CN113009444A - 一种广义高斯纹理海杂波背景下的目标检测方法及装置 - Google Patents

一种广义高斯纹理海杂波背景下的目标检测方法及装置 Download PDF

Info

Publication number
CN113009444A
CN113009444A CN202110218139.3A CN202110218139A CN113009444A CN 113009444 A CN113009444 A CN 113009444A CN 202110218139 A CN202110218139 A CN 202110218139A CN 113009444 A CN113009444 A CN 113009444A
Authority
CN
China
Prior art keywords
function
probability density
under
texture
target detection
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
CN202110218139.3A
Other languages
English (en)
Other versions
CN113009444B (zh
Inventor
时艳玲
刘浩
姚婷婷
王磊
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202110218139.3A priority Critical patent/CN113009444B/zh
Publication of CN113009444A publication Critical patent/CN113009444A/zh
Application granted granted Critical
Publication of CN113009444B publication Critical patent/CN113009444B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S7/414—Discriminating targets with respect to background clutter
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

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

Abstract

本发明公开一种广义高斯纹理海杂波背景下的目标检测方法及装置，获取接收回波信息；基于接收回波信息，分别构建接收回波中海杂波在备择假设和原假设条件下的概率密度函数；根据所述概率密度函数，确定似然比检测函数；根据所述似然比检测函数，确定目标检测函数；利用所述目标检测函数进行目标检测。利用广义高斯分布建模海杂波纹理分量，推导出了复合高斯分布下的检测函数，能满足海杂波小擦地角和高分辨率的要求，并且该检测方法有较低的计算复杂度，通过与GLRT检测函数、纹理逆伽马(IGM‑GLRT)检测函数、纹理伽马(GM‑GLRT)检测函数进行对比，采用本发明GGD‑GLRT检测函数的检测方法性能较优。

