CN102323577A - 一种基于能量积累的高分辨雷达双门限检测器 - Google Patents
一种基于能量积累的高分辨雷达双门限检测器 Download PDFInfo
- Publication number
- CN102323577A CN102323577A CN201110264404A CN201110264404A CN102323577A CN 102323577 A CN102323577 A CN 102323577A CN 201110264404 A CN201110264404 A CN 201110264404A CN 201110264404 A CN201110264404 A CN 201110264404A CN 102323577 A CN102323577 A CN 102323577A
- Authority
- CN
- China
- Prior art keywords
- thresholding
- detecting device
- target
- detection
- value
- 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
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于能量积累的高分辨雷达双门限检测器,属于信号处理领域,将距离窗内的所有距离单元通过平方律检波器后的值和第一门限进行比较,提取出目标散射中心的个数和位置,然后将这些散射中心的能量进行积累,并与第二门限进行比较,得出最后的检测判决,对比已有的检测器,本发明公开的检测器推导出了门限的计算公式,使得实际应用更加方便灵活并且检测器形式简单,易于工程实现,且在散射中心分布未知的情况下具有较好的鲁棒性和检测性能。
Description
技术领域
本发明涉及一种高分辨雷达检测方法,特别适用于在目标散射特性未知的情况下高分辨雷达对距离扩展目标的恒虚警检测,属于信号处理技术领域。
背景技术
随着雷达技术的发展和进步,现代雷达除了要求完成对目标的检测和跟踪外,还要求能对目标类型进行分类和识别。传统低分辨雷达难以提供更多的目标结构信息,因此具有大带宽的高距离分辨率雷达就成为雷达领域的重要研究方向之一。
用高分辨雷达进行探测时,距离分辨单元小于甚至远小于目标尺寸,因此目标在雷达的距离显示器上将占据几个、十几个甚至几十个距离分辨单元,成为距离扩展目标。经典的雷达目标检测方法基于目标的点目标特征,回波与发射信号具有相同的形式,所以目标回波检测问题可以归结为具有随机参量的已知波形的检测问题,其检测器以发射信号的匹配滤波器为核心。但在高分辨率雷达中,目标不再具有点目标的特征,其回波不再与发射信号具有相同的形式,因此对发射信号的匹配滤波不能充分利用目标回波的全部能量,造成检测性能下降。
由于经典的点目标检测方法在高分辨雷达目标检测中不能实现回波能量的完全积累,不再是最优的检测方法,因此许多学者对宽带雷达目标检测的最优和准最优方法进行了大量的研究,目前比较通用的高分辨雷达检测器主要有积分检测器,M/N检测器和SDD-GLRT检测器,下面分别介绍这几种检测器的检测原理。
积分检测器(integrator)是GERARD A.VAN DER SPEK在1971年提出的,该检测器假设经过匹配滤波后,目标总共占据J个距离单元,每个散射中心占据一个距离单元,噪声是加性复高斯白噪声,方差为σ2,令x={x1,x2,L,xJ}表示经过匹配滤波器后各距离单元的值,s={s1,s2,L,sJ}表示经过匹配滤波器后目标在各距离单元上的值,η={n1,n2,L nJ}表式经过匹配滤波器后的噪声输出。则二元假设检验如下:
H0:x=η
H1:x=s+η
积分检测器的检验统计量为
当回波不包含目标时,该检验统计量服从自由度为2J的中心化chi平方分布
当虚警率为Pfa时,门限与虚警率的关系为
对于整数J,
Γ(J)=(J-1)!
