CN108919224A - 基于斜对称结构的宽带雷达目标自适应融合检测方法 - Google Patents
基于斜对称结构的宽带雷达目标自适应融合检测方法 Download PDFInfo
- Publication number
- CN108919224A CN108919224A CN201810836792.4A CN201810836792A CN108919224A CN 108919224 A CN108919224 A CN 108919224A CN 201810836792 A CN201810836792 A CN 201810836792A CN 108919224 A CN108919224 A CN 108919224A
- Authority
- CN
- China
- Prior art keywords
- target
- detection
- clutter
- skew symmetry
- distance unit
- 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
-
- 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斜对称结构的宽带雷达目标自适应融合检测方法,属于雷达信号处理领域。针对辅助数据缺失和采用空间对称线性阵列或固定相参脉冲重复间隔的宽带雷达体制,同时利用主数据和辅助数据中杂波协方差矩阵斜对称结构化信息估计杂波背景统计特征,基于一步法广义似然比检验准测融合所有待检测距离单元中目标散射点能量,最大限度利用主数据和辅助数据中杂波信息,设计了宽带目标斜对称结构化自适应检测器,推导了检测器的虚警概率和检测概率解析表达式,为检测器阈值设置和检测性能理论分析提供数学工具支撑,提高了辅助数据缺失环境下的距离扩展目标自适应检测性能,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,具体涉及一种基于斜对称结构的宽带雷达目标自适应融合检测方法。
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,其距离单元大小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单元,而是分布在不同的径向距离单元中,呈现为“一维距离像”,形成“距离扩展目标”。随着宽带技术在雷达领域的广泛应用,距离扩展目标自适应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。此时,若仍采用基于邻近参考单元估计未知杂波统计特性的传统点目标检测器,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,将极大降低目标检测性能,甚至出现检测器完全失效的情况。
为了实现对距离扩展目标的自适应恒虚警率(CFAR)检测,大部分检测方法均需要借助于辅助数据,对未知杂波协方差矩阵进行准确估计。辅助数据一般取自于与待检测距离单元空间邻近的距离单元,且不含目标信号,而只含有与待检测距离单元主数据独立同分布的杂波分量。然而,在实际雷达工作环境中,由于干扰目标、大的离散杂波、杂波边缘等导致的不同类型异常值“污染”,满足条件的辅助数据有时很难获取,常常会出现辅助数据缺失的情况。而对于空时自适应处理等自由度较高的应用场合,甚至会出现辅助数据严重缺失的情况,此时传统采样协方差矩阵估计可能会出现秩缺损,从而严重影响目标自适应检测性能。与点目标相比,距离扩展目标的空间跨度更大,出现辅助数据缺失的可能性更大、缺失程度也更为严重。
作为缓解自适应检测中辅助数据需求量的重要手段之一,充分利用杂波谱结构化特征可有效提高检测性能。当雷达采用空间对称线性阵列或固定相参脉冲重复间隔时,杂波回波的多维信号协方差矩阵具有双对称的结构:关于主对角线对称和关于次对角线对称(也简称为斜对称)。这一斜对称结构化信息为提高杂波协方差矩阵估计精度提供了可行途径,存在改善雷达目标自适应检测性能的潜在优势。当前,结构化检测器设计主要针对雷达经典点目标自适应检测开展,有关宽带雷达距离扩展目标结构化自适应检测器尚未见报道,但点目标检测器无法直接用于距离扩展目标自适应检测,如何基于杂波斜对称结构改善辅助数据缺失下的宽带雷达目标自适应检测性能,在充分利用杂波结构化信息的同时有效融合不同散射点特征信息,是一个急需解决的难题。
发明内容
1.要解决的技术问题
实际雷达工作环境中,由于不同类型异常值的“污染”,常常会出现辅助数据缺失的情况,而对宽带雷达目标检测来说,出现辅助数据缺失的可能性更大、程度也更为严重。针对辅助数据缺失和采用空间对称线性阵列或固定相参脉冲重复间隔的宽带雷达体制,如何充分挖掘杂波协方差矩阵结构化信息,最大限度利用主数据和辅助数据中杂波信息,有效融合目标散射点特征,设计宽带目标自适应检测器,保证检测器CFAR特性,推导出检测器的虚警和检测概率解析表达式,为检测器阈值设置和检测性能理论分析提供数学工具支撑,是本发明需要解决的技术问题。
2.技术方案
本发明所述基于斜对称结构的宽带雷达目标自适应融合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,从与待检测距离单元邻近的R个无目标距离单元获取纯杂波辅助数据,同时利用待检测数据和辅助数据中杂波斜对称结构化信息估计背景统计特征,通过融合多个待检测距离单元中的目标散射点信息,基于一步法广义似然比检验准测构建宽带雷达目标斜对称结构化自适应检测方法;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;
