CN107132532A - 基于海尖峰抑制和多帧联合的小目标检测方法 - Google Patents

基于海尖峰抑制和多帧联合的小目标检测方法 Download PDF

Info

Publication number
CN107132532A
CN107132532A CN201710444238.7A CN201710444238A CN107132532A CN 107132532 A CN107132532 A CN 107132532A CN 201710444238 A CN201710444238 A CN 201710444238A CN 107132532 A CN107132532 A CN 107132532A
Authority
CN
China
Prior art keywords
msub
mrow
data matrix
unit
mtd
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
Application number
CN201710444238.7A
Other languages
English (en)
Other versions
CN107132532B (zh
Inventor
水鹏朗
杨春娇
施赛楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201710444238.7A priority Critical patent/CN107132532B/zh
Publication of CN107132532A publication Critical patent/CN107132532A/zh
Application granted granted Critical
Publication of CN107132532B publication Critical patent/CN107132532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • 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
    • G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于海尖峰抑制和多帧联合的小目标检测方法，主要解决现有技术不适用于在快速扫描模式下检测海面低、慢、小目标的问题。其实现步骤为：1)获取回波数据；2)将回波数据沿着脉冲维进行相干累计得到数据矩阵z；3)利用数据矩阵z，计算第一重检测门限T1并利用T1重新设置数据矩阵z；4)设计方向匹配滤波器，利用方向匹配滤波器和重新设置的数据矩阵z，计算待检测单元d的检验统计量ξd和第二重检测门限T；5)通过比较检验统计量ξd和第二重检测门限T的大小判断出目标是否存在。本发明提高了雷达检测性能，降低了虚警概率，可用于检测海面低速微弱目标。