该检测器能够积累目标所有散射中心的能量,但是若距离窗口选择不合适,也会积累多余的噪声能量,造成积累损失。实际上,当目标散射中心在距离窗口内密集且均匀分布时,积分检测器的检测性能较好,但是当目标散射中心在距离窗口内稀疏分布或非均匀分布时,积分检测器的检测性能较差。
高分辨M/N检测器是在传统的低分辨双门限检测器的基础上提出来的,该检测器先设定将距离窗内各个距离单元上的值与第一门限比较,记录超过第一门限的距离单元的个数为K,然后将K与第二门限M比较,若K≥M,则判为有目标,反之判为没有目标。M/N检测器第一门限Th1与第二门限M和虚警概率Pfa的关系为:
SDD-GLRT(Spatial scattering density GLRT)检测器由karlglach于1997年提出,该检测器假设目标有个散射点的概率为J个距离单元中的任何个距离单元的组合是等概率的,则最优检测器为
选取
化简后可以得到
其中
SDD-GLRT检测器虽然在估计散射点数目存在轻微失配条件下具有一定的鲁棒性,但是该方法是统计平均意义下的最优检测,且存在指数运算,不易于工程实现,同时没有门限的选取公式,实际应用受限。
综上所述,现有的检测器中,当采用能量积累方式对散射目标检测时,会出现由于距离窗口选择不合适而出现积累损失带来的检测性能较差的问题;当采用双门限检测时,会出现由于目标散射中心均匀分布或第二门限选择不合适出现量化误差的问题,最终导致检测性能差的缺陷;当采用在散射点数目存在轻微失配条件下还具有一定鲁棒性的SDD-GLRT时,由于没有门限选取公式和运算量较大而出现实际应用受限的问题。
发明内容
有鉴于此,本发明提出的一种基于能量积累的高分辨雷达双门限检测器采用双门限的检测方法,利用第二门限对所有大于第一门限的距离单元上的能量积累值进行目标判定,同时提供了两个门限的计算公式,使本发明公开的检测器具有结构简单、运算量小、易于工程实现并且在目标散射特性未知的情况下,具有较好的检测性能和较强的鲁棒性能的优点。
本发明技术方案所述的一种基于能量积累的高分辨雷达双门限检测器是通过如下步骤实现的:
(I)将雷达回波输入匹配滤波器,得到距离窗内的所有距离单元上的值为{x1,x2,L xJ},再经过平方律检波器得到{y1,y2,L yJ}={|x1|2,|x2|2,L |xJ|2};
(3)
1、每个距离单元的值xj在只包含噪声的情况下(即H0情况下)是方差为σ2的复高斯白噪声,即噪声功率为σ2,则有:
xj~GW(0,σ2)
则xj的概率密度函数为
记yj=|xj|2,可以得到yj的概率密度函数为
即yj服从参数为σ2的指数分布。设Pfa1为第一虚警率,即用第一门限对{y1,y2,LyJ}进行判定时的虚警率,由于
所以
Th1=-σ2ln(Pfa1) (7)
2、由(5)得,在只存在噪声的情况下,yj的概率分布函数如下:
y为yj的概率分布函数的自变量;
令表示在只存在噪声的情况下,J个距离单元中有个距离单元的值超过Th1的概率,表示只存在噪声情况下,在个距离单元的值超过Th1的条件下的概率密度函数,则用第二门限对检验统计量进行判定时的虚警概率,即整个检测系统的虚警概率可以表示为:
易得
根据下面两个关于顺序统计量的数学引理,对第二门限Th2进行选择:引理1:
独立同分布随机变量y1,y2,...,yJ按升序排列后得到序列y(1)<y(2)<...<y(J)。若对于1≤j≤J,yj的概率密度函数为p(y),概率分布函数为PY(y),则顺序统计量y(j)的概率密度函数为:
引理2:
升序排列的顺序统计量序列y(1)<y(2)<...<y(J)中y(i)和y(j)变量的联合概率密度函数为:
将(5)和(8)式代入(11)式后再积分得到y(j)的概率分布函数、将(5)和(8)式代入(12)式后再进行积分得到y(i)和y(j)变量的联合概率分布函数,再将得到的以上两个积分结果代入(10)式,可以求得:
定义ξ(i)=(J-i+1)(y(i)-y(i-1)),根据指数分布性质可以得到ξ(i)与ξ(j)(j≠i)相互独立且服从参数为σ2的指数分布。由于
Λ是的联合概率分布函数的自变量,求需知道A,B,C的联合概率密度函数p(A,B,C;H0),由于A与B,C相互独立,而B与C不独立,因此pA,B,C(A,B,C;H0)=pA(A;H0)pB,C(B,C;H0);
将(12)、(16)式代入A,B,C的联合概率密度函数,可得:
其中
(19)
则
(20)
为使计算简单,可以选择使(9)式中的
则(9)式可变化为
与现有技术相比,本发明的有益之处在于:
本发明公开的一种基于能量积累的高分辨雷达双门限检测器,采用能量积累代替了传统双门限检测器的量化积累,在保证较好的检测性能的同时增加了检测器的鲁棒性;并且传统的M/N检测器和SDD-GLRT检测器没有门限的计算公式,实际应用中具有一定的局限性,而本发明通过推导检验统计量的概率分布,给出了门限的选取公式,使得检测器的应用更加灵活;同时本检测器形式简单,避免了SDD-GLRT检测器求指数函数的复杂运算,更易于工程实现。综上所述,本发明提供的新方法同时具有较简单的检测器结构,较好的检测性能,较强的鲁棒性和恒虚警的特性。
