CN101271160B - 选小单元平均恒虚警率实时检测sar运动目标方法、装置 - Google Patents
选小单元平均恒虚警率实时检测sar运动目标方法、装置 Download PDFInfo
- Publication number
- CN101271160B CN101271160B CN2007100646042A CN200710064604A CN101271160B CN 101271160 B CN101271160 B CN 101271160B CN 2007100646042 A CN2007100646042 A CN 2007100646042A CN 200710064604 A CN200710064604 A CN 200710064604A CN 101271160 B CN101271160 B CN 101271160B
- Authority
- CN
- China
- Prior art keywords
- unit
- data
- detection
- value
- moving target
- 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.)
- Active
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种选小单元平均恒虚警率实时检测合成孔径雷达运动目标(SAR)的方法及装置,装置包括:线性检波器、第一参考单元、第一、二保护单元、检测单元、比较器单元、第一、二平均处理单元、选小比较器单元、乘法器单元;方法包括:对合成孔径雷达图像数据进行线性检波后,依次输入检测单元;检测单元两端各有一个保护单元和一个参考单元,对每个参考单元平均后取二者中的小值,和检测门限相乘得到阈值;对检测单元和阈值进行比较得到检测结果;然后对图像边缘进行检测,获得检测的整帧目标图像。本发明解决了现有技术检测概率较低,虚警率高,易受干扰的问题,本发明提供计算量小、操作简单、检测效果提高、适用于实时动目标检测系统。
Description
技术领域
本发明属于合成孔径雷达(SAR)技术领域,涉及实时检测SAR运动目标的方法。
背景技术
动目标检测和成像是合成孔径雷达(SAR)要完成的基本功能之一,无论在军事上还是在民用中都具有重要作用。在以往的文献中多是探讨杂波滤除方法,而忽视了杂波滤除后噪声对检测动目标的影响。无论采用哪一种杂波滤除方法,在滤除杂波后剩余大量的噪声,运动目标往往淹没在噪声之中,检测性能直接受到目标信噪比的影响。在以往的实时动目标检测系统中,在杂波滤除后,直接采用单元平均恒虚警率(CFAR)方法检测动目标,这种检测方法比较简单,没有考虑多目标之间的相互影响,因而检测概率较低,虚警率高,难以达到满意的检测效果。
在SAR系统中,噪声包络服从瑞利分布,因此,杂波滤除后检测动目标可归结为在瑞利分布的噪声中检测目标,检测门限可以通过计算噪声的均值得到。噪声均值可以从被检测目标临近单元来获得,这就是比较常用的单元平均CFAR检测器。但是在多目标环境中,检测目标往往受到周围目标的干扰。
发明内容
现有技术的检测方法,检测概率较低,虚警率高,在多目标环境中,检测目标往往受到周围目标的干扰,为了解决现有技术的问题,本发明的目的是为了在多目标环境中降低临近干扰目标的影响,针对SAR系统运动目标回波信号的特点,对杂波滤除后的数据进行检测,采用了选小单元平均恒虚警率(SO-CA-CFAR)方法检测,为此,本发明提供计算量小、操作简单、检测效果提高、适用于实时动目标检测系统的一种选小单元平均恒虚警率实时检测SAR运动目标的方法。
为了实现本发明的目的,本发明的第一方面是提供一种选小单元平均恒虚警率实时检测SAR运动目标的方法,其步骤如下:
步骤1:从合成孔径雷达系统接收一帧图像数据并存储,作为输入数据对其进行杂波滤除,生成包含有运动目标和噪声信息的图像,取出图像第一方位单元的距离向数据经线性检波,生成一个序列X,该序列为距离向序列;
步骤2:从序列X的第N+2个数据开始输入检测单元进行检测;将前N个数据累加,将累加和取平均得到第一平均单元值u1;将第N+4个数据到第2N+3个数据累加,得到累加和后将其取平均得到第二平均单元值u2;为了排除邻近目标的干扰,将检测单元两边的数据单元即第N+1个数据和第N+3个数作为保护单元,不计入累加和;
步骤3:将第一平均单元值u1和第二平均单元值u2输入到选小比较器单元,得到二者中的小值u;