通过挖掘杂波协方差矩阵的斜对称结构化信息,同时利用主数据和辅助数据中的杂波数据估计杂波背景,基于一步法广义似然比检验准测,融合L个距离单元中目标散射点能量,构建的基于斜对称结构的宽带雷达目标自适应融合检测方法的检测统计量λ表示为
上式中,上标“H”和“-1”分别表示矩阵的共轭转置和求逆运算,p表示已知的N×1维单位导向矢量,I2L表示2L×2L维单位矩阵,Z=[ze1,…,zeL,zo1,…,zoL]和X=[xe1,…,xeR,xo1,…,xoR]分别表示N×2L维和N×2R维的矩阵,其中的向量zet、zot、xem和xom分别表示为
其中,JN表示次对角线元素全为1且其他元素全为0的N×N维矩阵,上标“*”表示矩阵的共轭运算;
步骤2针对基于斜对称结构的宽带雷达目标自适应融合检测方法,推导其虚警概率Pfa与检测阈值λ0的解析表达式,推导非起伏散射点目标的检测概率解析表达式;具体步骤包括:
基于斜对称结构的宽带雷达目标自适应融合检测方法的虚警概率Pfa与检测阈值λ0的解析表达式表示为
上式中,Γ(·)表示Gamma函数,V=2R-N+1,由式(4)可知,检测阈值λ0只与虚警概率Pfa有关,而与杂波参数无关,说明检测器具有恒虚警率特性;
对于非起伏散射点目标的检测概率解析表达式表示为
上式中,a表示距离扩展目标的输入信杂比,由多个距离单元的目标散射点平均能量与杂波平均功率之比决定;
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Pfa和式(4)设置检测门限λ0;将待检测数据向量zt,t=1,2,…,L的检测统计量λ与检测门限λ0进行比较,若λ≥λ0,则判定L个待检测距离单元存在宽带雷达目标,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λ<λ0,则判定L个待检测距离单元不存在宽带雷达目标,回波向量zt,t=1,2,…,L作为后续其他距离单元的辅助数据;根据式(5),评估不同检测器参数对基于斜对称结构的宽带雷达目标自适应融合检测方法的检测性能影响,为检测性能理论分析提供数学工具支撑,用于检测器参数的优化设计。
3.有益效果
与背景技术相比,本发明的有益效果是:1)针对辅助数据缺失的宽带雷达目标检测环境,同时利用主数据和辅助数据中杂波协方差矩阵斜对称结构化信息准确估计杂波背景统计特征,并基于一步法广义似然比检验准测融合所有待检测距离单元中目标散射点能量,提高了辅助数据缺失环境下的杂波协方差矩阵估计精度和距离扩展目标检测性能;2)推导了基于斜对称结构的宽带雷达目标自适应融合检测方法的虚警概率与检测阈值解析表达式,为恒虚警率处理的检测门限设置提供了数学依据,避免了使用蒙特卡罗方法确定阈值所导致的计算量过大的问题,且提高了阈值计算精度;3)推导了基于斜对称结构的宽带雷达目标自适应融合检测方法的检测概率解析表达式,为评估不同检测器参数对检测性能影响提供数学工具支撑,避免了使用蒙特卡罗方法确定检测概率所导致的计算量过大的问题,且提高了检测概率计算精度,有利于检测器参数的优化设计。
附图说明
图1是本发明所提出的基于斜对称结构的宽带雷达目标自适应融合检测方法的功能模块图。图1中,1.结构化自适应检测器构建模块,2.检测阈值计算模块,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,获得与待检测距离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,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和参考数据向量送至结构化自适应检测器构建模块(1);在结构化自适应检测器构建模块(1)中,依据式(1)计算基于斜对称结构的宽带雷达目标自适应融合检测方法的检测统计量λ,并将λ送至检测判决模块(3);
值得注意的是,式(1)所示的检测统计量针对辅助数据缺失的宽带雷达目标检测环境,同时利用主数据和辅助数据中杂波协方差矩阵斜对称结构化信息准确估计杂波背景统计特征,并基于一步法广义似然比检验准测融合所有待检测距离单元中目标散射点能量,提高了辅助数据缺失环境下的杂波协方差矩阵估计精度和距离扩展目标检测性能;另外,当距离扩展目标的待检测距离单元数L降为1时,式(1)所示的检测统计量还适用于经典点目标检测应用场合,基于一步法广义似然比检验的斜对称结构化自适应点目标检测器实际上是本发明所提检测方法的特例,说明本发明所提检测方法具有更大的适用范围和推广应用价值;
步骤2在检测阈值计算模块(2)中,根据预设的虚警概率Pfa和式(4)设置检测门限λ0;并将λ0送至检测判决模块(3);
值得注意的是,式(4)表明,检测阈值λ0只与虚警概率Pfa有关,而与杂波参数无关,这从理论上证明了本发明所提检测器的恒虚警率特性,即检测器能根据杂波环境的变化自适应调整检测阈值,保持恒定的虚警率;另外,在虚警概率Pfa给定后,检测阈值λ0由式(4)直接反解得到,避免了使用蒙特卡罗方法确定检测阈值所导致的计算量过大的问题,且能有效提高阈值计算精度;
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;将检测统计量λ与检测门限λ0进行比较,若λ≥λ0,则判定L个待检测距离单元存在宽带雷达目标,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λ<λ0,则判定L个待检测距离单元不存在宽带雷达目标,回波向量zt,t=1,2,…,L作为后续其他距离单元的辅助数据;根据式(5),评估不同检测器参数对检测性能影响,为检测性能理论分析提供数学工具支撑,用于检测器参数的优化设计;
