检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种利用双先验知识的稳健STAP算法

信号处理 2022年第7期38卷 1367-1379页

作者：张宇轩金禹希陈世进吴永清郝程鹏中国科学院声学研究所北京100190 中国科学院大学北京100049

空时自适应信号处理(Space-Time Adaptive Processing,STAP)技术在空域和时域上联合地自适应抑制杂波,以实现对动目标检测。稀疏恢复空时自适应处理方法(Sparse Recovery STAP,SR-STAP)由于利用了杂波谱的稀疏性先验知识,可以缓解在机... 详细信息

空时自适应信号处理(Space-Time Adaptive Processing,STAP)技术在空域和时域上联合地自适应抑制杂波,以实现对动目标检测。稀疏恢复空时自适应处理方法(Sparse Recovery STAP,SR-STAP)由于利用了杂波谱的稀疏性先验知识,可以缓解在机载雷达在非均匀环境下训练数据不足时,杂波抑制效果性能显著下降的问题。尽管SR-STAP只需要少量样本即可恢复出杂波谱并重构杂波协方差矩阵(Clutter Covariance Matrix,CCM),其重构性能仍然受到训练样本数量的制约,当增加训练样本数量时,杂波谱恢复精度具有进一步提升的潜力。另一方面,当机载雷达的接收阵列为等间隔均匀线阵并且系统在一个相干处理间隔中脉冲重复频率恒定时,CCM可具有斜对称特性。该先验知识若被充分利用,可以将等效训练样本数量扩展为原来的两倍。本文将CCM的斜对称特性结合入SR-STAP的框架中,提出了一种稳健的SR-STAP算法,该算法同时利用CCM的斜对称特性和杂波谱稀疏性两种先验知识,能够在相同训练样本量下进一步提升杂波谱的恢复精度和CCM的估计精度。算法首先利用斜对称变换矩阵对从待检测单元中的数据和训练样本进行预处理,将等效训练样本数量扩展至原来的两倍;随后结合预处理后训练样本和一种协方差稀疏迭代算法,实现对CCM的准确重构并设计相应STAP滤波器。算法无需设置超参数,实际应用中易于操作。仿真结果表明,新算法能够有效提升杂波谱恢复的准确度,具有较好的杂波抑制性能。

关键词：斜对称结构杂波抑制稀疏恢复空时自适应处理

复合高斯杂波下距离扩展目标斜对称自适应子空间检测器

在线全文

学校读者我要写书评

暂无评论

信号处理 2023年第6期39卷 1036-1046页

作者：石星宇许述文王晓峰董烁烁南京电子技术研究所江苏南京210039 西安电子科技大学雷达信号处理国家重点实验室陕西西安710071

针对非高斯杂波背景中距离维扩展的多秩线性子空间信号自适应检测问题,本文基于两步法设计了广义似然比(GLRT)、Rao、Wald检测器。为解决训练样本有限情况下自适应检测器性能急剧下降的问题,本文在检测器设计阶段利用了协方差矩阵的斜... 详细信息

针对非高斯杂波背景中距离维扩展的多秩线性子空间信号自适应检测问题,本文基于两步法设计了广义似然比(GLRT)、Rao、Wald检测器。为解决训练样本有限情况下自适应检测器性能急剧下降的问题,本文在检测器设计阶段利用了协方差矩阵的斜对称结构特征。考虑到高分辨率雷达目标回波除了具有沿雷达径向的平动分量之外,还能观测到偏航、横滚、俯仰等转动分量,将目标信号建模为距离扩展子空间信号,以充分利用多普勒信息;为弱化纹理分量先验分布选择的困难,减小模型失配导致的检测性能损失,将杂波建模为纹理分量为未知常数且散斑协方差矩阵具有斜对称结构的复合高斯杂波模型。经过蒙特卡洛仿真实验验证,在训练样本数量受限的情况下,本文所提三种斜对称检测器检测概率达到0.5所需的信杂比相比传统检测器平均低20 dB。同时,分析表明提出的三个斜对称自适应检测器均对散斑协方差矩阵具有恒虚警特性。

关键词：斜对称结构复合高斯杂波距离扩展目标子空间信号自适应检测器

集中式MIMO雷达数据结构特征最优检测方法

在线全文

学校读者我要写书评

暂无评论

电光与控制 2020年第10期27卷 42-46页

作者：张豪生裴炳南裴腾达蒋涅大连大学大连市环境感知与智能控制重点实验室辽宁大连116622 泉州信息工程学院现代通信与北斗定位技术福建省高校重点实验室福建泉州362000

针对集中式MIMO雷达目标检测与参数估计问题,提出一种提高MIMO雷达参数估计性能和检测的优化方法。该方法利用接收数据协方差斜对称特性,在广义似然比准则下,线性规划检测目标。仿真结果表明,该方法可以提高雷达目标的检测概率及参数估... 详细信息

针对集中式MIMO雷达目标检测与参数估计问题,提出一种提高MIMO雷达参数估计性能和检测的优化方法。该方法利用接收数据协方差斜对称特性,在广义似然比准则下,线性规划检测目标。仿真结果表明,该方法可以提高雷达目标的检测概率及参数估计的准确度,同时可较好地抑制旁瓣,运行时间更短。

关键词：集中式MIMO雷达旁瓣抑制参数估计斜对称结构黄金比例分割法

在线全文

学校读者我要写书评

暂无评论

小训练数据样本下的自适应目标检测算法研究

小训练数据样本下的自适应目标检测算法研究

作者：张珏鑫电子科技大学

学位级别：硕士

自适应目标检测是雷达信号处理领域的一个重要研究方向,是雷达诸多功能实现的前提。对于噪声协方差矩阵（Noise Covariance Matrix,NCM）未知的目标检测问题,通常需要训练数据对NCM进行估计。一般情况下,需要至少两倍系统自由度的训练... 详细信息

自适应目标检测是雷达信号处理领域的一个重要研究方向,是雷达诸多功能实现的前提。对于噪声协方差矩阵（Noise Covariance Matrix,NCM）未知的目标检测问题,通常需要训练数据对NCM进行估计。一般情况下,需要至少两倍系统自由度的训练数据样本来估计NCM才能将损失控制在3d B以内。实际应用中,由于复杂的环境地形等原因,通常难以获得足够的训练数据样本。当训练数据数量（Amount of Training Data,ATD）很小时,传统检测器的检测性能会显著下降。本文针对小训练数据样本下的自适应目标检测问题展开研究,研究内容及创新如下:（1）针对小训练数据样本下的子空间点目标的检测问题,本文通过将斜对称结构和降维方法结合,提出了一种斜对称降维检测器。该算法首先假设导向矢量和NCM满足斜对称性质,通过特定的线性变换对测试数据和训练数据进行处理,然后引入降维算法,将数据投影到信号子空间,对系统进行降维处理,最后根据广义似然比准则（Generalized Likelihood Ratio Test,GLRT）设计检测器。理论推导证明了提出的检测器对于噪声具有恒虚警率（Constant False Alarm Rate,CFAR）特性。仿真实验结果表明了该检测器相对于现有的同类型检测器有更高的检测概率且对于ATD的需求量更少。（2）针对导向矢量部分已知的分布式目标检测问题,提出了基于斜对称结构的降维算法,设计了四种检测器。该算法首先假设导向矢量和NCM满足斜对称性质,探索结构信息,然后将数据投影到信号子空间,从而降低数据的维度,最后基于GLRT准则,两步GLRT准则和Wald准则分别在均匀和部分均匀环境下设计了检测器。通过理论验证,提出的检测器对于噪声具有CFAR特性。仿真实验结果证明了在训练数据不足时,提出的检测器比现有的检测器有更好的检测性能,并且在失配的情况下具有更好的鲁棒性。（3）针对训练数据不足且没有结构先验信息的目标检测问题,提出了一种新的降维方法。该方法先把测试数据和训练数据按行进行适当的分割并且保证导向矢量在分割后仍然满足列满秩。然后对分割后的每一组数据都进行目标检测,最终的检测结果是所有数据组检测结果的综合。数据通过分割之后降低了数据的维度从而减少了对ATD的需求。仿真结果证明了训练数据不足时,该降维方法可有效提高检测器的检测性能。

关键词：自适应目标检测小训练数据样本降维方法斜对称结构