Description

一种广义高斯纹理海杂波背景下的目标检测方法及装置
技术领域
本发明属于雷达目标检测领域，具体涉及一种广义高斯纹理海杂波背景下的目标检测方法。
背景技术
目标检测技术在生活、军事和科研等方面有着广泛的应用，海面目标下的雷达目标检测则是国内外专家研究的热门领域。但是在较小擦地角和较高分辨率的情况下，海杂波会表现出非高斯和非平稳的特性，并且会产生严重的拖尾现象。因此，如何建模海杂波、如何选择检测算法非常重要。海杂波的纹理分量被建模为不同分布时，其检测性能有差异，例如西安电子科技大学的文献《Persymmetric adaptive detection of distributedtargets in compound Gaussian sea clutter with Gamma texture》，该文献利用伽马分布建模海杂波纹理分量，得到了在复合高斯分布背景下的目标检测器，该文献的不足之处：伽马分布概率密度函数拖尾较为严重，不能很好的拟合海杂波纹理分量，且在较小的擦地角和较高的分辨率情况下，该检测器有较高的计算复杂度，性能表现一般。又例如中国科学院电子研究所的文献《Adaptive detection of distributed targets in compound-Gaussian clutter with inverse gamma texture》，该文献利用逆伽马分布建模海杂波纹理分量，得到了复合高斯杂波背景下的目标检测器，该文献的不足之处：逆伽马分布在建模海杂波纹理分量时，计算复杂度较高，且不能满足海杂波对分辨率的要求。
发明内容
本发明上的目的在与克服现有技术的不足，提出一种广义高斯纹理海杂波背景下的目标检测方法，针对小擦地角和高分辨率下海杂波的非高斯、非平稳、非均匀特性，经过仿真海杂波数据进行实验得到较好的检测性能。
本发明公开一种一种广义高斯纹理海杂波背景下的目标检测方法，包括：
获取接收回波信息；
基于接收回波信息，分别构建接收回波中海杂波在备择假设和原假设条件下的概率密度函数；
根据所述概率密度函数，确定似然比检测函数；
根据所述似然比检测函数，确定目标检测函数；
利用所述目标检测函数进行目标检测。备择假设备择假设
进一步地，所述接收回波信息包括接收回波的幅度、纹理和形状参数；接收回波中的海杂波服从广义高斯分布；备择假设H1条件下的概率密度函数为：
Figure BDA0002954742900000021
其中，
Figure BDA0002954742900000022
为备择假设H1条件下接收回波z在幅度参数
Figure BDA0002954742900000023
和纹理τ条件下的条件概率密度函数，
Figure BDA0002954742900000024
p为多普勒导向矢量，H表示接收回波的共轭转置，
Figure BDA0002954742900000025
为杂波协方差矩阵：
Figure BDA0002954742900000026
Figure BDA0002954742900000027
为广义高斯分布的概率密度函数，
其中
Figure BDA0002954742900000028
α为形状参数，σ为方差，Γ为伽马函数，exp为指数函数，zk为参考样本，K为参考样本个数，N为脉冲个数。
进一步地，原假设H0条件下的概率密度函数：
Figure BDA0002954742900000029
其中，
Figure BDA00029547429000000210
为原假设H0条件下接收回波z在幅度参数
Figure BDA00029547429000000211
和纹理τ条件下的条件概率密度函数，
Figure BDA00029547429000000212
进一步地，似然比检测函数为：
Figure BDA0002954742900000031
其中T为检测门限。
进一步地，目标检测函数为：
Figure BDA0002954742900000032
进一步地，幅度参数
Figure BDA0002954742900000033
采用最大似然法，其表达式为：
Figure BDA0002954742900000034
进一步地，一种广义高斯纹理海杂波背景下的目标检测装置，包括：
接收回波中海杂波在备择假设和原假设条件下的概率密度单元；
由概率密度单元确定的似然比检测单元；
根据所述似然比检测单元，确定目标检测单元；
利用所述目标检测单元进行目标检测。
进一步地，所述接收回波信息包括接收回波的幅度、纹理和形状参数；接收回波中的海杂波服从广义高斯分布；
备择假设H1条件下的概率密度函数为：
Figure BDA0002954742900000035
其中，
Figure BDA0002954742900000036
为备择假设H1条件下接收回波z在幅度参数
Figure BDA0002954742900000037
和纹理τ条件下的条件概率密度函数，
Figure BDA0002954742900000038
p为多普勒导向矢量，H表示接收回波的共轭转置，
Figure BDA0002954742900000039
为杂波协方差矩阵：
Figure BDA00029547429000000310
Figure BDA00029547429000000311
为广义高斯分布的概率密度函数，
其中
Figure BDA0002954742900000041
α为形状参数，σ为方差，Γ为伽马函数，exp为指数函数，zk为参考样本，K为参考样本个数，N为脉冲个数；
原假设H0条件下的概率密度函数：
Figure BDA0002954742900000042
其中，
Figure BDA0002954742900000043
为原假设H0条件下接收回波z在幅度参数
Figure BDA0002954742900000044
和纹理τ条件下的条件概率密度函数，
Figure BDA0002954742900000045
进一步地，似然比检测函数为：
Figure BDA0002954742900000046