步骤4:根据用户要求确定虚警概率Pfa,然后确定参考单元数N,二者确定后,根据虚警概率 计算,得到门限k;
步骤5:将小值u和门限k输入乘法器单元,输出阈值s;
步骤6:将序列X检测单元的检测值x和阈值s输入比较器单元,如果检测值x大于阈值s,则有运动目标存在,检测值x为合成孔径雷达运动目标的一部分,否则没有合成孔径雷达运动目标存在;
步骤7:从整帧合成孔径雷达目标图像中取出合成孔径雷达图像第2个方位单元的距离向序列,重复步骤1到步骤6;每个方位单元都按照步骤1到步骤6过程来处理;
步骤8:对存在的合成孔径雷达目标图像边缘进行检测,获得检测的整帧目标图像;
步骤9:重复步骤1到步骤8,完成下一帧输入图像的检测。如此采用流水式检测完成对合成孔径雷达运动目标实时检测。
根据本发明的实施例,图像边缘检测处理步骤8还包括:
步骤a.从合成孔径雷达系统接收两帧图像数据并存储,作为检测装置的输入数据,对两帧图像数据进行杂波滤除后,生成包含有运动目标和噪声信息的图像;取出图像第一方位单元的距离向数据经线性检波,生成一个序列X,该序列为距离向序列,该序列长度为步骤1所述序列长度的两倍;
步骤b.从第一帧图像序列X的第N+2个数据开始输入检测单元进行检测,按照步骤2到步骤6执行检测,直到第二帧的第N+1个数据结束检测;
步骤c.完成第一帧图像数据的检测;
步骤d.输入第三帧图像数据,并与第二帧数据合成一个新的序列X,然后从第二帧的第N+2个单元开始,到第三帧的第N+1个单元结束;
步骤e.完成第二帧图像数据的检测;
步骤f.重复步骤a到步骤e,完成对合成孔径雷达图像运动目标实时检测。
根据本发明的实施例,或采用图像边缘检测处理步骤8包括:
步骤a.从合成孔径雷达系统接收一帧图像数据并存储,作为检测装置的输入数据,对一帧图像进行杂波滤除后,生成包含有运动目标和噪声信息的图像;取出图像第一方位单元的距离向数据经线性检波,生成一个序列X,该序列为距离向序列,该序列长度步骤1所述序列相同;
步骤b.求出X序列的前N+1个数据的平均功率U;
步骤c.根据要求的虚警概率以及 求得检测阈值s,将每个检测值与检测阈值s比较,如果检测值大于检测阈值s就认为是目标,否则认为不是目标;
步骤d.从X序列的第N+2个数据开始按照步骤2到步骤6进行检测,直至倒数第N+2个数据结束;
步骤e.对X序列的后N+1个数据,重复步骤b到步骤c执行检测。
根据本发明的实施例,或采用图像边缘检测处理步骤8包括:
步骤a.从合成孔径雷达系统接收一帧图像数据并存储,作为检测装置的输入数据,对一帧图像进行杂波滤除后,生成包含有运动目标和噪声信息的图像,取出图像第一方位单元的距离向数据经线性检波,生成一个序列X,该序列为距离向序列,该序列长度与步骤1所述序列相同;
步骤b.对序列X的前N+1个数据和后N+1个数据赋值为零;
步骤c.按照所述步骤2到步骤6对序列X的其余单元进行检测。
为了实现本发明的目的,本发明的第二方面是提供一种选小单元平均恒虚警率实时检测SAR运动目标的装置,包括:
线性检波器,将杂波滤除后的运动目标数据输入给线性检波器进行检波,输出检波后的运动目标数据序列X;
第一参考单元、第一保护单元、检测单元、第二保护单元、第二参考单元并行;经过线性检波后的运动目标数据序列X的前N个数据进入第一参考单元,第N+1个数据进入第一保护单元,第N+2个数据进入检测单元;第N+3个数据进入第二保护单元,第N+4个数据到第2N+3个数据进入第二参考单元;
第一参考单元顺序输出N个数据进入第一平均处理单元;
检测单元输出被检测数据到比较器;
第二参考单元输出N个数据单元给第二平均处理单元;
第一平均处理单元对第一参考单元的数据取平均,输出平均值到选小比较器单元;
第二平均处理单元对第二参考单元的数据取平均,输出平均值到选小比较器单元;
选小比较器单元对第一平均处理单元的输出值和第二平均处理单元的输出值进行比较,选小比较器单元输出第一平均处理单元和第二平均处理单元二者中的小值到乘法器单元;
乘法器单元将选小比较器单元输出的值与门限因子相乘,乘法器单元输出阈值到比较器单元,用于比较阈值和检测值的大小。
比较器单元用于接收检测单元的被检测数据,用于将检测单元的检测数据值和阈值的大小进行比较,比较器单元输出比较结果,如果被检测数据比阈值大,则该输出结果就是被检测数据,如果被检测数据比阈值小,则输出结果为零。
附图说明
图1是本发明选小-恒虚警率检测(SO-CFAR)流程图
图2是本发明选小-恒虚警率检测(SO-CFAR)装置