Description

基于海尖峰抑制和多帧联合的小目标检测方法
技术领域
本发明属于信号处理技术领域，具体涉及一种小目标检测方法，可用于海面低、慢、小目标的识别与跟踪。
背景技术
海杂波背景下的低速微弱目标检测方法研究在军事、民用方面均具有广阔的应用前景。岸基雷达和机载雷达通常工作在高分辨、快扫描模式下。其中快扫描模式下雷达在每个波位获得的脉冲数在10个以下。在距离分辨率较高、脉冲数较少的情况下，海面低速微弱运动目标检测的难度较高。而扫描内出现的海尖峰效应更加大了海面目标检测的难度。
文献He,Y.,Guan,J.:Meng,X.W.et al.:‘Radar target detection and CFARprocessing’,(Tsinghua University Press,2011,2st edn.),pp.30-50和文献Watts,S.:‘Cell-averaging CFAR gain in spatially correlated K-distributed clutter’,IEEERadar Sonar Navig.,1996,143,pp.321-327提出的各类基于能量的恒虚警检测方法由于容易实现、计算速度快被广泛应用于雷达目标检测中。基于能量的恒虚警检测方法在海杂波统计特性未知、脉冲数较少的情况下仍可使用。但是，由于微弱目标的回波经常被淹没在强的海杂波中使得雷达获得的信杂比降低，在低信杂比情况下，基于能量的恒虚警检测方法的检测性能很差。而且，基于能量的恒虚警检测方法也不能减少海尖峰效应带来的大量虚警。
发明内容
本发明的目的在于提出一种基于海尖峰抑制和多帧联合的小目标检测方法，以提高在快扫描模式下对海面低、慢、小目标的检测性能，降低虚警概率。
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M×I×Q维的回波数据矩阵X，其中，M表示帧数即扫描数，I表示距离单元数，Q表示积累脉冲数；
(2)利用回波数据矩阵X沿着脉冲维求非相干累积，计算数据矩阵z，其中，数据矩阵z的第m行i列的数据为z(m,i)：
| |表示取模，X(m,i,q)表示回波数据矩阵X的第m行i列q页的回波数据；
(3)给定第一重检测的虚警概率p1和第二重检测的虚警概率p，通过蒙特卡罗实验计算第一重检测门限T1，其中，p1≥p；
(4)根据第一重检测门限T1重新设置数据矩阵z，其中，重新设置的数据矩阵z的第m行i列的数据为：
(5)给定窗长2L+1，设计方向匹配滤波器；
(6)给定参考单元个数R，利用方向匹配滤波器和重新设置后的数据矩阵z，计算待检测单元d的检验统计量ξd；
(7)根据第二重检测的虚警概率p，通过蒙特卡罗实验计算第二重检测门限T；
(8)比较检验统计量ξd和第二重检测门限T的大小，判断出目标是否存在：
如果ξd≥T，则表明待检测距离单元d有目标，
如果ξd＜T，则表明待检测距离单元d没有目标。
本发明与现有技术比较具有以下优点：
1)本发明由于基于能量检测，相比已有的自适应检测方法更具有广泛性，能在海杂波统计特性未知、脉冲数较少的情况下对海面目标进行检测。
2)本发明由于基于能量在方向上的累积且保证在所有方向均进行搜索，不仅利用了帧间的能量信息还利用了目标运动方向的信息，相比已有的依靠能量的恒虚警检测方法，更适合用于在快速扫描模式下对海面微弱目标检测。
3)本发明由于使用双重检测，相比已有方法，能有效抑制海尖峰，提高了在快速扫描模式下雷达对海面低、慢、小目标的检测性能，降低了虚警概率。
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，雷达接收机接收M×I×Q维的回波数据矩阵X，其中，M表示帧数即扫描数，I表示距离单元数，Q表示积累脉冲数。
步骤2，利用回波数据矩阵X沿着脉冲维求非相干累积，计算数据矩阵z。
求非相干累积计算数据矩阵z有两种方法：
第一种是加性累积，其计算公式为:
其中，z(m,i)表示数据矩阵z的第m行i列的数据，| |表示取模，X(m,i,q)表示回波数据矩阵X的第m行i列q页的回波数据；
第二种是乘性累积，其计算公式为：
其中，z(m,i)表示数据矩阵z的第m行i列的数据，| |表示取模，X(m,i,q)表示回波数据矩阵X的第m行i列q页的回波数据；
本实例使用但不限于使用第二种方法计算数据矩阵z。
步骤3，给定第一重检测的虚警概率p1和第二重检测的虚警概率p，通过蒙特卡罗实验计算第一重检测门限T1。
(3.1)在数据矩阵z中选取V个纯杂波单元作为训练单元，V≥100/p，本实例取V＝100/p；
(3.2)取每个纯杂波单元在数据矩阵z中对应的值作为检验统计量，将得到的V个检验统计量按降序排列，取排列后的第[Vp1]个检验统计量作为第一重检测门限T1，其中[Vp1]表示不超过实数Vp1的最大整数。
步骤4，根据第一重检测门限T1，重新设置数据矩阵z，其中，重新设置的数据矩阵z的第m行i列的数据为：
步骤5，设计方向匹配滤波器。
(5.1)给定窗长2L+1，确定水平滤波器h，其中，L为正整数，水平滤波器h的第x行y列的值为：x＝-L,-L+1,...,L-1,L，y＝-L,-L+1,...,L-1,L，为获得更好的检测性能L≥4，本实例取L＝4；
(5.2)利用水平滤波器h，保证所有方向都被搜索到，设计方向匹配滤波器：
wj(θj)＝h(xcosθj-ysinθj,xsinθj+ycosθj)
其中，wj(θj)表示第j个方向的方向匹配滤波器；θj表示第j个旋转角度，其为第j个方向的方向匹配滤波器的自变量；J表示方向匹配滤波器的个数，J≥2L，本实例取J＝16。
步骤6，计算待检测单元d的检验统计量。
(6.1)在重新设置后的数据矩阵z中，以待检测单元d为中心，选取(2L+1)×(2L+1)维数据为模版矩阵，将模版矩阵与方向匹配滤波器点乘并对点乘结果中的所有元素进行累积求和，得到待检测单元d在每个方向上的累积和；
(6.2)给定参考单元个数R,选取待检测单元d周围的R个单元作为参考单元，利用R个参考单元分别替换步骤(5.1)中的待检测距离单元d，得到每个参考单元在每个方向上的累积和，再在每个方向上选取出R个累积和中的最大值；
(6.3)利用待检测单元d在每个方向上的累积和与R个参考单元在每个方向上的累积和的最大值计算待检测单元d的检验统计量ξd：
其中，max()表示取最大值，st表示待检测单元d在第t个方向上的累积和，nt表示R个参考单元在第t个方向上的累积和的最大值，t＝1,2,...,J。
步骤7，根据系统给定的第二重检测虚警概率p，通过蒙特卡罗实验计算第二重检测门限T。
(7.1)以步骤(3.1)中选取的V个纯杂波单元作为训练单元；
(7.2)利用V个训练单元分别替换步骤6中的待检测距离单元d，重复步骤6得到每个训练单元的检验统计量；
(7.3)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T，其中[Vp]表示不超过实数Vp的最大整数。
步骤8，通过比较检验统计量ξd和检测门限T的大小判断出目标是否存在：
如果ξd≥T，则表明待检测距离单元d有目标，
如果ξd＜T，则表明待检测距离单元d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CSIR在南非采集的实测海杂波数据TFC15-002，雷达载波频率为9兆赫兹,脉冲重复频率为5000赫兹,低略射角情况下距离分辨力为15米,使用垂直极化方式。选取数据脉冲数为4，距离单元数为96，帧数为109，目标按照模型Swerling I仿真从第20个距离单元加至第50个距离单元，平均信杂比为10分贝。
二.仿真实验
令参考单元数为24个，利用本发明和现有基于功率中值-恒虚警检测方法CM-CFAR，分别对目标进行检测，结果如图2所示，其中：
图2(a)为使用本发明取第一重检测的虚警概率p1＝10-2和第二重检测的虚警概率p＝10-3对目标进行检测的结果图，
图2(b)为使用现有基于功率中值-恒虚警检测方法取虚警概率p＝10-3对目标进行检测的结果图；
图2中的黑色区域表示海杂波背景，连成线的白点表示目标轨迹，孤立的白点表示海尖峰。
由图2可以看出，本发明相比基于功率中值-恒虚警检测方法有效的抑制了扫描内的海尖峰，得到的目标轨迹更加清晰。本发明的检测概率为0.917，基于功率中值-恒虚警检测方法的检测概率为0.550。可见，在快速扫描模式下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 (5)

1.一种基于海尖峰抑制和多帧联合的小目标检测方法，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M×I×Q维的回波数据矩阵X，其中，M表示帧数即扫描数，I表示距离单元数，Q表示积累脉冲数；
(2)利用回波数据矩阵X沿着脉冲维求非相干累积，计算数据矩阵z，其中，数据矩阵z的第m行i列的数据为z(m,i)：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>z</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <mroot> <mrow> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>q</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>Q</mi> </munderover> <mo>|</mo> <mi>X</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>i</mi> <mo>,</mo> <mi>q</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow> <mi>Q</mi> </mroot> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>M</mi> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>I</mi> <mo>,</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>
| |表示取模，X(m,i,q)表示回波数据矩阵X的第m行i列q页的回波数据；
(3)给定第一重检测的虚警概率p1和第二重检测的虚警概率p，通过蒙特卡罗实验计算第一重检测门限T1，其中，p1≥p；
(4)根据第一重检测门限T1重新设置数据矩阵z，其中，重新设置的数据矩阵z的第m行i列的数据为：
(5)给定窗长2L+1，设计方向匹配滤波器；
(6)给定参考单元个数R，利用方向匹配滤波器和重新设置后的数据矩阵z，计算待检测单元d的检验统计量ξd；
(7)根据第二重检测的虚警概率p，通过蒙特卡罗实验计算第二重检测门限T；
(8)比较检验统计量ξd和第二重检测门限T的大小，判断出目标是否存在：
如果ξd≥T，则表明待检测距离单元d有目标，
如果ξd＜T，则表明待检测距离单元d没有目标。
2.如权利要求1所述的方法，其特征在于,步骤(3)中计算第一重检测门限T1，按如下步骤进行：
(3a)在数据矩阵z中选取V个纯杂波单元作为训练单元，V≥100/p；
(3b)取每个纯杂波单元在数据矩阵z中对应的值作为检验统计量，将得到的V个检验统计量按降序排列，取排列后的第[Vp1]个检验统计量作为第一重检测门限T1，其中[Vp1]表示不超过实数Vp1的最大整数。
3.如权利要求1所述的方法，其特征在于,步骤(5)中设计方向匹配滤波器，按如下步骤进行：
(5a)给定窗长2L+1，确定水平滤波器h，其中，L为正整数，水平滤波器h的第x行y列的值为：
(5b)利用水平滤波器h，保证所有方向都被搜索到，设计方向匹配滤波器：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>w</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>&amp;theta;</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mi>h</mi> <mrow> <mo>(</mo> <mi>x</mi> <mi> </mi> <msub> <mi>cos&amp;theta;</mi> <mi>j</mi> </msub> <mo>-</mo> <mi>y</mi> <mi> </mi> <msub> <mi>sin&amp;theta;</mi> <mi>j</mi> </msub> <mo>,</mo> <mi>x</mi> <mi> </mi> <msub> <mi>sin&amp;theta;</mi> <mi>j</mi> </msub> <mo>+</mo> <mi>y</mi> <mi> </mi> <msub> <mi>cos&amp;theta;</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;theta;</mi> <mi>j</mi> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mfrac> <mi>&amp;pi;</mi> <mi>J</mi> </mfrac> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>J</mi> </mrow> </mtd> </mtr> </mtable> </mtd> </mtr> </mtable> <mo>,</mo> </mrow>
其中，wj(θj)表示第j个方向的方向匹配滤波器，θj表示第j个旋转角度，J表示方向匹配滤波器的个数，J≥2L。
4.如权利要求1所述的方法，其特征在于,步骤(6)中给定参考单元个数R，利用方向匹配滤波器和重新设置后的数据矩阵z，计算待检测单元d的检验统计量ξd，按如下步骤进行：
(6a)在重新设置后的数据矩阵z中，以待检测单元d为中心，选取(2L+1)×(2L+1)维数据为模版矩阵，将模版矩阵与方向匹配滤波器点乘并对点乘结果中的所有元素进行累积求和，得到待检测单元d在每个方向上的累积和；
(6b)选取待检测单元d周围的R个单元作为参考单元，利用R个参考单元分别替换步骤(6a)中的待检测距离单元d，得到每个参考单元在每个方向上的累积和，再在每个方向上选取出R个累积和中的最大值；
(6c)利用待检测单元d在每个方向上的累积和与R个参考单元在每个方向上的累积和的最大值，计算待检测单元d的检验统计量ξd：
<mrow> <msub> <mi>&amp;xi;</mi> <mi>d</mi> </msub> <mo>=</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <mfrac> <msub> <mi>s</mi> <mn>1</mn> </msub> <msub> <mi>n</mi> <mn>1</mn> </msub> </mfrac> <mo>,</mo> <mfrac> <msub> <mi>s</mi> <mn>2</mn> </msub> <msub> <mi>n</mi> <mn>2</mn> </msub> </mfrac> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mfrac> <msub> <mi>s</mi> <mi>t</mi> </msub> <msub> <mi>n</mi> <mi>t</mi> </msub> </mfrac> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mfrac> <msub> <mi>s</mi> <mrow> <mi>J</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <msub> <mi>n</mi> <mrow> <mi>J</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mfrac> <mo>,</mo> <mfrac> <msub> <mi>s</mi> <mi>J</mi> </msub> <msub> <mi>n</mi> <mi>J</mi> </msub> </mfrac> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
其中，st表示待检测单元d在第t个方向上的累积和，nt表示R个参考单元在第t个方向上的累积和的最大值，t＝1,2,...,J。
5.如权利要求1所述的方法，其特征在于，步骤(7)中根据系统给定的虚警概率p，通过蒙特卡罗实验计算第二重检测门限T，按如下步骤进行：
(7a)以步骤(3a)中选取的V个纯杂波单元作为训练单元；
(7b)利用V个训练单元分别替换步骤(6)中的待检测距离单元d，重复步骤(6)得到每个训练单元的检验统计量；
(7c)将得到的V个检验统计量按降序排列，取排列后的第[Vp]个检验统计量作为第二重检测门限T，其中[Vp]表示不超过实数Vp的最大整数。
CN201710444238.7A 2017-06-13 2017-06-13 基于海尖峰抑制和多帧联合的小目标检测方法 Active CN107132532B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710444238.7A CN107132532B (zh) 2017-06-13 2017-06-13 基于海尖峰抑制和多帧联合的小目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710444238.7A CN107132532B (zh) 2017-06-13 2017-06-13 基于海尖峰抑制和多帧联合的小目标检测方法

Publications (2)

Publication Number Publication Date
CN107132532A true CN107132532A (zh) 2017-09-05
CN107132532B CN107132532B (zh) 2019-12-10

Family

ID=59734334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710444238.7A Active CN107132532B (zh) 2017-06-13 2017-06-13 基于海尖峰抑制和多帧联合的小目标检测方法

Country Status (1)

Country Link
CN (1) CN107132532B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107942324A (zh) * 2017-11-06 2018-04-20 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
CN108169728A (zh) * 2018-01-12 2018-06-15 西安电子科技大学 基于Minkowski距离的距离扩展目标检测方法
CN108594190A (zh) * 2018-04-20 2018-09-28 西安电子科技大学 一种高分辨海杂波的仿真方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102788969A (zh) * 2012-07-04 2012-11-21 中国人民解放军海军航空工程学院 基于短时分数阶傅里叶变换的海面微动目标检测和特征提取方法
US20140333475A1 (en) * 2013-05-08 2014-11-13 Eigenor Oy Method and arrangement for removing ground clutter
CN106291492A (zh) * 2016-07-19 2017-01-04 西安电子科技大学 一种基于精细杂波图的自适应目标检测方法
CN106468770A (zh) * 2016-09-23 2017-03-01 西安电子科技大学 K分布杂波加噪声下的近最优雷达目标检测方法
CN106569193A (zh) * 2016-11-01 2017-04-19 西安电子科技大学 基于前‑后向收益参考粒子滤波的海面小目标检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102788969A (zh) * 2012-07-04 2012-11-21 中国人民解放军海军航空工程学院 基于短时分数阶傅里叶变换的海面微动目标检测和特征提取方法
US20140333475A1 (en) * 2013-05-08 2014-11-13 Eigenor Oy Method and arrangement for removing ground clutter
CN106291492A (zh) * 2016-07-19 2017-01-04 西安电子科技大学 一种基于精细杂波图的自适应目标检测方法
CN106468770A (zh) * 2016-09-23 2017-03-01 西安电子科技大学 K分布杂波加噪声下的近最优雷达目标检测方法
CN106569193A (zh) * 2016-11-01 2017-04-19 西安电子科技大学 基于前‑后向收益参考粒子滤波的海面小目标检测方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107942324A (zh) * 2017-11-06 2018-04-20 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
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
CN108169728A (zh) * 2018-01-12 2018-06-15 西安电子科技大学 基于Minkowski距离的距离扩展目标检测方法
CN108594190A (zh) * 2018-04-20 2018-09-28 西安电子科技大学 一种高分辨海杂波的仿真方法
CN108594190B (zh) * 2018-04-20 2021-04-27 西安电子科技大学 一种高分辨海杂波的仿真方法

Also Published As

Publication number Publication date
CN107132532B (zh) 2019-12-10

Similar Documents

Publication Publication Date Title
CN107037410B (zh) 一种对雷达进行干扰的方法、装置及频控阵干扰机
CN103454624B (zh) 基于降维稀疏重构空时谱的直接数据域动目标检测方法
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
CN107942324A (zh) 基于多普勒引导的多帧联合小目标双重检测方法
CN104267379A (zh) 一种基于波形设计的主被动雷达协同抗干扰方法
CN1643398A (zh) 用于雷达检测的自适应系统和方法
CN105652246A (zh) 一种基于盲源分离的雷达抗主瓣干扰方法
CN109765529B (zh) 一种基于数字波束形成的毫米波雷达抗干扰方法及系统
CN103197297B (zh) 基于认知框架的雷达动目标检测方法
CN107015205A (zh) 一种分布式mimo雷达检测的虚假目标消除方法
CN107132532A (zh) 基于海尖峰抑制和多帧联合的小目标检测方法
CN108181620A (zh) 一种三坐标雷达点迹质量评估方法
CN108872961B (zh) 基于低门限的雷达微弱目标检测方法
CN109934101A (zh) 基于卷积神经网络的雷达杂波识别方法
CN104849707A (zh) 一种基于多雷达分布式检测的海杂波抑制方法
Chen et al. Radar signal processing for low-observable marine target-challenges and solutions
CN103792523A (zh) 基于张量积的uhf波段多通道雷达径向速度检测方法
Chen et al. Adaptive detection in compound-Gaussian clutter with inverse Gaussian texture
CN107202980A (zh) 基于方向比率的多帧联合海面小目标检测方法
CN106896350A (zh) 一种WAS‑GMTI模式下基于Relax算法的杂波抑制和参数估计方法
CN114152918A (zh) 基于压缩感知的抗间歇式主瓣干扰方法
Tan et al. A ship detection method based on YOLOv7 in range-compressed SAR data
Zhou et al. Broadened Sea Clutter Suppression Method for Shipborne HF Hybrid Sky-Surface Wave Radar
Li et al. Moving target detection and tracking interactive algorithm based on acoustic image
CN112213706A (zh) 多维数字化波门帧间递进关联的逻辑tbd检测方法

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