其中T为检测门限。
进一步地，目标检测函数为：
Figure BDA0002954742900000047
本发明具有的有益效果：
本发明利用广义高斯分布建模海杂波纹理分量，推导出了复合高斯分布下的GGD-GLRT(Generalized Gaussian Distribution GLRT，GGD-GLRT)检测函数，能满足海杂波小擦地角和高分辨率的要求，并且该检测方法有较低的计算复杂度，通过与GLRT检测函数、纹理逆伽马(IGM-GLRT)检测函数、纹理伽马(GM-GLRT)检测函数进行对比，采用本发明GGD-GLRT检测函数的检测方法性能较优。
附图说明
图1是本发明的流程示意图；
图2是本发明提出的GGD-GLRT检测函数与GLRT检测函数、IGM-GLRT检测函数、GM-GLRT检测函数在仿真海杂波数据下的性能比较图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，本发明的一种广义高斯纹理海杂波背景下的目标检测方法，包括：
获取接收回波信息；
基于接收回波信息，分别构建备择假设H1和原假设H0条件下的概率密度函数；
获取检测门限，通过备择假设H1和原假设H0条件下的概率密度函数构建似然比检测函数；
基于似然比检测函数获得目标检测函数；
利用所述目标检测函数进行目标检测。
具体地：推导出接收回波z在备择假设H1与原假设H0下接收回波z的概率密度函数：
对于备择假设H1和原假设H0条件下，z|H1和z|H0的概率密度函数可以通过对τ的积分求得：
Figure BDA0002954742900000051
上式中的
Figure BDA0002954742900000052
为接收回波z在幅度参数
Figure BDA0002954742900000053
和纹理τ条件下的条件概率密度函数，f(τ)为纹理τ的概率密度函数。
其中，备择假设H1条件下接收回波z在幅度参数
Figure BDA0002954742900000054
和纹理τ的概率密度函数为：
Figure BDA0002954742900000055
原假设H0条件下接收回波z在幅度参数
Figure BDA0002954742900000056
和纹理τ的概率密度函数为：
Figure BDA0002954742900000057
广义高斯分布的概率密度函数为：
Figure BDA0002954742900000061
其中
Figure BDA0002954742900000062
α为形状参数，控制着海杂波分布的“形状”；σ为方差，Γ为伽马函数，exp为指数函数。
上式中q1与q0的表达式如下：
Figure BDA0002954742900000063
Figure BDA0002954742900000064
幅度参数
Figure BDA0002954742900000065
采用最大似然法，其表达式为：
Figure BDA0002954742900000066
其中z为接收回波，p为多普勒导向矢量，H表示共轭转置。
将式(2)、式(4)和式(5)代入式(1)可得备择假设H1条件下接收回波z的概率密度函数
Figure BDA0002954742900000067
为：
Figure BDA0002954742900000068
其中令参数
Figure BDA0002954742900000069
令x＝τ1/2，此时上式等同于
Figure BDA00029547429000000610
当α＝1时，上式化简为
Figure BDA0002954742900000071
由
Figure BDA0002954742900000072
上式可化简得
Figure BDA0002954742900000073
同理，将式(3)、式(4)和式(6)代入式(1)可得原假设H0条件下接收回波z的概率密度函数
Figure BDA0002954742900000074
为：
Figure BDA0002954742900000075
根据奈曼-皮尔逊准则，在虚警概率一定的条件下，要使检测概率最大化，最优的判决式为似然比检测：
Figure BDA0002954742900000076
上式中T为检测门限，步骤1中的式(11)和式(12)分别是待检测样本在备择假设H1与原假设H0下接收回波z的概率密度函数，因此广义高斯纹理复合高斯杂波环境下的GGD-GLRT检测函数为：
Figure BDA0002954742900000077
如图2所示，对比GGD-GLRT检测函数与GLRT检测函数、IGM-GLRT检测函数、GM-GLRT检测函数的性能曲线。
GLRT检测函数为：
Figure BDA0002954742900000078
其中，p为多普勒导向矢量，
Figure BDA0002954742900000079
为杂波协方差矩阵，z为接收回波，H表示接收回波的共轭转置。
IGM-GLRT检测函数：
Figure BDA0002954742900000081
其中，参数q1为
Figure BDA0002954742900000082
参数q0为
Figure BDA0002954742900000083
N是雷达积累脉冲数，参数μ是形状参数，参数λ为尺度参数。
GM-GLRT检测函数：
Figure BDA0002954742900000084
其中，参数q1为
Figure BDA0002954742900000085
参数q0为
Figure BDA0002954742900000086
参数λ是形状参数，参数μ为尺度参数，N为雷达积累脉冲数，KN-λ为N-λ阶贝塞尔函数。
杂波协方差矩阵
Figure BDA0002954742900000087
为：
Figure BDA0002954742900000088
其中，zk表示雷达接收的第k个参考单元的回波数据，K为参考单元的个数。
如图2所示，通过对比本发明提出的GGD-GLRT检测函数与GLRT检测函数、IGM-GLRT检测函数、GM-GLRT检测函数的性能曲线对比。验证了专利所提出的海杂波纹理分量服从广义高斯分布下的GGD-GLRT检测器的有效性。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种广义高斯纹理海杂波背景下的目标检测方法，其特征在于，包括：
获取接收回波信息；
基于接收回波信息，分别构建接收回波中海杂波在备择假设和原假设条件下的概率密度函数；
根据所述概率密度函数，确定似然比检测函数；
根据所述似然比检测函数，确定目标检测函数；
利用所述目标检测函数进行目标检测。
2.根据权利要求1所述的一种广义高斯纹理海杂波背景下的目标检测方法，其特征在于，所述接收回波信息包括接收回波的幅度、纹理和形状参数；接收回波中的海杂波服从广义高斯分布；
备择假设H1条件下的概率密度函数为：
Figure FDA0002954742890000011
其中，
Figure FDA0002954742890000012
为备择假设H1条件下接收回波z在幅度参数
Figure FDA0002954742890000013
和纹理τ条件下的条件概率密度函数，
Figure FDA0002954742890000014
p为多普勒导向矢量，H表示接收回波的共轭转置，
Figure FDA0002954742890000015
为杂波协方差矩阵：
Figure FDA0002954742890000016
Figure FDA0002954742890000017
为广义高斯分布的概率密度函数，
其中
Figure FDA0002954742890000018
α为形状参数，σ为方差，Γ为伽马函数，exp为指数函数，zk为参考样本，K为参考样本个数，N为脉冲个数。
3.根据权利要求2所述的一种广义高斯纹理海杂波背景下的目标检测方法，其特征在于，原假设H0条件下的概率密度函数：
Figure FDA0002954742890000021
其中，
Figure FDA0002954742890000022
为原假设H0条件下接收回波z在幅度参数
Figure FDA0002954742890000023
和纹理τ条件下的条件概率密度函数，
Figure FDA0002954742890000024
4.根据权利要求3所述的一种广义高斯纹理海杂波背景下的目标检测方法，其特征在于，似然比检测函数为：
Figure FDA0002954742890000025
其中T为检测门限。
5.根据权利要求4所述的一种广义高斯纹理海杂波背景下的目标检测方法，其特征在于，目标检测函数为：
Figure FDA0002954742890000026
6.根据权利要求2或3所述的一种广义高斯纹理海杂波背景下的目标检测方法，其特征在于，幅度参数
Figure FDA0002954742890000027
采用最大似然法，其表达式为：
Figure FDA0002954742890000028
7.一种广义高斯纹理海杂波背景下的目标检测装置，其特征在于，包括：
接收回波中海杂波在备择假设和原假设条件下的概率密度单元；
由概率密度单元确定的似然比检测单元；
根据所述似然比检测单元，确定目标检测单元；
利用所述目标检测单元进行目标检测。
8.根据权利要求7所述的一种广义高斯纹理海杂波背景下的目标检测装置，其特征在于，所述接收回波信息包括接收回波的幅度、纹理和形状参数；接收回波中的海杂波服从广义高斯分布；
备择假设H1条件下的概率密度函数为：
Figure FDA0002954742890000031
其中，
Figure FDA0002954742890000032
为备择假设H1条件下接收回波z在幅度参数
Figure FDA0002954742890000033
和纹理τ条件下的条件概率密度函数，
Figure FDA0002954742890000034
p为多普勒导向矢量，H表示接收回波的共轭转置，
Figure FDA0002954742890000035
为杂波协方差矩阵：
Figure FDA0002954742890000036
Figure FDA0002954742890000037
为广义高斯分布的概率密度函数，
其中
Figure FDA0002954742890000038
α为形状参数，σ为方差，Γ为伽马函数，exp为指数函数，zk为参考样本，K为参考样本个数，N为脉冲个数；
原假设H0条件下的概率密度函数：
Figure FDA0002954742890000039
其中，
Figure FDA00029547428900000310
为原假设H0条件下接收回波z在幅度参数
Figure FDA00029547428900000311
和纹理τ条件下的条件概率密度函数，
Figure FDA00029547428900000312
9.根据权利要求8所述的一种广义高斯纹理海杂波背景下的目标检测装置，其特征在于，似然比检测函数为：
Figure FDA00029547428900000313
其中T为检测门限。
10.根据权利要求9所述的一种广义高斯纹理海杂波背景下的目标检测装置，其特征在于，目标检测函数为：
Figure FDA0002954742890000041
CN202110218139.3A 2021-02-26 2021-02-26 一种广义高斯纹理海杂波背景下的目标检测方法及装置 Active CN113009444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110218139.3A CN113009444B (zh) 2021-02-26 2021-02-26 一种广义高斯纹理海杂波背景下的目标检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110218139.3A CN113009444B (zh) 2021-02-26 2021-02-26 一种广义高斯纹理海杂波背景下的目标检测方法及装置