图3是本发明实施例中目标信噪比SNR和检测概率Pd关系图
图4是本发明SNR和检测概率关系图
图5是本发明检测结果
具体实施方式
下面将结合附图对本发明加以详细说明,同时也叙述了本发明技术方案解决的技术问题及有益效果,应指出的是,所描述的实施例仅旨在便于对本发明的理解,而对其不起任何限定作用。
本发明选小单元平均恒虚警率实时检测SAR运动目标的装置可采用ADI TigerSHARC系列DSP芯片、Visual DSP软件和一台计算机实现,也可以采用其它系列DSP芯片实现线性检波器1、第一参考单元2、第一保护单元3、检测单元4、第二保护单元5、第二参考单元6、比较器单元7、第一平均处理单元8、第二平均处理单元9、选小比较器单元10、乘法器单元11。
本发明恒虚警率检测装置如图2所示,图2中包括:线性检波器1、第一参考单元2、第一保护单元3、检测单元4、第二保护单元5、第二参考单元6、比较器单元7、第一平均处理单元8、第二平均处理单元9、选小比较器单元10、乘法器单元11;第一参考单元2的数量为x1至xN,第二参考单元6的数量为xN+4至x2N+3,其中N等于1,2,3,......N。
利用合成孔径雷达系统运动目标回波信号的特点,将杂波滤除后的运动目标回波数据输入给线性检波器1进行检测,输出检波后的运动目标数据序列X。
检测单元4前后各有一个第一保护单元3和第二保护单元5,第一参考单元2和第二参考单元6总共有2N个数据。第一平均处理单元8计算出第一参考单元2输出的回波数据平均值u1;第二平均处理单元9计算出第二参考单元6输出的回波数据平均值u2;平均值u1或u2输入给选小比较器单元10进行计算生成输出数据最小平均值u,由乘法器单元11的门限值k乘以运动目标回波数据最小平均值u得到的阈值s=ku,将阈值s与检测单元4的数据值x由比较器7进行比较,乘法器单元11的门限因子k可根据给定的虚警概率求得。当检测单元4的回波数据值x大于阈值s即可判断目标存在,比较器7输出x作为实际运动目标回波数值,否则认为没有目标,比较器7输出零。当第一参考单元2和第二参考单元6有限时会存在恒虚警率损失,因此实际检测时尽量增大第一参考单元2和第二参考单元6的数量。
第一平均处理单元8由下式表示:
式中N为第一参考单元2中参考单元的个数,xi为第一参考单元2中第i个参考值,i取值范围为1到N。
第二平均处理单元9由下式表示:
式中N为第二参考单元6中参考单元的个数,xi为第二参考单元6中第i个参考值,i取值范围为N+4到2N+3。
选小比较器单元10由下式表示:
SO:u=min(u1,u2)
SO表示取小,min(u1,u2)表示取u1和u2中的小值。
如图1中所示的选小单元平均恒虚警率(SO-CA-CFAR)检测器在均匀杂波背景中的虚警概率Pfa为:
由上式可见,虚警概率Pfa只与第一参考单元2和第二参考单元6的数量N和门限因子k有关,当N和k确定后,虚警概率Pfa就是常数,与输入的杂波、噪声干扰强度无关。
根据用户要求确定虚警概率Pfa以及数量N确定后,就可以确定门限因子k。
检测概率Pd为:
式中SNR是目标信噪比。
不同的目标信噪比SNR,检测概率Pd不同。下面给出了几组N不同值的情况下,虚警概率Pfa=10-6时,检测概率Pd和目标信噪比SNR的关系,见图3,图中横座标的目标信噪比SNR为倍数关系。由图3可得表1中结果。
表1
检测单元2N | 虚警概率Pfa | 检测门限k | 检测概率Pd | SNR(dB) |
20 | 10-6 | 5.1320 | 85% | 22.15 |
40 | 10-6 | 1.0643 | 85% | 20.50 |
60 | 10-6 | 0.6201 | 85% | 20.05 |
100 | 10-6 | 0.3345 | 85% | 19.70 |
从图3及表1中可以看出,随着第一参考单元2和第二参考单元6数量的增加,在保持相同虚警概率Pfa的情况下,要想得到相同的检测概率Pd,对目标信噪比SNR的要求逐渐降低。同时,当第一参考单元2和第二参考单元6大于40后,检测概率Pd曲线接近。在相同的检测概率Pd下,目标信噪比SNR下降缓慢,但是运算量的增加却是很大的。