附图说明
图1-基于能量积累的高分辨雷达双门限检测器框图;
图2-两个散射中心均匀分布下4种检测器检测概率曲线图;
图3-两个散射中心非均匀分布下4种检测器检测概率曲线图;
图4-五个散射中心均匀分布下4种检测器检测概率曲线图;
图5-五个散射中心非均匀分布下4种检测器检测概率曲线图。
具体实施方式
为使本发明的目的、技术方案及优点更加清晰,下面参照附图和实施例,对本发明作进一步详细说明。
本发明所述的基于能量积累的高分辨雷达双门限检测器的原理框图如图1所示,描述如下:
(I)将雷达回波输入匹配滤波器后,得到距离窗内的所有距离单元上的值为{x1,x2,L xJ};
(II)将{x1,x2,L xJ}经过平方律检波器得到{y1,y2,LyJ}={|x1|2,|x2|2,L|xJ|2},根据事先选定的Pfa1和(7)式计算出第一门限Th1;
下面给出一个应用本发明所述技术方案的实施例,并将积分检测器(integrator)、高分辨M/N检测器(M/N detector)和SDD-GLRT检测器与本发明的基于能量积累的高分辨雷达双门限检测器(GLRT-DT detector)的检测概率进行比较。
设窗口长度一共包含16个距离单元,目标模型有4种,如表格1所示,分别代表了散射中心稀疏与密集分布,均匀与非均匀分布的情况:
表格1
总虚警率设为Pfa=1e-4,噪声功率σ2=1。SDD-GLRT检测器的参数选为α=0.5,门限由蒙特卡洛仿真得到为39.2680;积分检测器(integrator)的门限由式(1)计算得到为35.2856;对于模型1,2,M/N检测器第二门限分别选为M=1,M=2,M=3;对于模型3,4,M/N检测器第二门限分别选为M=4,M=5,M=6,不同M对应的第一门限由(2)式计算得到,结果如下表所示:
表格2:M/N检测器的门限
M 1 2 3 4 5 6
第一门限 11.9828 6.9946 5.1607 4.1409 3.4603 2.9575
本发明提出的GLRT-DT detector,选取Pfa1=0.5,第一门限和第二门限由(7)式和(25)式得到。
采用matlab进行10000次蒙特卡洛仿真,经过上述步骤后得到的4种检测器的检测概率曲线,如附图2-图5所示,横坐标表示信噪比,纵坐标表示检测概率,曲线表示上述4种检测方法在不同的信噪比是对应的检测概率。
图2显示,在散射中心稀疏且能量均匀分布时,在四种检测方法中,本发明所提检测器(GLRT-DT detector)在相同的信噪比情况下,具有最高的检测概率。
图3显示,在散射中心稀疏且能量非均匀分布时,本发明所提检测器的检测性能仅次于最优的M/N检测器,但由图3同样可以看到,M/N检测器的检测性能很不稳定;
图4显示,在散射中心较稠密且能量均匀分布时,本发明所提检测器与SDD-GLRT和积分检测器具有相同的较好检测性能。
图5显示,在散射中心较稠密且能量非均匀分布时,本发明所提检测器与SDD-GLRT具有相同的较好检测性能,积分检测器和M/N检测器的检测性能较差。
可见本发明所提检测器在散射点稀疏和稠密,散射点能量分布均匀和非均匀下都具有较好的检测性能,具有很好的鲁棒性;同时推导出的门限计算公式也使得该检测器具有恒虚警的性质且应用更加灵活方便;该检测器简单的形式也更易于工程实现。因此,本发明所提的检测器是一种行之有效的高分辨雷达检测器。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于能量积累的高分辨雷达双门限检测器,其特征在于,所述检测器是通过如下步骤实现的:
(I)将雷达回波输入匹配滤波器,得到距离窗内的所有距离单元上的值{x1,x2,L xJ},再将{x1,x2,L xJ}输入平方律检波器,得到{y1,y2,L yJ}={|x1|2,|x2|2,L |xJ|2};
所述第一门限Th1由公式Th1=-σ2ln(Pfa1)得到,其中Pfa1为所述(II)中用第一门限对{y1,y2,L yJ}进行判定时的第一虚警率,由实际工程需要确定;σ2为测得的噪声功率;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110264404 CN102323577B (zh) | 2011-09-08 | 2011-09-08 | 一种基于能量积累的高分辨雷达双门限检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110264404 CN102323577B (zh) | 2011-09-08 | 2011-09-08 | 一种基于能量积累的高分辨雷达双门限检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102323577A true CN102323577A (zh) | 2012-01-18 |
CN102323577B CN102323577B (zh) | 2013-01-09 |
Family