Publications (2)

Publication Number Publication Date
CN113009444A true CN113009444A (zh) 2021-06-22
CN113009444B CN113009444B (zh) 2023-06-06

Family

ID=76387284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110218139.3A Active CN113009444B (zh) 2021-02-26 2021-02-26 一种广义高斯纹理海杂波背景下的目标检测方法及装置

Country Status (1)

Country Link
CN (1) CN113009444B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114859342A (zh) * 2022-03-24 2022-08-05 电子科技大学 一种基于韦泊尔-广义高斯的对海超分辨成像方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6044336A (en) * 1998-07-13 2000-03-28 Multispec Corporation Method and apparatus for situationally adaptive processing in echo-location systems operating in non-Gaussian environments
WO2014197139A1 (en) * 2013-06-07 2014-12-11 Raytheon Applied Signal Technology, Inc. System and method for distribution free target detection in a dependent non-gaussian background
CN105093196A (zh) * 2015-07-24 2015-11-25 西安电子科技大学 基于逆伽马纹理复合高斯模型下的相干检测方法
CN105425230A (zh) * 2015-11-11 2016-03-23 西安电子科技大学 逆高斯纹理复合高斯杂波下距离扩展目标自适应检测方法
CN105738883A (zh) * 2016-04-08 2016-07-06 南京邮电大学 一种部分均匀海杂波背景下的平滑广义似然比检测方法
CN105738880A (zh) * 2016-03-03 2016-07-06 西安电子科技大学 逆高斯纹理复合高斯海杂波幅度分布参数的矩估计方法
CN106199537A (zh) * 2016-06-29 2016-12-07 西安电子科技大学 基于逆高斯纹理海杂波幅度分布参数的分位点估计方法
CN106199552A (zh) * 2016-07-28 2016-12-07 南京邮电大学 一种局部均匀海杂波背景下的分组广义似然比检测方法
CN106443627A (zh) * 2016-09-23 2017-02-22 西安电子科技大学 基于Bayesian的K分布海杂波形状参数估计方法
US20180052224A1 (en) * 2014-12-15 2018-02-22 Airbus Singapore Private Limited Automated method for selecting training areas of sea clutter and detecting ship targets in polarimetric synthetic aperture radar imagery
CN108535711A (zh) * 2018-03-14 2018-09-14 南京邮电大学 一种基于分组的海杂波协方差矩阵估计方法
US20200025901A1 (en) * 2017-09-14 2020-01-23 Thales Method for filtering the ground and/or sea clutter echoes intercepted by an airborne radar, and radar implementing such a method
CN110940970A (zh) * 2019-11-06 2020-03-31 河海大学 一种针对浮油海面的mimo雷达目标检测方法及系统
CN111381216A (zh) * 2020-03-10 2020-07-07 中国科学院微电子研究所 混合分布的雷达海杂波分析方法及装置
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

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6044336A (en) * 1998-07-13 2000-03-28 Multispec Corporation Method and apparatus for situationally adaptive processing in echo-location systems operating in non-Gaussian environments
WO2014197139A1 (en) * 2013-06-07 2014-12-11 Raytheon Applied Signal Technology, Inc. System and method for distribution free target detection in a dependent non-gaussian background
US20180052224A1 (en) * 2014-12-15 2018-02-22 Airbus Singapore Private Limited Automated method for selecting training areas of sea clutter and detecting ship targets in polarimetric synthetic aperture radar imagery
CN105093196A (zh) * 2015-07-24 2015-11-25 西安电子科技大学 基于逆伽马纹理复合高斯模型下的相干检测方法
CN105425230A (zh) * 2015-11-11 2016-03-23 西安电子科技大学 逆高斯纹理复合高斯杂波下距离扩展目标自适应检测方法
CN105738880A (zh) * 2016-03-03 2016-07-06 西安电子科技大学 逆高斯纹理复合高斯海杂波幅度分布参数的矩估计方法
CN105738883A (zh) * 2016-04-08 2016-07-06 南京邮电大学 一种部分均匀海杂波背景下的平滑广义似然比检测方法
CN106199537A (zh) * 2016-06-29 2016-12-07 西安电子科技大学 基于逆高斯纹理海杂波幅度分布参数的分位点估计方法
CN106199552A (zh) * 2016-07-28 2016-12-07 南京邮电大学 一种局部均匀海杂波背景下的分组广义似然比检测方法
CN106443627A (zh) * 2016-09-23 2017-02-22 西安电子科技大学 基于Bayesian的K分布海杂波形状参数估计方法
US20200025901A1 (en) * 2017-09-14 2020-01-23 Thales Method for filtering the ground and/or sea clutter echoes intercepted by an airborne radar, and radar implementing such a method
CN108535711A (zh) * 2018-03-14 2018-09-14 南京邮电大学 一种基于分组的海杂波协方差矩阵估计方法
CN110940970A (zh) * 2019-11-06 2020-03-31 河海大学 一种针对浮油海面的mimo雷达目标检测方法及系统
CN111381216A (zh) * 2020-03-10 2020-07-07 中国科学院微电子研究所 混合分布的雷达海杂波分析方法及装置
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