恒虚警率处理一般不能提高目标信噪比SNR,相反在处理过程中还会使目标信噪比SNR有不同程度的损失,即通常称为恒虚警率损失。由于恒虚警处理是用有限个第一参考单元2和第二参考单元6来估计杂波和噪声干扰的平均功率,第一参考单元2和第二参考单元6有限,引起平均估计产生起伏。当检测门限k一定时,第一参考单元2和第二参考单元6数量越少,起伏越大,虚警概率Pfa也越大。如果要维持输出恒虚警率不变,应根据第一参考单元2和第二参考单元6数量适当的提高检测门限k,这时要保持原来的检测概率Pd,必须提高输入的目标信噪比SNR,这个所需的目标信噪比SNR称为恒虚警率损失LCFAR。当虚警率Pf一定的情况下,第一参考单元2和第二参考单元6数量越大,恒虚警率损失LCFAR越小。
序列X为一副图像某个方位单元的距离向序列,所有方位单元的距离向序列构成了一副图像的方位向边缘。序列X中的前N+1个单元和后N+1个单元不能采用上述方法检测,对一帧图像而言就是其方位向边缘的检测不能采用上述方法,而需要采用新的检测方法,下面给出了图像边缘检测的几种处理方法。
图像边缘检测的第一种方法:在进行CFAR处理时同时输入两帧图像数据,检测时从第一帧的第N+2个单元开始,到第二帧的第N+1个单元结束,作为处理后的一帧数据输出。处理下一帧数据时从第二帧的第N+2个单元开始,到第三帧的第N+1个单元结束,按照该方法依次处理,就能保证每个检测单元都进行了相同检测处理。采用该方法的缺点是存储量增加一倍,优点是只采用一种检测算法,算法的复杂度没有增加;对所有检测单元都采用同一种方法检测,保证了检测的连续性;运算量和运算时间没有增加。
图像边缘检测的第二种方法:输入时仍然只有一帧图像数据,前N+1个单元和后N+1个单元的数据不能直接采用和中间单元相同的处理方法,必须改变检测方法。由于前N+1个单元和后N+1个单元的背景功率是一个固定的已知值,检测阈值也是固定值。经过计算,固定阈值的虚警概率为:
其中U是N个单元的噪声平均功率。检测概率和虚警概率的关系为:
Pd=Pfa 1/(1+SNR)
Pd=Pfa
图4画出了检测概率和目标信噪比的关系。由图4可见,当目标SNR=10log(84)=19.24dB时,Pd=85%。
首先求出每帧图像前N+1个单元的平均功率,然后根据要求的虚警概率求得检测阈值s,将每个值与检测阈值s比较,大于s认为有目标,否则认为没有目标。从第N+2个单元开始根据图1所示进行检测,直至倒数第N+2个单元结束。然后对后N+1个单元采用与前N+1个单元相同的方法检测。从上述分析可见,采用第二种方法的优点是存储量没有增加,缺点是每帧图像数据需要增加一种检测算法,两种算法需要来回切换,复杂性增加,运算量和运算时间也增加。
图像边缘检测的第三种方法:输入一帧图像数据,图像每行的前N+1个单元和后N+1个单元不做任何处理,直接输出为零,其它单元按照图1流程检测。采用该方法的缺点是每帧图像首尾部分单元没有经过检测,存在检测“盲区”,优点是处理简单。
在实际应用时,应该对各种方法进行综合性能比较,详细计算各种方法存储量、运算量以及运算时间,得出最佳的处理方案。
采用上述方法,本发明对实际的图像数据进行检测,如图5所示,为某机载SAR图像,图像边缘检测采用本发明给出的第2种方法。左边是常规SAR图像;中间是滤波后的SAR图像,背景有大量噪声,目标淹没在噪声之中;右边图像是采用本发明方法检测后结果,背景噪声已经基本消除,可以很好的检测出目标。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (2)
1.一种选小单元平均恒虚警率检测合成孔径雷达运动目标的方法,其特征在于,步骤如下:
步骤1:从合成孔径雷达系统接收一帧图像数据并存储,作为输入数据对其进行杂波滤除,生成包含有运动目标和噪声信息的图像,取出图像第一方位单元的距离向数据经线性检波,生成一个序列X,该序列为距离向序列;
步骤2:从序列X的第N+2个数据开始输入检测单元进行检测;将前N个数据累加,将累加和取平均得到第一平均单元值u1;将第N+4个数据到第2N+3个数据累加,得到累加和后将其取平均得到第二平均单元值u2;为了排除邻近目标的干扰,将检测值两边的数据即第N+1个数据和第N+3个数作为保护单元,不计入累加和;
步骤3:将第一平均单元值u1和第二平均单元值u2输入到选小比较器单元,得到二者中的小值u;
步骤5:将小值u和门限k输入乘法器单元,输出阈值s;
步骤6:将序列X检测单元的检测值x和阈值s输入比较器单元,如果检测值x大于阈值s,则有运动目标存在,检测值x为合成孔径雷达运动目标回波数据,否则没有合成孔径雷达运动目标存在;
步骤7:从整帧合成孔径雷达目标图像中取出合成孔径雷达图像第2个方位单元的距离向序列,重复步骤1到步骤6;每个方位单元都按照步骤1到步骤6过程来处理;
步骤8:对存在的合成孔径雷达目标图像边缘进行检测,获得检测的整帧目标图像;
步骤9:重复步骤1到步骤8,完成下一帧输入图像的检测;如此 采用流水式检测完成对合成孔径雷达运动目标实时检测。
2.一种选小单元平均恒虚警率实时检测SAR运动目标的装置,其特征在于,包括:
线性检波器(1),将杂波滤除后的运动目标数据输入给线性检波器(1)进行检波,输出检波后的运动目标数据序列X;
第一参考单元(2)、第一保护单元(3)、检测单元(4)、第二保护单元(5)、第二参考单元(6)并行;经过线性检波后的运动目标数据序列X的前N个数据进入第一参考单元(2),第N+1个数据进入第一保护单元(3),第N+2个数据进入检测单元(4);第N+3个数据进入第二保护单元(5),第N+4个数据到第2N+3个数据进入第二参考单元(6);
第一参考单元(2)顺序输出N个数据进入第一平均处理单元(8);
检测单元(4)输出被检测数据到比较器单元(7);
第二参考单元(6)输出N个数据单元给第二平均处理单元(9);
第一平均处理单元(8)对第一参考单元(2)的数据取平均,输出平均值到选小比较器单元(10);
第二平均处理单元(9)对第二参考单元(6)的数据取平均,输出平均值到选小比较器单元(10);
选小比较器单元(10)对第一平均处理单元(8)的输出值和第二平均处理单元(9)的输出值进行比较,选小比较器单元(10)输出第一平均处理单元(8)和第二平均处理单元(9)二者中的小值到乘法器单元(11);
乘法器单元(11)将选小比较器单元(10)输出的值与门限因子相乘,乘法器单元(1)1输出阈值到比较器单元(7),用于比较阈值和检测值的大小;
比较器单元(7)用于接收检测单元(4)的被检测数据,用于将检测单元(4)的被检测数据值和阈值的大小进行比较,比较器单元(7)输出比较结果,如果被检测数据比阈值大,则该输出结果就是被检测数据,如果被检测数据比阈值小,则输出结果为零。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007100646042A CN101271160B (zh) | 2007-03-21 | 2007-03-21 | 选小单元平均恒虚警率实时检测sar运动目标方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007100646042A CN101271160B (zh) | 2007-03-21 | 2007-03-21 | 选小单元平均恒虚警率实时检测sar运动目标方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101271160A CN101271160A (zh) | 2008-09-24 |
CN101271160B true CN101271160B (zh) | 2011-05-11 |
Family
ID=40005245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007100646042A Active CN101271160B (zh) | 2007-03-21 | 2007-03-21 | 选小单元平均恒虚警率实时检测sar运动目标方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101271160B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930605B (zh) * | 2009-11-12 | 2012-09-05 | 北京交通大学 | 基于二维混合变换的sar图像目标提取方法及系统 |
CN101872014A (zh) * | 2010-06-18 | 2010-10-27 | 深圳麒景雷信科技有限公司 | 基于改进的cosgo-cfar的目标信号检测方法 |
CN102012503B (zh) * | 2010-07-29 | 2012-10-10 | 中国人民解放军海军航空工程学院 | 基于秩和局部估计的选大和选小非参量恒虚警检测器 |
CN102288943A (zh) * | 2011-07-08 | 2011-12-21 | 西安电子科技大学 | 基于两视实图像处理的单通道sar-gmti方法 |
CN102819010B (zh) * | 2012-08-14 | 2014-01-29 | 成都西科微波通讯有限公司 | 一种改进的二维恒虚警方法 |
CN102914776B (zh) * | 2012-10-15 | 2014-07-23 | 西安电子科技大学 | 基于模糊c均值算法的多通道SAR动目标定位方法 |
CN103439697B (zh) * | 2013-08-23 | 2015-05-27 | 西安电子科技大学 | 基于动态规划的目标检测方法 |
CN103995258B (zh) * | 2014-06-06 | 2016-04-13 | 中国人民解放军海军航空工程学院 | 复杂杂波边缘环境下雷达目标自适应融合检测方法 |
CN104729664B (zh) * | 2015-03-02 | 2018-03-30 | 北方工业大学 | 一种光纤振动检测方法及装置 |
CN104978187B (zh) * | 2015-06-18 | 2018-08-31 | 北方工业大学 | 一种滑窗排序方法、装置及其目标检测方法、装置 |
CN107884757B (zh) * | 2016-09-30 | 2020-10-23 | 比亚迪股份有限公司 | 恒虚警目标检测方法、装置及车辆 |
CN106646419B (zh) * | 2017-02-28 | 2019-09-03 | 西安电子科技大学 | 一种检测杂波边缘雷达目标的自适应恒虚警方法 |
CN109239677B (zh) * | 2017-07-10 | 2020-12-01 | 中国科学院声学研究所 | 一种环境自适应恒虚警检测门限确定方法 |
CN108363053B (zh) * | 2017-12-28 | 2022-07-05 | 生迪智慧科技有限公司 | 对象移动的监测方法和装置 |
CN109188388B (zh) * | 2018-09-03 | 2020-11-06 | 中国科学院声学研究所 | 一种对抗多目标干扰的恒虚警检测方法 |
CN109375203A (zh) * | 2018-12-11 | 2019-02-22 | 中交公局重庆城市建设发展有限公司 | 基于fmcw雷达信号处理的测距设备及其测距算法 |
CN112986970A (zh) * | 2019-12-13 | 2021-06-18 | 华为技术有限公司 | 目标检测方法和装置 |
CN112163450A (zh) * | 2020-08-24 | 2021-01-01 | 中国海洋大学 | 基于s3d学习算法的高频地波雷达船只目标检测方法 |
CN112686213B (zh) * | 2021-01-26 | 2024-05-31 | 杭州电子科技大学 | 一种基于循环神经网络及毫米波的osahs诊断系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1514408A (zh) * | 2002-09-12 | 2004-07-21 | 上海交通大学 | 复杂背景条件下红外弱小目标的检测与跟踪方法 |
CN1769925A (zh) * | 2004-11-05 | 2006-05-10 | 清华大学 | 一种合成孔径雷达运动目标成像方法 |
CN1920594A (zh) * | 2006-05-16 | 2007-02-28 | 中国科学院研究生院 | 基于小波增强的合成孔径雷达图像船舰目标检测方法 |
-
2007
- 2007-03-21 CN CN2007100646042A patent/CN101271160B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1514408A (zh) * | 2002-09-12 | 2004-07-21 | 上海交通大学 | 复杂背景条件下红外弱小目标的检测与跟踪方法 |
CN1769925A (zh) * | 2004-11-05 | 2006-05-10 | 清华大学 | 一种合成孔径雷达运动目标成像方法 |
CN1920594A (zh) * | 2006-05-16 | 2007-02-28 | 中国科学院研究生院 | 基于小波增强的合成孔径雷达图像船舰目标检测方法 |
Non-Patent Citations (9)
Title |
---|
Gandhi P.P., Kassam S.A..Analysis of CFAR Processors in Nonhomogeneous Background.《IEEE Transactions on Aerospace and Electronic Systems》.1988,第24卷(第4期),427-445. * |
Khalighi M.A.,Bastani M.H..Adaptive CFAR Processor for Nonhomogeneous Environments.《IEEE Transactions on Aerospace and Electronic Systems》.2000,第36卷(第3期),889-897. * |
孙洪 |
徐新 |
杨文.基于区域分类的智能恒虚警SAR图像目标检测.《武汉大学学报(理学版) 》.2004,第50卷(第1期),104-108. |
罗玮 |
郑明洁,张焕胜,牛晓锋,杨汝良.合成孔径雷达地面动目标检测方法研究.《遥感技术与应用》.2005,第20卷(第1期),211-214. * |
黄祥 |
黄祥;孙洪;罗玮;徐新;杨文.基于区域分类的智能恒虚警SAR图像目标检测.《武汉大学学报(理学版) 》.2004,第50卷(第1期),104-108. * |
Also Published As
Publication number | Publication date |
---|---|
CN101271160A (zh) | 2008-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101271160B (zh) | 选小单元平均恒虚警率实时检测sar运动目标方法、装置 | |
CN106468770B (zh) | K分布杂波加噪声下的近最优雷达目标检测方法 | |
CN105319537B (zh) | 基于空间相关性的航海雷达同频干扰抑制方法 | |
EP3382419A1 (en) | Method and apparatus for echo detection | |
US9188666B2 (en) | System and method for distribution free target detection in a dependent non-Gaussian background | |
CN100439937C (zh) | 基于小波增强的合成孔径雷达图像船舰目标检测方法 | |
CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN103308897B (zh) | 一种基于gpu的外辐射源雷达信号处理快速实现方法 | |
US8970426B1 (en) | Automatic matched Doppler filter selection | |
CN101881822B (zh) | 一种针对共享谱雷达同频干扰的抑制方法 | |
CN101984360B (zh) | 基于frft的归一化泄露lms自适应动目标检测方法 | |
CN107144829A (zh) | 一种高效的激光雷达回波信号去噪方法 | |
CN107153178A (zh) | 外辐射源雷达参考信号含有多径干扰时的目标检测方法 | |
CN106054153A (zh) | 一种基于分数阶变换的海杂波区目标检测与自适应杂波抑制方法 | |
CN102012503B (zh) | 基于秩和局部估计的选大和选小非参量恒虚警检测器 | |
CN102346910A (zh) | 一种基于单帧红外图像的点目标的实时检测方法 | |
CN103559715B (zh) | 一种高光谱图像的异常检测方法及装置 | |
CN105137423A (zh) | 一种穿墙雷达对多运动目标实时探测、分离的方法 | |
CN107942324A (zh) | 基于多普勒引导的多帧联合小目标双重检测方法 | |
CN107490789B (zh) | 基于恒虚警检测的车载雷达信号目标检测方法及装置 | |
CN107271973A (zh) | 韦布尔杂波环境下基于偏斜度和均值比的恒虚警检测方法 | |
CN105469428A (zh) | 一种基于形态学滤波和svd的弱小目标检测方法 | |
CN104680536A (zh) | 利用改进的非局部均值算法对sar图像变化的检测方法 | |
CN106950546B (zh) | 基于马氏距离重加权的非均匀杂波抑制方法 | |
CN106353743B (zh) | 匹配于等效形状参数的近最优雷达目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |