和方位数据互联算法。首先,分析了水下目标2种典型运动特点,分别构建了水下目标运动模型;其次,研究了声纳浮标阵型和交叉定位原理对定位精度的影响,构建了声纳浮标被动检测模型;最后,采用距离和方位数据关联方法,完成了水下目标被动检测前的预处理。仿真结果表明：在多目标航迹交叉、复杂噪声环境条件下,该算法整体性能优于典型的模糊聚类法和最近邻域法。     

一种基于关联脉冲对的动态直方图分选算法

针对现有分选算法在复杂电磁环境下准确性与效率降低的问题,提出了一种基于关联脉冲对的动态直方图分选方法。该方法首先对到达时间差进行固定箱长统计,将高于检测门限的相邻箱进行合并,得到动态直方图统计结果,估计出潜在PRI(pulse repetition interval)。对潜在PRI对应的关联脉冲对进行分析,剔除虚假PRI并估计出真实PRI的抖动量。最后,再依据PRI参数完成脉冲序列搜索,实现对雷达信号的分选。仿真实验表明,该方法在较低的到达时间差级数条件下,对多部复杂PRI调制信号的分选准确率达到95%,能够对复杂电磁环境下的雷达信号进行有效分选。     

水下无载波窄脉冲相关特征检测

广泛应用于超宽带雷达的无载波窄脉冲信号具有较高的距离和角度分辨率、超近程探测能力、便于目标识别、抑制混响起伏等独特优势.现将其应用于水下声纳系统,水下窄脉冲信号具有宽低频特性,从相关方法出发,讨论无载频窄脉冲对体目标信号的检测.根据窄脉冲信号脉宽内相关特征不变特性,体目标信号经过相关器和特征判决器,可明显减小虚峰出现的概率.数值模拟和实验均验证并证明单次检测即可检测到目标信号,精确检测峰值出现时间.     

改进推广卡尔曼滤波算法在目标跟踪中的运用

对推广卡尔曼滤波算法进行了改进,提出了运用自适应门限滤除不可信观测向量的方法。在复杂多变的电磁环境中,有效的剔除不可信观测向量和防止有用信息的丢失一直是一对矛盾。改进的算法通过新息序列方差的统计信息确定自适应门限,并且对观测向量的每一个元素分别进行判决。仿真结果证明,该算法能够在防止有用信息丢失的同时有效剔除不可信观测向量,进而减小导引头的滤波误差。     

SOJ与RGPO复合干扰下目标跟踪技术

SOJ干扰下目标检测概率降低,容易出现检测不到目标真实回波,如果此时再施放RGPO干扰,由于RGPO回波比目标回波幅度强,雷达更容易误将RGPO干扰回波当成真实目标的回波。针对上述特点,提出了采用检测门限自适应与卡方检验相结合的方法实现了对RGPO的鉴别,同时采用多假设跟踪实现了此种复合干扰下的目标跟踪方法。仿真实验表明,此方法具有较高的RGPO鉴别概率同时也可以较好地实现干扰下目标的跟踪,具有一定的实际工程意义。     

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。     

基于LAP的MHT算法在多目标跟踪中的应用

围绕弹道导弹多目标跟踪中的数据关联问题,分析了MHT算法的关联假设构建及概率计算的基本过程;而后为降低关联假设概率计算的复杂度,提出了基于线性分配方法(LAP)的MHT关联假设构建方法;仿真表明基于LAP的MHT算法对邻近发射和轨迹交叉的多弹道导弹目标具有较好的跟踪能力,进一步通过设置距离门限,该算法对变加速度的弹道导弹目标亦具有良好的跟踪能力。     

基于邻域灰度分布的IR弱小目标检测

图像中邻域内灰度起伏程度越大 ,各点灰度值占邻域内总灰度值的比率的平方和越大 ,由此提出了一种基于邻域灰度分布的弱小目标检测方法。同时考虑到复杂自然背景 ,特别是背景中含有大量边缘和高频点的情况 ,提出了目标检测的改进方法。最后 ,利用邻域判决法实现运动目标的进一步分离。实验表明该方法能够极大地减少候选目标点数 ,准确有效地检测复杂自然背景中的红外运动弱小目标 ,适合于实时和多目标的检测     

基于分形相关盒维数的分步合作频谱感知方法

提出一种基于分形相关盒维数的分步合作频谱感知方法,通过对信号进行自相关运算,然后求取其盒维数值,利用恒虚警检测得到判决门限进行判决,在所有认知用户中随机选择参与运算的认知用户,并反馈有益信息。仿真结果表明,该方法在保证检测准确率的同时,降低了认知系统合作频谱感知所带来的额外开销和频谱检测时长,减轻合作控制中心的负荷,整体上提高了认知系统的检测性能。     

基于关联度的多目标同一性识别

针对分布式多站探测系统在跟踪多目标过程中所面临的测量数据组合模糊问题,提出了基于关联度的多站多目标两级同一性识别方法。首先根据主站测量数据建立判决门限,对系统的多目标测量数据进行一次预关联,之后建立关联函数计算预关联后各测量数据组合的关联度,进行细关联,最后依据最大关联度准则获取最优的关联组合。仿真试验表明,在考虑系统误差、目标小间距编队、精确测量信息缺失的情况下,该方法实现了很高的正确识别概率,具有较高工程应用价值。     

混响背景下基于高阶统计量的动目标检测方法

针对混响背景中的动目标检测问题,根据基阵接收数据经过波束形成与匹配滤波后的输出结果计算高阶统计量,并将其视作观测空间。基于此空间中混响和目标回波的差异,利用多ping的高阶统计量构造特征向量,计算特征向量之间的马氏距离作为混响和目标差异的量化标准,再依据最大一致条件功效检测准则选择门限检测方法。波形数据仿真与海上实录数据检验均表明该方法的检测性能优于单ping波束形成及匹配滤波方法。通过蒙特卡洛仿真获得不同信混比下的ROC曲线,与单ping检测相比,在保证虚警概率小于0.01,检测概率大于0.5的条件下,最小可检测信混比降低约6dB。