值得注意的是,利用式(5)计算检测概率,可避免使用蒙特卡罗方法确定检测概率所导致的计算量过大的问题,且提高了检测概率计算精度,有利于检测器参数的优化设计。
Claims (3)
1.基于斜对称结构的宽带雷达目标自适应融合检测方法,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,从与待检测距离单元邻近的R个无目标距离单元获取纯杂波辅助数据,同时利用待检测数据和辅助数据中杂波斜对称结构化信息估计背景统计特征,通过融合多个待检测距离单元中的目标散射点信息,基于一步法广义似然比检验准测构建宽带雷达目标斜对称结构化自适应检测方法;
步骤2针对基于斜对称结构的宽带雷达目标自适应融合检测方法,推导其虚警概率Pfa与检测阈值λ0的解析表达式,推导非起伏散射点目标的检测概率解析表达式;
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Pfa,基于推导的虚警概率与检测阈值的解析表达式设置检测门限λ0;将待检测数据向量zt,t=1,2,…,L的检测统计量λ与检测门限λ0进行比较,若λ≥λ0,则判定L个待检测距离单元存在宽带雷达目标,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λ<λ0,则判定L个待检测距离单元不存在宽带雷达目标,回波向量zt,t=1,2,…,L作为后续其他距离单元的辅助数据;根据推导的检测概率解析表达式,评估不同检测器参数对基于斜对称结构的宽带雷达目标自适应融合检测方法的检测性能影响,为检测性能理论分析提供数学工具支撑,用于检测器参数的优化设计。
2.根据权利要求1所述的基于斜对称结构的宽带雷达目标自适应融合检测方法,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;
通过挖掘杂波协方差矩阵的斜对称结构化信息,同时利用主数据和辅助数据中的杂波数据估计杂波背景,基于一步法广义似然比检验准测,融合L个距离单元中目标散射点能量,构建的基于斜对称结构的宽带雷达目标自适应融合检测方法的检测统计量λ表示为
上式中,上标“H”和“-1”分别表示矩阵的共轭转置和求逆运算,p表示已知的N×1维单位导向矢量,I2L表示2L×2L维单位矩阵,Z=[ze1,…,zeL,zo1,…,zoL]和X=[xe1,…,xeR,xo1,…,xoR]分别表示N×2L维和N×2R维的矩阵,其中的向量zet、zot、xem和xom分别表示为
其中,JN表示次对角线元素全为1且其他元素全为0的N×N维矩阵,上标“*”表示矩阵的共轭运算。
3.根据权利要求1所述的基于斜对称结构的宽带雷达目标自适应融合检测方法,其特征在于,所述步骤2具体为:
基于斜对称结构的宽带雷达目标自适应融合检测方法的虚警概率Pfa与检测阈值λ0的解析表达式表示为
上式中,Γ(·)表示Gamma函数,V=2R-N+1,由式(4)可知,检测阈值λ0只与虚警概率Pfa有关,而与杂波参数无关,说明检测器具有恒虚警率特性;
对于非起伏散射点目标的检测概率解析表达式表示为
上式中,a表示距离扩展目标的输入信杂比,由多个距离单元的目标散射点平均能量与杂波平均功率之比决定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810836792.4A CN108919224B (zh) | 2018-07-26 | 2018-07-26 | 基于斜对称结构的宽带雷达目标自适应融合检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810836792.4A CN108919224B (zh) | 2018-07-26 | 2018-07-26 | 基于斜对称结构的宽带雷达目标自适应融合检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108919224A true CN108919224A (zh) | 2018-11-30 |
CN108919224B CN108919224B (zh) | 2020-06-30 |
Family
ID=64417263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810836792.4A Active CN108919224B (zh) | 2018-07-26 | 2018-07-26 | 基于斜对称结构的宽带雷达目标自适应融合检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108919224B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111308438A (zh) * | 2020-03-06 | 2020-06-19 | 中国人民解放军海军航空大学 | 一种回波数据散射特征提取方法及*** |
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 |
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 |
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 |
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 |
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 |