ID=45451357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110264404 Active CN102323577B (zh) | 2011-09-08 | 2011-09-08 | 一种基于能量积累的高分辨雷达双门限检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102323577B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105158748A (zh) * | 2015-07-29 | 2015-12-16 | 中国人民解放军海军航空工程学院 | 一种高速目标多通道补偿聚焦与tbd混合积累检测方法 |
CN105403875A (zh) * | 2015-12-31 | 2016-03-16 | 中国人民解放军国防科学技术大学 | 双极化接收雷达的目标检测方法 |
CN105425222A (zh) * | 2015-11-03 | 2016-03-23 | 西安电子科技大学 | 一种数据传输率约束下的雷达目标检测方法 |
CN106093925A (zh) * | 2016-05-27 | 2016-11-09 | 中国电子科技集团公司信息科学研究院 | 一种多雷达联合检测方法 |
CN106125741A (zh) * | 2016-08-29 | 2016-11-16 | 无锡卓信信息科技股份有限公司 | 基于射频信号的无人驾驶汽车避障系统 |
CN107861107A (zh) * | 2017-10-23 | 2018-03-30 | 电子科技大学 | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 |
CN108037493A (zh) * | 2017-11-27 | 2018-05-15 | 西安电子科技大学 | 基于多基地雷达的杂波子空间下双门限恒虚警检测方法 |
CN108445461A (zh) * | 2018-01-29 | 2018-08-24 | 中国人民解放军国防科技大学 | 一种多径条件下雷达目标检测方法 |
CN108627819A (zh) * | 2018-05-11 | 2018-10-09 | 清华大学 | 基于雷达观测的距离扩展目标检测方法和系统 |
CN108872982A (zh) * | 2018-05-10 | 2018-11-23 | 北京航空航天大学 | 雷达目标rcs近远场转换中多次散射特征的提取与校正处理方法 |
CN110221265A (zh) * | 2019-06-03 | 2019-09-10 | 西安电子工程研究所 | 基于强散射点自适应估计的距离扩展目标检测方法 |
CN110596651A (zh) * | 2019-09-06 | 2019-12-20 | 厦门大学 | 一种雷达检测的方法 |
CN110632943A (zh) * | 2019-09-29 | 2019-12-31 | 成都纳雷科技有限公司 | 基于能量积累的无人机避障雷达树木轮廓检测方法及装置 |
CN111123252A (zh) * | 2019-12-27 | 2020-05-08 | 中国人民解放军空军预警学院 | 一种杂波环境中信号失配时的参数可调方向检测方法 |
CN111413682A (zh) * | 2020-05-08 | 2020-07-14 | 北京理工大学重庆创新中心 | 基于顺序统计量的合成极窄脉冲雷达检测门限计算方法 |
CN113138372A (zh) * | 2021-05-24 | 2021-07-20 | 哈尔滨工业大学 | 一种基于改进型m/n检测器的多径环境下雷达目标检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2601351A1 (de) * | 1975-11-28 | 1977-06-02 | Patelhold Patentverwertung | Verfahren zur unterdrueckung von signalteilen mit zu kleiner amplitude |
US20070077892A1 (en) * | 2005-09-28 | 2007-04-05 | Sequans Communications | Method of detecting interference in a communication signal |
CN101000376A (zh) * | 2007-01-08 | 2007-07-18 | 清华大学 | 双基地合成孔径雷达的双门限恒虚警运动目标检测方法 |
CN101793968A (zh) * | 2010-03-10 | 2010-08-04 | 北京航空航天大学 | 一种适用于微弱卫星信号捕获的双门限检测方法 |
-
2011
