基于FPGA的自适应恒虚警检测器研究

雷达目标检测系统中,由于回波中的杂波与噪声严重影响着系统的检测性能,为在一定的虚警率下提高系统的检测概率,提出一种基于删除单元平均恒虚警(CFAR,constant false alarm rate)检测器的多分层判决门限方法.并由此原理设计出自适应CFAR检测器,与传统的恒虚警检测器相比,明显地改善了系统的适应性和检测性能.     

Pearson分布混响下模糊CFAR检测器性能分析

为改善主动声呐的检测性能,研究了Pearson混响背景下的目标恒虚警检测问题,提出一种分布式模糊检测算法,并应用到CA,GO和SO三种均值类CFAR检测器中。全面分析3种均值类模糊检测器在均匀背景和非均匀背景下的检测性能,蒙特卡罗仿真结果证明,CA和SO检测器采用"代数和"融合逻辑时,在均匀背景和多目标干扰情况下具有最好的检测性能,而GO检测器在混响边缘情况下,利用"代数积"融合逻辑具有更好的虚警控制能力。     

N-P准则与CA-CFAR检测技术研究

在杂波和噪声环境下脉冲雷达对杂波和噪声进行统计分析处理,确定杂波和噪声的概率分布模型,选择相应的恒虚警检测方法,以检测目标回波信号。N-P准则不能随环境的变化而调整门限,虚警概率较高;而CA-CFAR检测能够根据参考窗内的信号的特性,自适应调整检测门限,虚警概率较低。文章研究了N-P准则和CA-CFAR检测技术的基础,并对二者的检测性能进行了仿真分析比较。     

基于BP神经网络的CFAR检测器标称化因子确定方法

在运用恒虚警（CFAR）检测算法中,一个非常重要的工作是根据给定的恒虚警率确定其标称化因子。当标称化因子关于虚警率的关系式很难甚至于是不可能得到时,传统上采用仿真方法,但仿真方法的计算量非常大。为此文章利用BP神经网络具有强大的逼近任意非线性关系式的能力,提出了一种基于BP神经网络的CFAR检测器标称化因子确定方法。通过实例研究表明,通过对BP神经网络的输入进行自然对数的变换后,其对虚警概率和标称化因子的关系进行逼近时需要的训练次数将大为减少,研究还表明基于BP神经网络的标称化因子确定方法具有相当高的精度。     

雷达信号检测中恒虚警处理的算法研究

介绍了几种适于雷达信号检测的恒虚警处理（CFAR）的经典算法,在此基础上提出一种多分层的恒虚警处理算法。     

多极化SAR图像目标检测研究

目前,SAR图像检测多是单一极化的方式,从而使得检测效率低下。因此本文采用多极化的方式进行目标检测,在检测算法中,本文将多种极化检测器相融合,通过检测结果的多次迭代,得到最后的目标检测结果。从对比实验结果可看出,在相同的虚警率下,本文算法的检测结果最好,并且随着虚警率的提高,虚警点数没有增多。     

鱼雷目标检测的贝叶斯判别融合方法研究

对基于贝叶斯判决法的模式分类方法进行了理论分析,并将多变量的贝叶斯模式分类方法应用于决策信息融合过程,证明用多传感器测得的多维信息通过决策融合进行目标判别优于用单传感器测量进行目标判别,此方法用于鱼雷的目标检测,能大大提高系统的目标检测概率,或降低检测的虚警概率。理论分析和数学仿真均证明其是一种有效的方法。     

一种对海雷达动目标检测系统的设计与分析

动目标检测(MTD)是现代雷达系统中重要的功能之一。文章基于MATLAB/Simulink的仿真环境，运用Simulink模块库中的相位编码波形、雷达目标、运动平台、自由空间传播、距离-多普勒响应和恒虚警（CFAR）检测器等模块，设计和构建了一个具备高距离分辨率和速度分辨率的雷达MTD仿真系统。最后通过仿真实验得到二维速度-距离结果图和CFAR检测结果图，其仿真结果与设计的目标参数一致，说明仿真系统实现了MTD功能和雷达测速、测距的基本功能，并验证了仿真系统的可行性和正确性。     

基于频域特征的水下高速目标瞬态信号检测

水下高速目标出管瞬态信号低频特征明显。介绍了Power-Law瞬态信号检测器,针对水下高速目标的出管噪声特点,提出了基于频域特征的瞬态信号检测方法。若中高频部分能量变化明显,直接判断为非水下高速目标。利用该方法对鲸鱼的鸣叫声和实测某水下高速目标出管噪声进行了信号检测,结果表明该方法可有效对水下高速目标出管噪声进行检测,并在一定程度上降低了虚警概率。     

提高舰载雷达低空目标检测性能技术研究

对海杂波影响舰载雷达系统低空探测性能的原因进行了分析，并研究了海杂波信号幅度分布特性，提出使用α稳定分布建立雷达低空观测信号模型，指出研究基于分数低阶统计量的雷达目标信号检测与估计韧性替代算法的必要性，以实现恒虚警概率下的雷达目标最佳检测，探索提高岸基和舰载雷达对低空及海面目标探测和跟踪性能新的发展方向。