CN112904292A (zh) * | 2021-01-28 | 2021-06-04 | 北京理工大学重庆创新中心 | 基于重要性采样的宽带雷达检测门限确定及目标检测方法 |
CN115575946A (zh) * | 2022-10-20 | 2023-01-06 | 中国人民解放军海军航空大学 | 雷达目标斜对称子空间智能融合检测方法 |
CN112904292B (zh) * | 2021-01-28 | 2024-07-26 | 北京理工大学重庆创新中心 | 基于重要性采样的宽带雷达检测门限确定及目标检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6756935B1 (en) * | 2003-01-31 | 2004-06-29 | The Boeing Company | Full polarization ground moving target indicator radar automatic target detection algorithm |
JP3968370B2 (ja) * | 2004-07-13 | 2007-08-29 | 三星電子株式会社 | 直交信号を用いたレーダシステム |
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 |
CN104166128A (zh) * | 2014-08-06 | 2014-11-26 | 电子科技大学 | 基于广义似然比的多航过sar相干变化检测方法 |
CN106407677A (zh) * | 2016-09-09 | 2017-02-15 | 南京理工大学 | 一种测量数据丢失情况下的多目标跟踪方法 |
CN106872958A (zh) * | 2017-04-27 | 2017-06-20 | 中国人民解放军海军航空工程学院 | 基于线性融合的雷达目标自适应检测方法 |
CN106932766A (zh) * | 2017-04-27 | 2017-07-07 | 中国人民解放军海军航空工程学院 | 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) * | 2017-04-27 | 2017-08-29 | 中国人民解放军海军航空工程学院 | 基于非高斯参数的雷达目标融合检测方法 |
CN108318877A (zh) * | 2017-11-27 | 2018-07-24 | 西安电子科技大学 | 基于多基地雷达的杂波子空间下目标检测方法 |
-
2018
- 2018-07-26 CN CN201810836792.4A patent/CN108919224B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6756935B1 (en) * | 2003-01-31 | 2004-06-29 | The Boeing Company | Full polarization ground moving target indicator radar automatic target detection algorithm |
JP3968370B2 (ja) * | 2004-07-13 | 2007-08-29 | 三星電子株式会社 | 直交信号を用いたレーダシステム |
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 |
CN104166128A (zh) * | 2014-08-06 | 2014-11-26 | 电子科技大学 | 基于广义似然比的多航过sar相干变化检测方法 |
CN106407677A (zh) * | 2016-09-09 | 2017-02-15 | 南京理工大学 | 一种测量数据丢失情况下的多目标跟踪方法 |
CN106872958A (zh) * | 2017-04-27 | 2017-06-20 | 中国人民解放军海军航空工程学院 | 基于线性融合的雷达目标自适应检测方法 |
CN106932766A (zh) * | 2017-04-27 | 2017-07-07 | 中国人民解放军海军航空工程学院 | 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) * | 2017-04-27 | 2017-08-29 | 中国人民解放军海军航空工程学院 | 基于非高斯参数的雷达目标融合检测方法 |
CN108318877A (zh) * | 2017-11-27 | 2018-07-24 | 西安电子科技大学 | 基于多基地雷达的杂波子空间下目标检测方法 |
Non-Patent Citations (4)
Title |
---|
TAO JIAN等: "Adaptive persymmetric detector of generalised likelihood ratio test in homogeneous environment", 《IET SIGNAL PROCESSING》 * |
丁昊等: "均匀和部分均匀杂波中子空间目标的斜对称自适应检测方法", 《雷达学报》 * |
杨海峰等: "零训练样本的集中式MIMO雷达斜对称检测器", 《电子与信息学报》 * |
简涛等: "辅助数据缺失环境下结构化自适应目标检测器", 《***工程与电子技术》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111308438A (zh) * | 2020-03-06 | 2020-06-19 | 中国人民解放军海军航空大学 | 一种回波数据散射特征提取方法及*** |