- 2011-09-08 CN CN 201110264404 patent/CN102323577B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2601351A1 (de) * | 1975-11-28 | 1977-06-02 | Patelhold Patentverwertung | Verfahren zur unterdrueckung von signalteilen mit zu kleiner amplitude |
US20070077892A1 (en) * | 2005-09-28 | 2007-04-05 | Sequans Communications | Method of detecting interference in a communication signal |
CN101000376A (zh) * | 2007-01-08 | 2007-07-18 | 清华大学 | 双基地合成孔径雷达的双门限恒虚警运动目标检测方法 |
CN101793968A (zh) * | 2010-03-10 | 2010-08-04 | 北京航空航天大学 | 一种适用于微弱卫星信号捕获的双门限检测方法 |
Non-Patent Citations (2)
Title |
---|
刘峰等: "一种半实物雷达仿真系统硬件体系结构设计和应用", 《系统仿真学报》, vol. 18, 31 August 2006 (2006-08-31), pages 643 - 646 * |
胡程等: "前向散射雷达地表杂波物理建模及频谱扩展分析", 《中国科学》, vol. 40, no. 12, 31 December 2010 (2010-12-31), pages 1646 - 1659 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105158748A (zh) * | 2015-07-29 | 2015-12-16 | 中国人民解放军海军航空工程学院 | 一种高速目标多通道补偿聚焦与tbd混合积累检测方法 |
CN105158748B (zh) * | 2015-07-29 | 2017-06-06 | 中国人民解放军海军航空工程学院 | 一种高速目标多通道补偿聚焦与tbd混合积累检测方法 |
CN105425222A (zh) * | 2015-11-03 | 2016-03-23 | 西安电子科技大学 | 一种数据传输率约束下的雷达目标检测方法 |
CN105425222B (zh) * | 2015-11-03 | 2017-09-15 | 西安电子科技大学 | 一种数据传输率约束下的雷达目标检测方法 |
CN105403875A (zh) * | 2015-12-31 | 2016-03-16 | 中国人民解放军国防科学技术大学 | 双极化接收雷达的目标检测方法 |
CN106093925A (zh) * | 2016-05-27 | 2016-11-09 | 中国电子科技集团公司信息科学研究院 | 一种多雷达联合检测方法 |
CN106093925B (zh) * | 2016-05-27 | 2021-07-13 | 中国电子科技集团公司信息科学研究院 | 一种多雷达联合检测方法 |
CN106125741A (zh) * | 2016-08-29 | 2016-11-16 | 无锡卓信信息科技股份有限公司 | 基于射频信号的无人驾驶汽车避障系统 |
CN107861107B (zh) * | 2017-10-23 | 2021-02-05 | 电子科技大学 | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 |
CN107861107A (zh) * | 2017-10-23 | 2018-03-30 | 电子科技大学 | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 |
CN108037493A (zh) * | 2017-11-27 | 2018-05-15 | 西安电子科技大学 | 基于多基地雷达的杂波子空间下双门限恒虚警检测方法 |
CN108037493B (zh) * | 2017-11-27 | 2021-11-02 | 西安电子科技大学 | 基于多基地雷达的杂波子空间下双门限恒虚警检测方法 |
CN108445461A (zh) * | 2018-01-29 | 2018-08-24 | 中国人民解放军国防科技大学 | 一种多径条件下雷达目标检测方法 |
CN108872982A (zh) * | 2018-05-10 | 2018-11-23 | 北京航空航天大学 | 雷达目标rcs近远场转换中多次散射特征的提取与校正处理方法 |
CN108627819A (zh) * | 2018-05-11 | 2018-10-09 | 清华大学 | 基于雷达观测的距离扩展目标检测方法和系统 |
CN108627819B (zh) * | 2018-05-11 | 2020-09-25 | 清华大学 | 基于雷达观测的距离扩展目标检测方法和系统 |
CN110221265A (zh) * | 2019-06-03 | 2019-09-10 | 西安电子工程研究所 | 基于强散射点自适应估计的距离扩展目标检测方法 |
CN110221265B (zh) * | 2019-06-03 | 2022-12-06 | 西安电子工程研究所 | 基于强散射点自适应估计的距离扩展目标检测方法 |
CN110596651A (zh) * | 2019-09-06 | 2019-12-20 | 厦门大学 | 一种雷达检测的方法 |
CN110596651B (zh) * | 2019-09-06 | 2021-08-20 | 厦门大学 | 一种雷达检测的方法 |
CN110632943A (zh) * | 2019-09-29 | 2019-12-31 | 成都纳雷科技有限公司 | 基于能量积累的无人机避障雷达树木轮廓检测方法及装置 |
CN111123252A (zh) * | 2019-12-27 | 2020-05-08 | 中国人民解放军空军预警学院 | 一种杂波环境中信号失配时的参数可调方向检测方法 |
CN111123252B (zh) * | 2019-12-27 | 2022-04-05 | 中国人民解放军空军预警学院 | 一种杂波环境中信号失配时的扩展目标检测方法 |
CN111413682B (zh) * | 2020-05-08 | 2021-06-04 | 北京理工大学重庆创新中心 | 基于顺序统计量的合成极窄脉冲雷达检测门限计算方法 |
CN111413682A (zh) * | 2020-05-08 | 2020-07-14 | 北京理工大学重庆创新中心 | 基于顺序统计量的合成极窄脉冲雷达检测门限计算方法 |
CN113138372A (zh) * | 2021-05-24 | 2021-07-20 | 哈尔滨工业大学 | 一种基于改进型m/n检测器的多径环境下雷达目标检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102323577B (zh) | 2013-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102323577B (zh) | 一种基于能量积累的高分辨雷达双门限检测方法 | |
CN103399297B (zh) | 一种基于机器学习的超宽带非视距鉴别方法 | |
CN103020423B (zh) | 基于copula函数获取风电场出力相关特性的方法 | |
CN103746722B (zh) | 一种跳频信号跳周期和起跳时间估计方法 | |
CN109581313B (zh) | 一种脉组频率捷变雷达的目标检测方法 | |
CN104331583B (zh) | 一种基于实测海杂波数据的多重分形建模方法 | |
CN101881826A (zh) | 扫描模式海杂波局部多重分形目标检测器 | |
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 | |
CN114580260B (zh) | 一种基于机器学习和概率理论的滑坡区间预测方法 | |
CN105099759A (zh) | 一种检测方法及装置 | |
CN108880622B (zh) | 一种电力线通信系统中脉冲噪声的识别方法及系统 | |
CN104076350A (zh) | 基于归一化多普勒谱的海面漂浮目标检测方法 | |
CN102438334B (zh) | 一种多传感器节点分布式协作进行调制识别的方法 | |
CN105959104A (zh) | 基于汉明距离分布的隐写分析方法 | |
CN103440730B (zh) | 一种基于数据提取的关联报警的识别方法 | |
CN102819013A (zh) | 基于粒子滤波的机载pd雷达解距离模糊方法 | |
CN104270331A (zh) | 基于hough变换的bpsk信号盲识别结果的有效性评估方法 | |
CN103091668A (zh) | 一种基于混沌理论的海面小目标检测方法 | |
CN104253685A (zh) | 基于无线信道特征的对称密钥生成与分发的动态量化方法 | |
CN105429913A (zh) | 基于特征值的多电平检测与识别方法 | |
CN104880696A (zh) | 一种基于通道优选的多通道目标检测方法 | |
CN108169561B (zh) | 基于反馈结构的多谐波信号欠采样方法及系统 | |
CN106019250A (zh) | 基于角闪烁转发式假目标鉴别方法 | |
CN105812300A (zh) | 消除信息码跳变的长码dsss信号盲估计方法 | |
CN102280103A (zh) | 基于方差的音频信号瞬态段检测方法 |
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 |