CN106932766A - 基于变参数广义结构的距离扩展目标自适应检测方法 - Google Patents
基于变参数广义结构的距离扩展目标自适应检测方法 Download PDFInfo
- Publication number
- CN106932766A CN106932766A CN201710284894.5A CN201710284894A CN106932766A CN 106932766 A CN106932766 A CN 106932766A CN 201710284894 A CN201710284894 A CN 201710284894A CN 106932766 A CN106932766 A CN 106932766A
- Authority
- CN
- China
- Prior art keywords
- covariance matrix
- clutter
- gaussian
- extension target
- range extension
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于变参数广义结构的距离扩展目标自适应检测方法,属于雷达信号处理领域。针对现有协方差矩阵估计方法和自适应距离扩展检测器均难以适应过渡杂波环境的问题,合理利用杂波非高斯特征信息,构建了统一的协方差矩阵融合估计框架,基于特定杂波环境下现有最优距离扩展目标检测统计量的共性特征,采用乘积形式融合构建距离扩展目标自适应检测器,通过单一参数实现了过渡杂波环境下距离扩展目标检测器设计与相应杂波协方差矩阵估计方法的同步控制,使检测器结构和相应的杂波协方差矩阵估计方法相匹配,参数设置简洁,能有效提升宽带雷达在复杂杂波环境下的检测性能,具有推广应用价值。
Description
技术领域
本发明隶属于雷达信号处理领域,具体涉及一种基于变参数广义结构的距离扩展目标自适应检测方法。
背景技术
与传统低分辨率窄带雷达相比,宽带雷达具有更大的带宽和更高的距离分辨率,在抗干扰、反侦察、精确探测及成像、高精度跟踪、目标识别等方面具有明显的优势,在现代军事和民用领域获得了广泛的重视和应用,已经成为现代雷达发展的一个重要方向。传统窄带雷达由于距离分辨率低,其距离分辨单元远大于常见目标的几何尺寸,目标回波信号只占据一个距离分辨单元,实际目标常被作为“点目标”进行处理。与窄带雷达的“点目标”不同,常见宽带雷达目标的回波信号不仅仅只占据一个距离分辨单元,而是分布在不同的径向距离分辨单元中,呈现为“一维距离像”,形成“距离扩展目标”。随着宽带雷达的广泛应用,距离扩展目标检测问题正受到越来越多的关注,成为近年来雷达信号处理界的热点和难点问题之一。
一方面,由于宽带雷达观测到的目标回波分布在多个径向距离单元上,若仍采用常规窄带雷达的点目标检测方法,针对单个距离单元对回波信号进行目标检测,并利用邻近的距离单元采样进行背景杂波统计特性估计,则距离扩展目标强散射点的能量会泄漏到邻近距离单元中形成“信号污染”现象,并进一步对待检测点目标构成遮蔽效应,导致无法检测到点目标,由于未能充分利用分布在多个距离单元中目标回波的全部能量,这不但不能体现宽带雷达的优势,反而会降低对距离扩展目标的检测能力。另一方面,实际应用中常常利用与被检测单元邻近的纯杂波辅助数据,对未知杂波协方差矩阵进行估计,而杂波的统计特性与雷达掠地角密切相关,其非高斯特性随着掠地角的减小而增强。在掠地角较大的情况下,杂波统计特性服从高斯分布,此时基于辅助数据的高斯杂波协方差矩阵最大似然估计为经典的采样协方差矩阵,以两步法广义似然比检验准则为基础,相应的最优距离扩展目标自适应检测器具有广义自适应匹配滤波器的结构。随着雷达掠地角的减小,背景杂波呈现出较强的非均匀、非高斯特性,此时可用复合高斯分布进行建模,即杂波可表示为时空慢变的非负纹理分量与时空快变的复高斯散斑分量之乘积。其中,纹理分量用于描述不同距离单元杂波功率水平的起伏,而散斑分量用于描述杂波多维回波信号内部的相关性。与高斯背景不同,基于辅助数据的复合高斯杂波协方差矩阵结构最大似然估计没有闭型表达式,且涉及到超越方程的求解,现有归一化采样协方差矩阵、近似最大似然估计矩阵等均为次优估计方法,以两步法广义似然比检验准则为基础,相应的最优距离扩展目标自适应检测器具有广义自适应积累检测器的形式。
虽然针对高斯和复合高斯杂波背景下的距离扩展目标检测问题,存在最优或次优的杂波协方差矩阵估计方法和相应的自适应检测器结构,但实际杂波的非高斯特性往往在时间和空间上随环境的改变而渐进变化,上述特定杂波背景下的最优或次优杂波协方差矩阵估计方法和相应的检测器难以适应杂波环境的快速变化,导致相应的检测性能和恒虚警率(CFAR)特性恶化。针对实际环境中杂波非高斯程度的时空渐变性,在协方差矩阵估计和自适应检测器结构设计过程中,既要考虑极端的高斯和复合高斯杂波环境,也要兼顾介于高斯和复合高斯二者之间的过渡杂波环境。如何设计合适的杂波协方差矩阵估计方法,通过充分考虑过渡杂波环境的特点,使自适应检测器结构设计和相应的杂波协方差矩阵估计方法相匹配,是提高宽带雷达在复杂杂波环境下检测性能的关键。
发明内容
目前采样协方差矩阵估计方法只考虑了高斯杂波背景,而归一化采样协方差矩阵或近似最大似然估计方法也只考虑了复合高斯背景,针对过渡杂波环境下的距离扩展目标自适应检测问题,这些协方差矩阵估计方法均只考虑了高斯或复合高斯的单种特定情况,且采样协方差矩阵估计方法只与高斯背景下的广义自适应匹配滤波器相匹配,而归一化采样协方差矩阵或近似最大似然估计方法也只与复合高斯背景下的广义自适应积累检测器相匹配,即现有协方差矩阵估计方法和自适应距离扩展检测器均难以适应过渡杂波环境的特点。针对实际环境中杂波非高斯程度的时空渐变性,如何在距离扩展目标自适应检测器结构设计和相应的杂波协方差矩阵估计方法中同步考虑过渡杂波环境的特点,使检测器结构和相应的杂波协方差矩阵估计方法相匹配,且需能同时兼顾高斯和复合高斯等特殊环境下的宽带雷达目标检测需求。
本发明所述基于变参数广义结构的距离扩展目标自适应检测方法包括以下技术措施:
步骤1从L个待检测距离单元获取待检测数据向量,从与被检测单元邻近的R个无目标距离单元获取纯杂波辅助数据,并利用辅助数据向量计算未知协方差矩阵的融合估计值通过调整参数α涵盖现有的采样协方差矩阵、归一化采样协方差矩阵、近似最大似然估计矩阵等特定杂波背景下最优或次优估计方法,使得协方差矩阵估计结果自适应于过渡杂波环境的非高斯程度的变化;具体步骤包括:
由L个待检测距离单元回波复幅值构成L个待检测数据向量zt,t=1,2,…,L,其中,L为大于1的自然数,以待检测距离单元为中心,在其前后分别连续取一定数量的不包含目标的距离单元回波复幅值,构成R个纯杂波辅助数据向量xm,m=1,2,…,R,其中,zt和xm均为N×1维的向量,N表示雷达接收阵元数与相干处理脉冲数的乘积;
未知协方差矩阵的融合估计值其中通过如下的迭代过程实现
上式中,上标H表示矩阵的共轭转置运算,上标-1表示矩阵的求逆运算,k=0,1,...,K-1;K表示最终的迭代次数,根据协方差矩阵估计精度要求和运算量要求进行设置,若协方差矩阵估计精度要求较高,则K取较大值,若要求运算量较小,则K取较小值;表示给定参数α时的第k次迭代估计矩阵;为增强估计过程的普适性,式(1)的初始化矩阵采用单位阵,而最终的迭代结果为未知协方差矩阵的融合估计值参数α满足0≤α≤1,且根据实际杂波的非高斯程度设定,增强了后续检测器的泛化能力,其中杂波的非高斯程度越大,则α的取值越大;当α=0时等价于采样协方差矩阵;当α=1时等价于近似最大似然估计矩阵;当α=1且K=1时等价于归一化采样协方差矩阵;
步骤2基于未知协方差矩阵的融合估计值通过乘积形式融合广义自适应匹配滤波器和广义自适应积累检测器在检测统计量上的共性部分,构建基于变参数广义结构的距离扩展目标自适应检测统计量λα,通过单一参数α对自适应距离扩展目标检测器结构及相应杂波协方差矩阵估计实现同步调整,使得距离扩展目标检测器结构自适应于过渡杂波环境的非高斯程度的变化;
其中,利用未知协方差矩阵的融合估计值和L个待检测数据向量zt,t=1,2,…,L,基于变参数广义结构的距离扩展目标自适应检测统计量λα表示为
上式中,p表示已知的空时导向矢量,是一个N×1维的单位向量,根据雷达***工作参数确定;式(2)与式(1)中参数α实现同步调整,使检测统计量自适应于过渡杂波环境的非高斯程度,能涵盖现有高斯和复合高斯杂波背景下的最优或次优检测器;当α=0时,式(2)的检测统计量λα等价于基于采样协方差矩阵的广义自适应匹配滤波器,能获得高斯杂波背景下的最优检测性能;当α=1时,式(2)的检测统计量λα等价于基于近似最大似然估计矩阵的广义自适应积累检测器,适合于非高斯性较强的复合高斯背景下距离扩展目标自适应检测,且能根据协方差矩阵估计精度要求和运算量要求调整最终迭代次数K;
步骤3为保持检测方法的恒虚警率特性,根据预设的虚警概率设置检测门限T;将待检测数据向量zt,t=1,2,…,L的自适应检测统计量λα与门限T进行比较,若λα≥T,则判定L个待检测距离单元存在距离扩展目标,回波向量zt,t=1,2,…,L不作为其他距离单元的辅助数据;反之若λα<T,则判定L个待检测距离单元不存在距离扩展目标,回波向量zt,t=1,2,…,L作为后续其他距离单元的辅助数据。