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
刘扬;薛健;伍政华;: "非高斯海杂波背景最优相干检测性能分析", 现代雷达, no. 02 *
施赛楠;水鹏朗;杨春娇;许述文;: "基于逆高斯纹理空间相关性的雷达目标检测", 系统工程与电子技术, no. 10 *
时艳玲;: "空间非均匀海杂波的协方差矩阵估计新算法", 系统工程与电子技术, no. 11 *
时艳玲;林毓峰;宛汀;: "部分均匀海杂波中雷达目标的平滑自适应检测", 系统工程与电子技术, no. 12 *
赵宜楠;李风从;尹彬;: "严重拖尾复合高斯杂波中目标的自适应极化检测", 电子与信息学报, no. 02 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114859342A (zh) * 2022-03-24 2022-08-05 电子科技大学 一种基于韦泊尔-广义高斯的对海超分辨成像方法
CN114859342B (zh) * 2022-03-24 2023-05-12 电子科技大学 一种基于韦泊尔-广义高斯的对海超分辨成像方法

Also Published As

Publication number Publication date
CN113009444B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
US8094060B2 (en) Method of detecting a target
Rosenberg et al. Application of the K+ Rayleigh distribution to high grazing angle sea-clutter
CN109324315B (zh) 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法
CN108957437B (zh) 一种基于环境态势分析的雷达目标跟踪方法
Liu et al. Comparison of algorithms for wind parameters extraction from shipborne X-band marine radar images
CN111610501A (zh) 对海雷达小目标检测方法
CN110208766B (zh) 海面漂浮类微弱目标检测方法
CN105022057A (zh) 基于改进Radon变换与多帧联合处理的目标检测方法
CN111624573A (zh) 一种海杂波背景下的时域自适应目标检测方法
CN113009444A (zh) 一种广义高斯纹理海杂波背景下的目标检测方法及装置
CN113311398A (zh) 强杂波复杂背景高机动弱小目标的跟踪方法
Wilthil et al. Estimation of target detectability for maritime target tracking in the PDA framework
EP1515160A1 (en) A target shadow detector for synthetic aperture radar
Lo et al. Automatic detection and tracking of a small surface watercraft in shallow water using a high-frequency active sonar
Zhang et al. Estimation of complex high-resolution range profiles of ships by sparse recovery iterative minimization method
CN108387879B (zh) 基于自适应归一化匹配滤波的杂波图单元中值检测方法
CN112162269B (zh) 一种基于奇异谱分解的海杂波压制及目标检测方法
CN111458683B (zh) 一种分区域雷达信号处理的方法
Jing et al. Dense multiple-target tracking based on dual frequency identification sonar (DIDSON) image
Lin et al. Two-stage networks with adversarial clutter suppression for maritime radar target detection
Qiu et al. Using ship radiated noise spectrum feature for data association in underwater target tracking
CN111948613A (zh) 基于自适应背景区选取的船载地波雷达目标检测方法
CN111796267A (zh) 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法
Brekke et al. Target tracking in heavy-tailed clutter using amplitude information
KR101740363B1 (ko) 항적 탐지기 및 그것의 항적 탐지 방법

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