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 |
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 |
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 |
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 |
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 |
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 |
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 |
CN112014823B (zh) * | 2020-09-02 | 2022-04-01 | 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 |
CN112904292A (zh) * | 2021-01-28 | 2021-06-04 | 北京理工大学重庆创新中心 | 基于重要性采样的宽带雷达检测门限确定及目标检测方法 |
CN112904292B (zh) * | 2021-01-28 | 2024-07-26 | 北京理工大学重庆创新中心 | 基于重要性采样的宽带雷达检测门限确定及目标检测方法 |
CN115575946A (zh) * | 2022-10-20 | 2023-01-06 | 中国人民解放军海军航空大学 | 雷达目标斜对称子空间智能融合检测方法 |
CN115575946B (zh) * | 2022-10-20 | 2024-06-04 | 中国人民解放军海军航空大学 | 雷达目标斜对称子空间智能融合检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108919224B (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN108919223A (zh) | 宽带雷达目标自适应结构化匹配滤波方法 | |
CN106932766B (zh) | 基于变参数广义结构的距离扩展目标自适应检测方法 | |
Guan et al. | Adaptive fractional Fourier transform-based detection algorithm for moving target in heavy sea clutter | |
CN106872958B (zh) | 基于线性融合的雷达目标自适应检测方法 | |
KR102013205B1 (ko) | 레이더 신호 처리 모의 장치 및 방법 | |
CN110146873B (zh) | 分布式非相参雷达的目标位置和速度的估计方法 | |
CN111999714B (zh) | 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 | |
CN110531337B (zh) | 基于隶属度分析的目标可信度计算方法及装置 | |
CN103412290A (zh) | 知识辅助的apr非均匀样本检测方法 | |
CN107942324A (zh) | 基于多普勒引导的多帧联合小目标双重检测方法 | |
CN106526545A (zh) | 一种鲁棒cfar检测器的检测方法 | |
CN112147603A (zh) | 一种基于tKL散度的矩阵CFAR检测器的目标检测方法 | |
CN106019250A (zh) | 基于角闪烁转发式假目标鉴别方法 | |
CN113687321B (zh) | 雷达目标探测距离评估方法和装置 | |
CN116125406A (zh) | 一种基于snr估计和点迹航迹报的对空监视雷达性能评估方法 | |
CN113093174B (zh) | 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法 | |
CN108387879A (zh) | 基于自适应归一化匹配滤波的杂波图单元中值检测方法 | |
CN110907930B (zh) | 一种基于角度估计的车载雷达目标检测估计方法及装置 | |
CN108508413A (zh) | 一种基于概率统计的低信噪比条件下目标检测方法 | |
Chen et al. | Moving target detection at sea based on fractal characters in FRFT domain | |
Liu et al. | Multi-fold high-order cumulants based CFAR detector for radar weak target detection | |
CN113625265A (zh) | 基于波束空间的方位超分辨方法 | |
Kabakchiev et al. | Hough radar detectors in conditions of intensive pulse jamming | |
Kabakchiev et al. | Data association algorithm in TBD multiradar system |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |