CN106569193B - 基于前-后向收益参考粒子滤波的海面小目标检测方法 - Google Patents
基于前-后向收益参考粒子滤波的海面小目标检测方法 Download PDFInfo
- Publication number
- CN106569193B CN106569193B CN201610939217.8A CN201610939217A CN106569193B CN 106569193 B CN106569193 B CN 106569193B CN 201610939217 A CN201610939217 A CN 201610939217A CN 106569193 B CN106569193 B CN 106569193B
- Authority
- CN
- China
- Prior art keywords
- detected
- subelement
- estimation
- indicate
- doppler
- 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
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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于前‑后向收益参考粒子滤波的海面小目标检测方法,主要解决现有技术不适用于检测海面低速漂浮小目标的问题。其实现步骤为:1)获取回波数据并对其分块;2)在回波数据块中选取待检测距离单元Sd并将其分为待检测子单元;3)计算该Sd的瞬时频率曲线函数估计;4)计算第k个待检测子单元zk的多普勒导向矢量h和协方差矩阵估计5)利用该h和计算zk的广义似然比检验统计量;6)累加所有待检测子单元的广义似然比检验统计量得到Sd的检验统计量ξk;7)计算检测门限Tξ;8)通过比较ξk和Tξ的大小判断出目标是否存在。本发明提高了雷达检测性能,可用于检测海面漂浮小目标。
Description
技术领域
本发明属于信号处理技术领域,具体涉及一种海面小目标检测方法,可用于对海面低速漂浮小目标的识别与跟踪。
背景技术
雷达在对海面上的目标进行检测时,会受到海杂波的影响。海杂波的强度随雷达参数、海况等的不同而发生改变。随着雷达分辨率的提高,海杂波呈现出较强的非高斯特性,大量的研究使海杂波统计模型不断的完善,许多自适应检测方法在此基础上被提出。该类检测方法将海杂波建模为复合高斯模型,复合高斯模型是海杂波纹理分量和散斑分量的乘积。在纹理分量服从逆伽马分布的高分辨海杂波背景下,最优检测器是广义似然比线性门限检测器。受到海杂波空时非平稳特性的限制,这些自适应检测方法需要先对海杂波进行抑制,适用于检测快速运动小目标和高信杂比情况下的慢速运动小目标,具有一定的局限性。
高分辨海杂波背景下对海面上诸如小船、浮冰等低速漂浮小目标进行检测时,由于目标回波微弱雷达需要对海面进行较长时间观测。文献“Hu,J.,Tung,W.W.and Gao,J.B.:Detection of low observable targets within sea clutter by structurefunction based multifractal analysis,IEEE Trans.Antennas Propag.,54(1):136-143,2006.”中提出基于海面分形特征的检测方法,可在观测时间较长时有效的检测目标,然而这一方法获得良好检测性能时所需的观测时间一般超过4秒,雷达通常无法对单一波位进行如此长时间的驻留观测,因此基于分形的检测方法难以推广到实际应用中。文献P.L.Shui,D.C.Li and S.W.Xu,“Tri-feature-based detection of floating smalltargets in sea clutter,”IEEE Trans.Aerosp.Electron.Syst.,vol.50,no.2,pp.1416–1430,Apr.2014.中提出基于三特征的检测方法,在实测数据下获得了较好的目标检测性能,然而该方法计算量大,难以满足雷达实时处理的要求。文献“P.L.Shui,S.N.Shi,J.Lu,and X.W.Jiang,“Detection of nonlinear FM signals via forward-backward cost-reference particle filter,”Digital Signal Process.,vol.48,pp.104–115,2016.”中利用分段线性调频模型近似非线性瞬时频率曲线,结合代价参考粒子滤波从噪声中估计目标回波的参数,从而实现了噪声背景下的低速小目标检测,然而当低速漂浮小目标处于海杂波背景下时该检测方法不再适用。
发明内容
本发明的目的在于提出一种基于前-后向收益参考粒子滤波的海面小目标检测方法,以实现在海杂波背景下对低速漂浮小目标的检测。
为实现上述目的,本发明的技术方案包括如下:
(1)利用雷达发射机发射连续的脉冲信号,雷达接收机接收Q×M维的回波数据X,其中,Q表示回波数据的积累脉冲数,M表示回波数据的距离单元数;
(2)将回波数据X沿着脉冲维等分为A个N×M维的回波数据块:X1,X2…,Xa,…,XA,其中,Xa表示第a个回波数据块,N表示脉冲数;
(3)选取第a个回波数据块Xa的第d个距离单元为待检测距离单元Sd,将待检测距离单元Sd等分为B个待检测子单元:z1,z2…,zb,…,zB,其中,zb表示第b个待检测子单元,为J维列向量;
(4)计算待检测单元Sd的瞬时频率曲线函数估计
其中,t表示自变量时间,tr表示雷达脉冲周期,表示待检测子单元zb的瞬时频率曲线函数估计的斜率,表示待检测子单元zb左端点的多普勒频率估计值,表示待检测子单元zb右端点的多普勒频率估计值;
(5)利用待检测单元Sd的瞬时频率曲线函数估计计算第k个待检测子单元zk的多普勒导向矢量h;
(6)计算待检测子单元zk的协方差矩阵估计
(7)利用多普勒导向矢量h和协方差矩阵估计计算待检测子单元zk的广义似然比检验统计量εk:
其中,上标-1表示取逆,上标H表示取共轭转置,|·|表示取模值,λ表示逆伽马分布海杂波纹理分量的形状参数,η表示逆伽马分布海杂波纹理分量的尺度参数;
(8)重复步骤(5)到步骤(7),从k=1直至k=B,将得到的B个广义似然比检验统计量累加,求得待检测距离单元Sd的检验统计量ξd:
(9)根据系统给定的虚警概率p,通过蒙特卡罗实验计算检测门限Tξ;
(10)通过比较检验统计量ξd和检测门限Tξ的大小判断出目标是否存在:如果ξd≥Tξ,则表明待检测距离单元Sd有目标,如果ξd<Tξ,则表明待检测距离单元Sd没有目标。
本发明与现有技术比较具有以下优点:
1)由于本发明所采用的逆伽马纹理海杂波模型与实际环境中的雷达回波数据特性更为匹配,相比已有检测方法所采用的数据模型,提高了雷达目标的检测性能。
2)由于本发明对待检测单元进行分段累积得到检验统计量,解决了传统相参检测器长时多普勒不匹配的问题,相比已有检测方法,提高了雷达对海面漂浮、慢速小目标的检测性能。
3)由于本发明所采用的基于前-后向收益参考粒子滤波的瞬时频率曲线估计方法对目标参数估计的更加准确,相比已有检测方法所采用的估计方法,提高了雷达目标的检测性能。
附图说明
图1为本发明的实现流程图;
图2为用本发明和现有方法在实测海杂波数据下进行目标检测的结果示意图;
具体实施方式
下面结合附图对本发明作进一步说明:
参照图1,本发明的实现步骤如下:
步骤1,获取回波数据。
利用雷达发射机发射连续的脉冲信号,脉冲信号照射到物体表面产生回波,雷达接收机接收回波数据X,回波数据是U×M维的矩阵,U表示回波数据的积累脉冲数,M表示回波数据的距离单元数。
步骤2,对回波数据分块处理。
将回波数据X沿着脉冲维等分为A个N×M维的回波数据块,其中,N表示每个回波数据块的脉冲数,A个回波数据块分别表示为:X1,X2…,Xa,…,XA,Xa表示第a个回波数据块,a=1,2,…,A,N的取值为大于1的自然数且满足A×N≤U。
步骤3,选取第a个回波数据块Xa的第d个距离单元为待检测距离单元Sd,将待检测距离单元Sd等分为B个待检测子单元,每个待检测子单元为J维列向量,B个待检测子单元分别表示为:z1,z2…,zb,…,zB,其中,zb表示第b个待检测子单元,B的取值为大于1的自然数且满足B×J≤N。
步骤4,计算待检测距离单元Sd的瞬时频率曲线函数估计。
(4.1)在每一个待检测子单元所属的多普勒频率范围内均匀采样产生W个粒子,共产生W×B个粒子;
(4.2)利用广义似然比线性门限检测器计算每个粒子的收益,其中第b个待检测子单元zb中第g个粒子的收益表示为Ib,g;
(4.3)利用粒子的收益计算待检测子单元zb中第n个粒子的总收益
其中,Ib+1,g表示第b+1个待检测子单元zb+1中第g个粒子的收益,当b=B时,Ib+1,g=0;
(4.4)根据总收益确定重采样权值
(4.5)根据总收益和重采样权值以总收益最大为估计准则,利用粒子滤波方法,得到目标信号的前向状态向量估计:
(4.6)以最后一个待检测子单元zB中的粒子-收益集合作为初始粒子-收益集合,以总收益最大为估计准则,将回波数据逆序代入粒子滤波方法,得到目标信号的状态向量估计其中,表示目标信号在待检测子单元zb的状态向量估计,表示待检测子单元zb左端点的多普勒频率估计值,表示待检测子单元zb右端点的多普勒频率估计值;
(4.7)利用目标信号的状态向量估计,计算待检测距离单元Sd的瞬时频率曲线函数估计
其中,t表示自变量时间,tr表示雷达脉冲周期,表示待检测子单元zb的瞬时频率曲线函数估计的斜率。
步骤5,利用待检测单元Sd的瞬时频率曲线函数估计计算第k个待检测子单元zk的多普勒导向矢量h。
(5.1)利用瞬时频率曲线函数估计取b=k,得到待检测子单元zk的瞬时频率曲线函数估计
其中,表示待检测子单元zk的瞬时频率曲线函数估计的斜率,表示待检测子单元zk左端点的多普勒频率估计值,表示待检测子单元zk右端点的多普勒频率估计值;
(5.2)利用待检测子单元zk的瞬时频率曲线函数估计计算待检测子单元zk的多普勒导向矢量h:
其中,上标T表示取转置。
步骤6,计算待检测子单元zk的协方差矩阵估计
(6.1)选取待检测距离单元zk周围的L个距离单元作为参考单元;
(6.2)计算待检测子单元zk的协方差矩阵估计其计算方法主要有以下三种:
第一种是归一化样本协方差矩阵估计方法,其计算公式为:
其中,rq表示第q个参考单元,上标H表示取共轭转置;
第二种是样本协方差矩阵估计方法,其计算公式为:
第三种是功率中值归一化协方差矩阵估计方法,其计算公式为:
其中,meadia{}表示取中值。
本实例使用但不限于使用第一种方法计算待检测子单元zk的协方差矩阵估计
步骤7,利用多普勒导向矢量h和协方差矩阵估计计算待检测子单元zk的广义似然比检验统计量εk:
其中,上标-1表示取逆,|·|表示取模值,λ表示逆伽马分布海杂波纹理分量的形状参数,η表示逆伽马分布海杂波纹理分量的尺度参数。
步骤8,重复步骤5到步骤7,从k=1直至k=B,将得到的B个广义似然比检验统计量累加求得待检测距离单元Sd的检验统计量ξd:
步骤9,根据系统给定的虚警概率p,通过蒙特卡罗实验计算检测门限Tξ。
(9.1)在回波数据块中选取V个纯杂波单元作为训练单元:C1,C2,...,CV,本发明实例中V=100/p;
(9.2)利用V个训练单元分别替换步骤3中的待检测距离单元Sd,重复步骤3到步骤8得到每个训练单元的检验统计量;
(9.3)将得到的V个检验统计量按降序排列,取排列后的第[Vp]个检验统计量作为检测门限Tξ,其中[Vp]表示不超过实数Vp的最大整数。
步骤10,通过比较检验统计量ξd和检测门限Tξ的大小判断出目标是否存在:
如果ξd≥Tξ,则表明待检测距离单元Sd有目标,如果ξd<Tξ,则表明待检测距离单元Sd没有目标。
下面结合仿真实验对本发明的效果做进一步说明。
一.实验数据
本实例使用12组IPIX雷达获取的实测海杂波数据,雷达脉冲重复频率为1000Hz,距离分辨率为30m,略射角约为0.33°;每组数据包含四种极化数据:同向水平HH极化数据、同向垂直VV极化数据、交叉水平垂直HV极化数据和交叉垂直水平VH极化数据。其中前10组数据是在93年采集的海杂波数据,每种极化数据包括14个距离单元,数据长度为217,目标是直径为1米的表面用金属丝包裹的圆球;后2组数据是98年采集的海杂波数据,每种极化数据包括28个距离单元,数据长度为60000,目标是一艘小漂浮艇。
二.仿真实验
在虚警概率p=10-3,脉冲数N=512即观测时间为512毫秒时,利用本发明、基于分形的检测方法和基于三特征的检测方法,分别对12组实测海杂波数据中的目标进行检测,检测结果如图2所示,其中:
图2(a)为同向水平HH极化数据下的检测性能比较图,
图2(b)为交叉水平垂直HV极化数据下的检测性能比较图,
图2(c)为交叉垂直水平VH极化数据下的检测性能比较图;
图2(d)为同向垂直VV极化数据下的检测性能比较图;
图2中的横轴表示实测海杂波数据的编号,纵轴表示检测概率,图2中的框画线表示基于三特征的检测方法的检测概率曲线,三角形画线表示基于分形的检测方法的检测概率曲线,点画线表示本发明的检测概率曲线。
由图2可以得到,在同向水平HH极化数据、同向垂直VV极化数据、交叉水平垂直HV极化数据和交叉垂直水平VH极化数据下,本发明的平均检测概率分别为0.714、0.726、0.727和0.645,基于三特征的检测方法的平均检测概率为0.585、0.688、0.692和0.581,基于分形的检测方法的平均检测概率为0.246、0.416、0.432和0.281。总的来看,本发明的检测概率高于现有方法的检测概率,即表明本发明对海面低速漂浮小目标的检测性能优于现有方法的检测性能。