与背景技术相比,本发明的有益效果是:1)通过统一的协方差矩阵融合估计框架,使得协方差矩阵估计自适应于过渡杂波环境的非高斯程度,能涵盖现有的采样协方差矩阵、归一化采样协方差矩阵、近似最大似然估计矩阵等特定杂波背景下最优或次优估计方法,且能通过调整最终迭代次数使协方差矩阵估计精度与运算量要求之间达到优化平衡;2)针对实际环境中杂波非高斯程度的时空渐变性,合理利用杂波非高斯特征信息,基于特定杂波环境下现有最优检测统计量的共性特征,采用简洁的乘积形式融合构建距离扩展目标自适应检测器,通过单一参数实现了过渡杂波环境下距离扩展目标检测器设计与相应杂波协方差矩阵估计方法的同步控制,参数设置简洁有效;3)所提出的距离扩展目标检测器结构能兼容并涵盖高斯和复合高斯等特定杂波背景下最优或次优杂波协方差矩阵估计方法及相应的距离扩展目标检测器,且能适应于高斯和复合高斯二者之间的过渡杂波环境,体现了对实际杂波非高斯程度时空渐变性的自适应性能,具有很强的泛化能力,能有效提升宽带雷达在复杂杂波环境下的检测性能。
附图说明
图1是本发明所提出的基于变参数广义结构的距离扩展目标自适应检测方法的功能模块图。图1中,1.协方差矩阵融合估计模块,2.距离扩展目标融合检测器构建模块,3.检测判决模块。
具体实施方式
下面结合附图对本发明作进一步描述。本发明实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明做出的任何修改和改变,都落入本发明的保护范围。
参照说明书附图1,本发明的具体实施方式分为以下几个步骤:
步骤1通过对待检测区域周围的无目标范围进行雷达照射,获得与待检测单元邻近的不包含目标的纯杂波辅助数据,构成R个辅助数据向量xm,m=1,2,…,R,其中,xm,m=1,2,…,R为N×1维的向量,N表示雷达接收阵元数与相干处理脉冲数的乘积;并将参考数据向量送至协方差矩阵融合估计模块(1),根据式(1)计算未知协方差矩阵的融合估计值并将送至距离扩展目标融合检测器构建模块(2);
值得注意的是,当α=0,根据式(1)计算的未知协方差矩阵的融合估计值表示为
由式(3)可知,当α=0时融合估计值恰好为采样协方差矩阵,说明采样协方差矩阵为融合估计值在α=0时的特例,显示了式(1)所示的融合估计过程具有很强的普适性;
而当α=1时,式(1)表示的迭代过程简化为
由式(4)可知,当α=1时融合估计值的迭代过程与近似最大似然估计矩阵的迭代过程完全一致,说明近似最大似然估计矩阵为融合估计值在α=1时的特例,进一步显示了式(1)所示的融合估计过程具有很强的普适性;
特别当α=1且K=1时,根据式(1)计算的未知协方差矩阵的融合估计值表示为
由式(5)可知,当α=1且K=1时融合估计值恰好为归一化采样协方差矩阵,说明归一化采样协方差矩阵为融合估计值在α=1且K=1时的特例,显示了式(1)所示的融合估计过程具有很强的普适性;
式(1)中的最终迭代次数K可根据协方差矩阵估计精度要求和运算量要求进行调整,若协方差矩阵估计精度要求较高,则K取较大值,若要求运算量较小,则K取较小值;对于非高斯杂波环境,当K≥3时,融合估计值能获得较好的估计精度,综合考虑算法运算量和检测器设计对协方差矩阵估计精度的要求,取K=3的迭代结果作为未知协方差矩阵的融合估计值;
综合来看,本发明中协方差矩阵的融合估计方法能通过统一的协方差矩阵融合估计框架,涵盖现有的采样协方差矩阵、归一化采样协方差矩阵、近似最大似然估计矩阵等特定杂波背景下最优或次优估计方法,且能通过调整最终迭代次数使协方差矩阵估计精度与运算量要求之间达到优化平衡;
步骤2由L个待检测距离单元回波复幅值构成L个待检测数据向量zt,t=1,2,…,L,并将待检测数据向量送至距离扩展目标融合检测器构建模块(2);在距离扩展目标融合检测器构建模块(2)中,依据式(2)计算基于变参数广义结构的距离扩展目标自适应检测统计量λα,并根据实际杂波的非高斯程度设定比例因子α,杂波的非高斯程度越大,则α的取值越大;将λα送至检测判决模块(3);
值得注意的是,当背景杂波分布的高斯性较强时,α的取值较小,在极端的高斯背景下,取α=0,此时由式(1)计算的融合估计值为采样协方差矩阵,而由式(2)计算的检测统计量λα等价于基于采样协方差矩阵的广义自适应匹配滤波器,能获得高斯杂波背景下的最优检测性能,说明基于采样协方差矩阵的广义自适应匹配滤波器为本发明所提出的检测方法在α=0时的特例;而当背景杂波分布的非高斯性较强时,α的取值较大,在极端的复合高斯分布的非高斯背景下,取α=1,此时由式(1)计算的融合估计值为近似最大似然估计矩阵,而由式(2)计算的检测统计量λα等价于基于近似最大似然估计矩阵的广义自适应积累检测器,说明广义自适应积累检测器为本发明所提出的检测方法在α=1时的特例;
综上所述,本发明所提出的检测方法能针对实际环境中杂波非高斯程度的时空渐变性,合理利用杂波非高斯特征信息,基于特定杂波环境下现有最优检测统计量的共性特征,采用简洁的乘积形式融合构建距离扩展目标自适应检测器,通过单一参数实现了过渡杂波环境下距离扩展目标检测器设计与相应杂波协方差矩阵估计方法的同步控制,且能根据实际杂波分布的非高斯程度自适应调整参数,使距离扩展目标检测器结构和杂波协方差矩阵估计方法同时适应于实际杂波环境的变化,具有很强的泛化能力;另外,所提出的距离扩展目标检测器结构能兼容并涵盖高斯和复合高斯等特定杂波背景下最优或次优杂波协方差矩阵估计方法及相应的距离扩展目标检测器,且能适应于高斯和复合高斯二者之间的过渡杂波环境,体现了对实际杂波非高斯程度时空渐变性的自适应性能,能有效提升宽带雷达在复杂杂波环境下的检测性能;
步骤3在检测判决模块(3)中进行距离扩展目标检测判决并输出检测结果,为保持检测方法的恒虚警率特性,根据预设的虚警概率设置检测门限T;将待检测数据向量zt,t=1,2,…,L的自适应检测统计量λα与门限T进行比较,若λα≥T,则判定L个待检测距离单元存在距离扩展目标,回波向量zt,t=1,2,…,L不作为其他距离单元的辅助数据;反之若λα<T,则判定L个待检测距离单元不存在距离扩展目标,回波向量zt,t=1,2,…,L作为后续其他距离单元的辅助数据。
Claims (3)
1.基于变参数广义结构的距离扩展目标自适应检测方法,其特征在于,包括以下步骤:
步骤1从L个待检测距离单元获取待检测数据向量,从与被检测单元邻近的R个无目标距离单元获取纯杂波辅助数据,并利用辅助数据向量计算未知协方差矩阵的融合估计值通过调整参数α涵盖现有的采样协方差矩阵、归一化采样协方差矩阵、近似最大似然估计矩阵等特定杂波背景下最优或次优估计方法,使得协方差矩阵估计结果自适应于过渡杂波环境的非高斯程度的变化;
步骤2基于未知协方差矩阵的融合估计值通过乘积形式融合广义自适应匹配滤波器和广义自适应积累检测器在检测统计量上的共性部分,构建基于变参数广义结构的距离扩展目标自适应检测统计量λα,通过单一参数α对自适应距离扩展目标检测器结构及相应杂波协方差矩阵估计实现同步调整,使得距离扩展目标检测器结构自适应于过渡杂波环境的非高斯程度的变化;
步骤3为保持检测方法的恒虚警率特性,根据预设的虚警概率设置检测门限T;将待检测数据向量zt,t=1,2,…,L的自适应检测统计量λα与门限T进行比较,若λα≥T,则判定L个待检测距离单元存在距离扩展目标,回波向量zt,t=1,2,…,L不作为其他距离单元的辅助数据;反之若λα<T,则判定L个待检测距离单元不存在距离扩展目标,回波向量zt,t=1,2,…,L作为后续其他距离单元的辅助数据。
2.根据权利要求1所述的基于变参数广义结构的距离扩展目标自适应检测方法,其特征在于,所述步骤1具体为:
由L个待检测距离单元回波复幅值构成L个待检测数据向量zt,t=1,2,…,L,其中,L为大于1的自然数,以待检测距离单元为中心,在其前后分别连续取一定数量的不包含目标的距离单元回波复幅值,构成R个纯杂波辅助数据向量xm,m=1,2,…,R,其中,zt和xm均为N×1维的向量,N表示雷达接收阵元数与相干处理脉冲数的乘积;
未知协方差矩阵的融合估计值其中通过如下的迭代过程实现
上式中,上标H表示矩阵的共轭转置运算,上标-1表示矩阵的求逆运算,k=0,1,...,K-1;K表示最终的迭代次数,根据协方差矩阵估计精度要求和运算量要求进行设置,若协方差矩阵估计精度要求较高,则K取较大值,若要求运算量较小,则K取较小值;表示给定参数α时的第k次迭代估计矩阵;为增强估计过程的普适性,式(1)的初始化矩阵采用单位阵,而最终的迭代结果为未知协方差矩阵的融合估计值参数α满足0≤α≤1,且根据实际杂波的非高斯程度设定,增强了后续检测器的泛化能力,其中杂波的非高斯程度越大,则α的取值越大;当α=0时等价于采样协方差矩阵;当α=1时等价于近似最大似然估计矩阵;当α=1且K=1时等价于归一化采样协方差矩阵。
3.根据权利要求1所述的基于变参数广义结构的距离扩展目标自适应检测方法,其特征在于,所述步骤2具体为:
利用未知协方差矩阵的融合估计值和L个待检测数据向量zt,t=1,2,…,L,基于变参数广义结构的距离扩展目标自适应检测统计量λα表示为
上式中,p表示已知的空时导向矢量,是一个N×1维的单位向量,根据雷达***工作参数确定;式(2)与式(1)中参数α实现同步调整,使检测统计量自适应于过渡杂波环境的非高斯程度,能涵盖现有高斯和复合高斯杂波背景下的最优或次优检测器;当α=0时,式(2)的检测统计量λα等价于基于采样协方差矩阵的广义自适应匹配滤波器,能获得高斯杂波背景下的最优检测性能;当α=1时,式(2)的检测统计量λα等价于基于近似最大似然估计矩阵的广义自适应积累检测器,适合于非高斯性较强的复合高斯背景下距离扩展目标自适应检测,且能根据协方差矩阵估计精度要求和运算量要求调整最终迭代次数K。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710284894.5A CN106932766B (zh) | 2017-04-27 | 2017-04-27 | 基于变参数广义结构的距离扩展目标自适应检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710284894.5A CN106932766B (zh) | 2017-04-27 | 2017-04-27 | 基于变参数广义结构的距离扩展目标自适应检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106932766A true CN106932766A (zh) | 2017-07-07 |
CN106932766B CN106932766B (zh) | 2019-07-09 |
Family
ID=59438060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710284894.5A Active CN106932766B (zh) | 2017-04-27 | 2017-04-27 | 基于变参数广义结构的距离扩展目标自适应检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106932766B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108919225A (zh) * | 2018-07-26 | 2018-11-30 | 中国人民解放军海军航空大学 | 部分均匀环境下距离扩展目标多通道融合检测方法 |
CN108919224A (zh) * | 2018-07-26 | 2018-11-30 | 中国人民解放军海军航空大学 | 基于斜对称结构的宽带雷达目标自适应融合检测方法 |
CN109541577A (zh) * | 2018-12-13 | 2019-03-29 | 中国人民解放军空军预警学院 | 一种部分均匀环境中未知干扰下的自适应子空间检测器 |
CN110412553A (zh) * | 2019-07-26 | 2019-11-05 | 中国人民解放军国防科技大学 | 一种多径情况下的导向矢量检测方法 |
CN111999714A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于多散射点估计和杂波知识辅助的自适应融合检测方法 |
CN111999718A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于几何平均估计的知识辅助自适应融合检测方法 |
CN111999716A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于杂波先验信息的目标自适应融合检测方法 |
CN111999715A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 异质杂波下目标知识辅助自适应融合检测方法 |
CN111999717A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于协方差矩阵结构统计估计的自适应融合检测方法 |
CN112014823A (zh) * | 2020-09-02 | 2020-12-01 | 中国人民解放军海军航空大学 | 基于目标幅度综合估计的自适应融合检测方法 |
CN113191447A (zh) * | 2021-05-17 | 2021-07-30 | 电子科技大学 | 一种未知目标判别中的样本分布结构图特征提取方法 |
CN113267758A (zh) * | 2021-07-16 | 2021-08-17 | 中国人民解放军空军预警学院 | 一种复合高斯环境下存在干扰时的目标检测方法与*** |
CN113296074A (zh) * | 2021-07-28 | 2021-08-24 | 成都远望探测技术有限公司 | 一种基于气象雷达多层cappi的光流法外推方法 |
CN115236598A (zh) * | 2022-05-11 | 2022-10-25 | 西安电子科技大学 | 一种基于极化雷达的子空间距离扩展目标检测方法 |
CN115902810A (zh) * | 2022-12-29 | 2023-04-04 | 中国人民解放军空军预警学院 | 非均匀环境中分布式无人机载雷达扩展目标检测器与*** |
CN116047462A (zh) * | 2023-03-31 | 2023-05-02 | 中国人民解放军空军预警学院 | 端射阵机载雷达最优阵元数目和阵元间距选取方法与装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102520400A (zh) * | 2011-12-16 | 2012-06-27 | 河海大学 | 非高斯杂波环境下的mimo雷达目标检测的仿真方法 |
CN103033815A (zh) * | 2012-12-19 | 2013-04-10 | 中国科学院声学研究所 | 基于混响协方差矩阵的距离扩展目标的检测方法和装置 |
CN103544296A (zh) * | 2013-10-22 | 2014-01-29 | 中国人民解放军海军航空工程学院 | 雷达距离扩展目标自适应智能融合检测方法 |
CN105425230A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 逆高斯纹理复合高斯杂波下距离扩展目标自适应检测方法 |
-
2017
- 2017-04-27 CN CN201710284894.5A patent/CN106932766B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102520400A (zh) * | 2011-12-16 | 2012-06-27 | 河海大学 | 非高斯杂波环境下的mimo雷达目标检测的仿真方法 |
CN102520400B (zh) * | 2011-12-16 | 2013-10-30 | 河海大学 | 非高斯杂波环境下的mimo雷达目标检测的仿真方法 |
CN103033815A (zh) * | 2012-12-19 | 2013-04-10 | 中国科学院声学研究所 | 基于混响协方差矩阵的距离扩展目标的检测方法和装置 |
CN103544296A (zh) * | 2013-10-22 | 2014-01-29 | 中国人民解放军海军航空工程学院 | 雷达距离扩展目标自适应智能融合检测方法 |
CN103544296B (zh) * | 2013-10-22 | 2017-02-15 | 中国人民解放军海军航空工程学院 | 雷达距离扩展目标自适应智能融合检测方法 |
CN105425230A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 逆高斯纹理复合高斯杂波下距离扩展目标自适应检测方法 |
Non-Patent Citations (1)
Title |
---|
许述文等: "一种提高距离扩展目标检测性能的新方法", 《西安电子科技大学学报(自然科学版)》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108919224A (zh) * | 2018-07-26 | 2018-11-30 | 中国人民解放军海军航空大学 | 基于斜对称结构的宽带雷达目标自适应融合检测方法 |
CN108919225B (zh) * | 2018-07-26 | 2020-06-30 | 中国人民解放军海军航空大学 | 部分均匀环境下距离扩展目标多通道融合检测方法 |
CN108919225A (zh) * | 2018-07-26 | 2018-11-30 | 中国人民解放军海军航空大学 | 部分均匀环境下距离扩展目标多通道融合检测方法 |
CN109541577B (zh) * | 2018-12-13 | 2022-07-05 | 中国人民解放军空军预警学院 | 一种部分均匀环境中未知干扰下的自适应子空间检测器 |
CN109541577A (zh) * | 2018-12-13 | 2019-03-29 | 中国人民解放军空军预警学院 | 一种部分均匀环境中未知干扰下的自适应子空间检测器 |
CN110412553A (zh) * | 2019-07-26 | 2019-11-05 | 中国人民解放军国防科技大学 | 一种多径情况下的导向矢量检测方法 |
CN111999718A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于几何平均估计的知识辅助自适应融合检测方法 |
CN111999716A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于杂波先验信息的目标自适应融合检测方法 |
CN111999715A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 异质杂波下目标知识辅助自适应融合检测方法 |
CN111999717A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于协方差矩阵结构统计估计的自适应融合检测方法 |
CN112014823A (zh) * | 2020-09-02 | 2020-12-01 | 中国人民解放军海军航空大学 | 基于目标幅度综合估计的自适应融合检测方法 |
CN111999716B (zh) * | 2020-09-02 | 2022-03-29 | 中国人民解放军海军航空大学 | 基于杂波先验信息的目标自适应融合检测方法 |
CN111999714A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于多散射点估计和杂波知识辅助的自适应融合检测方法 |
CN111999715B (zh) * | 2020-09-02 | 2022-04-01 | 中国人民解放军海军航空大学 | 异质杂波下目标知识辅助自适应融合检测方法 |
CN111999714B (zh) * | 2020-09-02 | 2022-04-01 | 中国人民解放军海军航空大学 | 基于多散射点估计和杂波知识辅助的自适应融合检测方法 |
CN113191447B (zh) * | 2021-05-17 | 2022-05-24 | 电子科技大学 | 一种未知目标判别中的样本分布结构图特征提取方法 |
CN113191447A (zh) * | 2021-05-17 | 2021-07-30 | 电子科技大学 | 一种未知目标判别中的样本分布结构图特征提取方法 |
CN113267758B (zh) * | 2021-07-16 | 2021-09-24 | 中国人民解放军空军预警学院 | 一种复合高斯环境下存在干扰时的目标检测方法与*** |
CN113267758A (zh) * | 2021-07-16 | 2021-08-17 | 中国人民解放军空军预警学院 | 一种复合高斯环境下存在干扰时的目标检测方法与*** |
CN113296074A (zh) * | 2021-07-28 | 2021-08-24 | 成都远望探测技术有限公司 | 一种基于气象雷达多层cappi的光流法外推方法 |
CN115236598A (zh) * | 2022-05-11 | 2022-10-25 | 西安电子科技大学 | 一种基于极化雷达的子空间距离扩展目标检测方法 |
CN115902810A (zh) * | 2022-12-29 | 2023-04-04 | 中国人民解放军空军预警学院 | 非均匀环境中分布式无人机载雷达扩展目标检测器与*** |
CN115902810B (zh) * | 2022-12-29 | 2024-04-19 | 中国人民解放军空军预警学院 | 非均匀环境中分布式无人机载雷达扩展目标检测器与*** |
CN116047462A (zh) * | 2023-03-31 | 2023-05-02 | 中国人民解放军空军预警学院 | 端射阵机载雷达最优阵元数目和阵元间距选取方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106932766B (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106932766A (zh) | 基于变参数广义结构的距离扩展目标自适应检测方法 | |
CN107102302A (zh) | 基于非高斯参数的雷达目标融合检测方法 | |
CN106872958A (zh) | 基于线性融合的雷达目标自适应检测方法 | |
Shang et al. | Radar detection based on compound-Gaussian model with inverse gamma texture | |
Fawcett | Effect of course maneuvers on bearings-only range estimation | |
Kirubarajan et al. | Bearings-only tracking of maneuvering targets using a batch-recursive estimator | |
Jwo et al. | Navigation integration using the fuzzy strong tracking unscented Kalman filter | |
CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN108919224A (zh) | 基于斜对称结构的宽带雷达目标自适应融合检测方法 | |
CN109143195A (zh) | 一种基于全kl散度的雷达目标检测方法 | |
CN107942324A (zh) | 基于多普勒引导的多帧联合小目标双重检测方法 | |
CN106950546B (zh) | 基于马氏距离重加权的非均匀杂波抑制方法 | |
CN107479050A (zh) | 基于对称谱特性和次对称特性的目标检测方法和装置 | |
Luo et al. | A space-frequency joint detection and tracking method for line-spectrum components of underwater acoustic signals | |
Yavuz | Radar target detection with CNN | |
CN105866748B (zh) | 一种基于检测先验的固定窗长恒虚警检测方法 | |
del-Rey-Maestre et al. | Artificial intelligence techniques for small boats detection in radar clutter. Real data validation | |
Wang et al. | A robust constant false alarm rate detector based on the Bayesian estimator for the non-homogeneous Weibull clutter in HFSWR | |
Wen et al. | Modeling of correlated complex sea clutter using unsupervised phase retrieval | |
CN102621535A (zh) | 一种高效的协方差矩阵结构估计方法 | |
CN112505665A (zh) | 适用于部分均匀混响环境的空时自适应检测方法及*** | |
Northrop et al. | Computationally efficient estimation of compound K-distribution sea clutter in thermal noise and its application to sea echo reflectivity observations | |
Lin et al. | Optimization of a multi-stage ATR system for small target identification | |
CN109285148A (zh) | 基于重加权低秩和增强稀疏的红外弱小目标检测方法 | |
Sun et al. | A weighted LS-SVM approach for the identification of a class of nonlinear inverse systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190606 Address after: 264001 scientific research office, two Road 188, Zhifu District, Yantai, Shandong Applicant after: Naval Aviation University of PLA Address before: 264001 scientific research department, 188 road two, Zhifu District, Yantai, Shandong Applicant before: Naval Aeronautical Engineering Institute PLA |
|
GR01 | Patent grant | ||
GR01 | Patent grant |