Claims (4)
1.一种基于前-后向收益参考粒子滤波的海面小目标检测方法,包括:
(1)利用雷达发射机发射连续的脉冲信号,雷达接收机接收Q×M维的回波数据X,其中,Q表示回波数据的积累脉冲数,M表示回波数据的距离单元数;
(2)将回波数据X沿着脉冲维等分为A个N×M维的回波数据块:X1,X2…,Xa,…,XA,其中,Xa表示第a个回波数据块,N表示脉冲数;
(3)选取第a个回波数据块Xa的第d个距离单元为待检测距离单元Sd,将待检测距离单元Sd等分为B个待检测子单元:z1,z2…,zb,…,zB,其中,zb表示第b个待检测子单元,为J维列向量;
(4)计算待检测距离单元Sd的瞬时频率曲线函数估计:
(4.1)在每一个待检测子单元所属的多普勒频率范围内均匀采样产生W个粒子,共产生W×B个粒子;
(4.2)利用广义似然比线性门限检测器计算每个粒子的收益,其中第b个待检测子单元zb中第g个粒子的收益表示为Ib,g;
(4.3)利用粒子的收益计算待检测子单元zb中第n个粒子的总收益
其中,Ib+1,g表示第b+1个待检测子单元zb+1中第g个粒子的收益,当b=B时,Ib+1,g=0;
(4.4)根据总收益确定重采样权值
(4.5)根据总收益和重采样权值以总收益最大为估计准则,利用粒子滤波方法,得到目标信号的前向状态向量估计:
(4.6)以最后一个待检测子单元zB中的粒子-收益集合作为初始粒子-收益集合,以总收益最大为估计准则,将回波数据逆序代入粒子滤波方法,得到目标信号的状态向量估计其中,表示目标信号在待检测子单元zb的状态向量估计,表示待检测子单元zb左端点的多普勒频率估计值,表示待检测子单元zb右端点的多普勒频率估计值;
(4.7)计算待检测单元Sd的瞬时频率曲线函数估计
其中,t表示自变量时间,tr表示雷达脉冲周期,表示待检测子单元zb的瞬时频率曲线函数估计的斜率,表示待检测子单元zb左端点的多普勒频率估计值,表示待检测子单元zb右端点的多普勒频率估计值;
(5)利用待检测单元Sd的瞬时频率曲线函数估计计算第k个待检测子单元zk的多普勒导向矢量h;
(6)计算待检测子单元zk的协方差矩阵估计
(7)利用多普勒导向矢量h和协方差矩阵估计计算待检测子单元zk的广义似然比检验统计量εk:
其中,上标-1表示取逆,上标H表示取共轭转置,|·|表示取模值,λ表示逆伽马分布海杂波纹理分量的形状参数,η表示逆伽马分布海杂波纹理分量的尺度参数;
(8)重复步骤(5)到步骤(7),从k=1直至k=B,将得到的B个广义似然比检验统计量累加,求得待检测距离单元Sd的检验统计量ξd:
(9)根据系统给定的虚警概率p,通过蒙特卡罗实验计算检测门限Tξ;
(10)通过比较检验统计量ξd和检测门限Tξ的大小判断出目标是否存在:如果ξd≥Tξ,则表明待检测距离单元Sd有目标,如果ξd<Tξ,则表明待检测距离单元Sd没有目标。
2.如权利要求1所述的方法,其特征在于,步骤(5)中利用待检测单元Sd的瞬时频率曲线函数估计计算第k个待检测子单元zk的多普勒导向矢量h,按如下步骤进行:
(5a)利用瞬时频率曲线函数估计得到待检测子单元zk的瞬时频率曲线函数估计
其中,表示待检测子单元zk的瞬时频率曲线函数估计的斜率,表示待检测子单元zk左端点的多普勒频率估计值,表示待检测子单元zk右端点的多普勒频率估计值;
(5b)利用待检测子单元zk中目标信号的瞬时频率曲线函数估计计算待检测子单元zk的多普勒导向矢量h:
其中,上标T表示取转置。
3.如权利要求1所述的方法,其特征在于,步骤(6)中计算待检测子单元zk的协方差矩阵估计按如下步骤进行:
(6a)选取待检测距离单元zk周围的L个距离单元作为参考单元;
(6b)利用归一化样本协方差矩阵估计方法计算待检测距离单元zk的协方差矩阵估计
其中,rq表示第q个参考单元。
4.如权利要求1所述的方法,其特征在于,步骤(9)中根据系统给定的虚警概率p,通过蒙特卡罗实验计算检测门限Tξ,按如下步骤进行:
(9a)在回波数据块中选取V个纯杂波单元作为训练单元;
(9b)利用V个训练单元分别替换步骤(3)中的待检测距离单元Sd,重复步骤(3)到步骤(8)得到每个训练单元的检验统计量;
(9c)将得到的V个检验统计量按降序排列,取排列后的第[Vp]个检验统计量作为检测门限Tξ,其中[Vp]表示不超过实数Vp的最大整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610939217.8A CN106569193B (zh) | 2016-11-01 | 2016-11-01 | 基于前-后向收益参考粒子滤波的海面小目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610939217.8A CN106569193B (zh) | 2016-11-01 | 2016-11-01 | 基于前-后向收益参考粒子滤波的海面小目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106569193A CN106569193A (zh) | 2017-04-19 |
CN106569193B true CN106569193B (zh) | 2019-03-08 |
Family
ID=58536017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610939217.8A Active CN106569193B (zh) | 2016-11-01 | 2016-11-01 | 基于前-后向收益参考粒子滤波的海面小目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106569193B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107132532B (zh) * | 2017-06-13 | 2019-12-10 | 西安电子科技大学 | 基于海尖峰抑制和多帧联合的小目标检测方法 |
CN107942324B (zh) * | 2017-11-06 | 2021-02-26 | 西安电子科技大学 | 基于多普勒引导的多帧联合小目标双重检测方法 |
CN109991597A (zh) * | 2019-04-04 | 2019-07-09 | 中国人民解放军国防科技大学 | 一种面向弱扩展目标的检测前跟踪方法 |
CN110412553B (zh) * | 2019-07-26 | 2021-04-16 | 中国人民解放军国防科技大学 | 一种多径情况下的导向矢量检测方法 |
CN111398928B (zh) * | 2020-05-08 | 2021-06-11 | 北京理工大学重庆创新中心 | 基于重采样算法的合成极窄脉冲雷达检测门限计算方法 |
CN111707998B (zh) * | 2020-06-15 | 2023-03-31 | 西安电子科技大学 | 一种基于连通区域特征的海面漂浮小目标检测方法 |
CN111624573A (zh) * | 2020-07-20 | 2020-09-04 | 上海无线电设备研究所 | 一种海杂波背景下的时域自适应目标检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452075A (zh) * | 2008-12-30 | 2009-06-10 | 北京航空航天大学 | 基于平均周期的海上小目标检测方法 |
CN104316914A (zh) * | 2014-11-03 | 2015-01-28 | 西安电子科技大学 | 依赖形状参数的雷达目标自适应检测方法 |
CN104569948A (zh) * | 2015-01-21 | 2015-04-29 | 西安电子科技大学 | 海杂波背景下子带自适应glrt-ltd检测方法 |
-
2016
- 2016-11-01 CN CN201610939217.8A patent/CN106569193B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452075A (zh) * | 2008-12-30 | 2009-06-10 | 北京航空航天大学 | 基于平均周期的海上小目标检测方法 |
CN104316914A (zh) * | 2014-11-03 | 2015-01-28 | 西安电子科技大学 | 依赖形状参数的雷达目标自适应检测方法 |
CN104569948A (zh) * | 2015-01-21 | 2015-04-29 | 西安电子科技大学 | 海杂波背景下子带自适应glrt-ltd检测方法 |
Non-Patent Citations (4)
Title |
---|
Detection of nonlinear FM signals via forward-backward cost-reference particle filter;Peng-Lang Shui 等;《Digital Signal Processing》;20150926;第104-115页 |
Subband Adaptive GLRT-LTD for Weak Moving Targets in Sea Clutter;PENG-LANG SHUI 等;《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》;20160229;第52卷(第1期);第423-437页 |
Tri-Feature-Based Detection of Floating Small Targets in Sea Clutter;PENG-LANG SHUI 等;《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》;20140430;第50卷(第2期);第1416-1430页 |
海杂波背景下的组合自适应GLRT-LTD;刘明 等;《电子与信息学报》;20151231;第37卷(第12期);第2984-2990页 |
Also Published As
Publication number | Publication date |
---|---|
CN106569193A (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106569193B (zh) | 基于前-后向收益参考粒子滤波的海面小目标检测方法 | |
CN105137498B (zh) | 一种基于特征融合的地下目标探测识别系统及方法 | |
CN104569949B (zh) | 基于组合自适应归一化匹配滤波的雷达目标检测方法 | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
Hu et al. | Detection of low observable targets within sea clutter by structure function based multifractal analysis | |
CN106468770B (zh) | K分布杂波加噪声下的近最优雷达目标检测方法 | |
CN106772352B (zh) | 一种基于Hough和粒子滤波的PD雷达扩展微弱目标检测方法 | |
CN105785340B (zh) | 单脉冲雷达对主瓣内目标和诱饵干扰的测角与识别方法 | |
CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN104316914B (zh) | 依赖形状参数的雷达目标自适应检测方法 | |
CN106908781B (zh) | 基于单通道圆迹sar的直线运动动目标的速度矢量获取方法 | |
CN104076350B (zh) | 基于归一化多普勒谱的海面漂浮目标检测方法 | |
CN112462355B (zh) | 一种基于时频三特征提取的对海目标智能检测方法 | |
CN106199537B (zh) | 基于逆高斯纹理海杂波幅度分布参数的分位点估计方法 | |
CN105223560A (zh) | 基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法 | |
CN107942324B (zh) | 基于多普勒引导的多帧联合小目标双重检测方法 | |
CN106872958A (zh) | 基于线性融合的雷达目标自适应检测方法 | |
CN109116352A (zh) | 一种圆扫isar模式船只超分辨率成像方法 | |
CN104749564A (zh) | 海杂波Weibull幅度分布参数的多分位点估计方法 | |
CN105699952A (zh) | 海杂波k分布形状参数的双分位点估计方法 | |
CN111580091A (zh) | 一种基于ar谱奇异强度函数的海面微弱目标检测方法 | |
CN108872961B (zh) | 基于低门限的雷达微弱目标检测方法 | |
CN111681272B (zh) | 一种基于奇异性功率谱的sar图像处理方法 | |
CN106353743B (zh) | 匹配于等效形状参数的近最优雷达目标检测方法 | |
CN111796288B (zh) | 一种基于杂波频谱补偿技术的三坐标雷达动目标处理方法 |
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 |