CN113030932B - 一种扩展目标稳健自适应检测方法与系统 - Google Patents

一种扩展目标稳健自适应检测方法与系统 Download PDF

Info

Publication number
CN113030932B
CN113030932B CN202110160257.3A CN202110160257A CN113030932B CN 113030932 B CN113030932 B CN 113030932B CN 202110160257 A CN202110160257 A CN 202110160257A CN 113030932 B CN113030932 B CN 113030932B
Authority
CN
China
Prior art keywords
matrix
detection
target
signal
detected
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
Application number
CN202110160257.3A
Other languages
English (en)
Other versions
CN113030932A (zh
Inventor
刘维建
李槟槟
周必雷
杜庆磊
陈辉
王永良
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.)
Air Force Early Warning Academy
Original Assignee
Air Force Early Warning Academy
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 Air Force Early Warning Academy filed Critical Air Force Early Warning Academy
Priority to CN202110160257.3A priority Critical patent/CN113030932B/zh
Publication of CN113030932A publication Critical patent/CN113030932A/zh
Application granted granted Critical
Publication of CN113030932B publication Critical patent/CN113030932B/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
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • 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
    • G01S7/417—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 involving the use of neural networks

Landscapes

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

Abstract

本发明涉及一种扩展目标稳健自适应检测方法与系统，其包括：首先利用待检测单元的目标信息构造信号矩阵，然后利用训练样本构造采样协方差矩阵，接着利用采样协方差矩阵对待检测数据和信号矩阵进行准白化，再利用准白化后的数据构造检测统计量，根据系统设定的虚警概率及检测统计量确定检测门限，最后比较检测统计量与检测门限的大小，若检测统计量小于检测门限，则判定目标不存在，若检测统计量大于等于检测门限，则判定目标存在，本发明设计的检测器对目标具有稳健检测特性，是一种一体化检测方法，无需独立的滤波和恒虚警处理步骤即可实现高效的目标检测。

Description

一种扩展目标稳健自适应检测方法与系统
技术领域
本发明涉及信号检测技术领域，尤其涉及一种扩展目标稳健自适应检测方法与系统。
背景技术
不论雷达技术如何发展，目标检测一直是雷达的主要功能之一。一方面，随着雷达分辨力的提高，雷达目标往往呈现出扩展特性；另一方面，传统目标检测技术采用“分步级联”策略，先采用滤波技术滤除杂波并保留信号分量，然后再采用特定恒虚警处理实现目标检测。但是，分步级联方法不仅处理流程较复杂，而且不能保证得到最优的检测性能。
本申请基于自适应检测思想，联合利用待检测数据和训练样本进行检测器设计，并与门限进行比较，实现了杂波抑制和恒虚警处理的一体化，不仅简化了检测流程，而且提高了检测性能。
发明内容
为了克服现有检测技术流程复杂及检测性能欠佳的问题，本发明提供一种扩展目标稳健自适应检测方法与系统，其包括：
步骤一：利用待检测单元的目标信息构造信号矩阵；
步骤二：利用训练样本构造采样协方差矩阵；
步骤三：利用所述步骤二中构造的采样协方差矩阵对待检测数据和信号矩阵进行准白化；
步骤四：利用所述步骤三中准白化后的待检测数据和信号矩阵构造检测统计量Detector；
步骤五：根据系统设定的虚警概率以及所述步骤四中构造的检测统计量Detector确定检测门限；
步骤六：比较所述检测统计量Detector与所述步骤五中确定的检测门限的大小，以判定目标是否存在，其中，
若检测统计量Detector小于检测门限，则判定目标不存在；
若检测统计量Detector大于等于检测门限，则判定目标存在。
进一步地，所述步骤一中构造的信号矩阵为
Figure BDA0002936258920000021
其中，
Figure BDA0002936258920000022
为视在信号导向矢量，
Figure BDA0002936258920000023
为增强型信号导向矢量；
所述视在信号导向矢量为
Figure BDA0002936258920000024
所述增强型信号导向矢量为
Figure BDA0002936258920000025
式中，上标[·]T表示转置，对于阵列信号处理，
Figure BDA0002936258920000026
为目标归一化角频率，
Figure BDA0002936258920000027
d为天线阵元间距，λ为雷达发射信号波长，θ为雷达波束指向与雷达阵列的夹角；对于多普勒处理，
Figure BDA0002936258920000028
为目标归一化多普勒频率，
Figure BDA0002936258920000031
v目标相对于雷达的径向速度，fr为雷达脉冲重复频率，N为系统通道数，
Figure BDA0002936258920000032
表示归一化增量角频率，
Figure BDA0002936258920000033
选取为所述目标归一化角频率
Figure BDA0002936258920000034
的1％-5％，j表示虚数。
进一步地，所述步骤二中，构造采样协方差矩阵的方法为利用L个N×1维训练样本xl构造N×N维采样协方差矩阵：
Figure BDA0002936258920000035
其中，xl为待检测数据附近的第l个训练样本，上标(·)H表示共轭转置。
进一步地，所述步骤三中，通过以下公式利用所述采样协方差矩阵对待检测数据和信号矩阵进行准白化，其中
Figure BDA0002936258920000036
Figure BDA0002936258920000037
其中，N×N维矩阵D为基于采样协方差矩阵产生的准白化矩阵，N×K维矩阵X表示待检测数据，K为目标扩展维数。
进一步地，所述准白化矩阵如下式所示：
D＝UL-1/2UH
其中，ULUH为采样协方差矩阵
Figure BDA0002936258920000038
的特征值分解，U为
Figure BDA0002936258920000039
的特征矩阵，L＝diag(λ1,λ2,…,λN)为对角矩阵，λ1,λ2,…,λN为
Figure BDA00029362589200000310
的N个特征值，
Figure BDA00029362589200000311
进一步地，所述步骤四中的检测统计量Detector如下式所示：
Figure BDA00029362589200000312
式中，tr[·]表示矩阵求迹操作，IK为K×K维单位矩阵，(·)-1为矩阵求逆操作，
Figure BDA0002936258920000041
表示矩阵
Figure BDA0002936258920000042
的正交投影矩阵，其表达式为
Figure BDA0002936258920000043
进一步地，所述步骤五中的检测门限为
η＝t(n*)
式中，
Figure BDA0002936258920000046
M为蒙特卡洛仿真次数，μ为系统设定的虚警概率值，
Figure BDA0002936258920000047
为取整操作，t(i)为序列
Figure BDA0002936258920000044
由大到小排列第i个最大值，
Figure BDA0002936258920000045
X(k)为仅含干扰和噪声分量的待检测数据矩阵的第k次实现，k＝1,2,…,M。
进一步地，所述步骤六中，比较所述检测统计量Detector与所述检测门限的大小以判定目标是否存在时的过程包括：
若检测统计量Detector大于等于检测门限η，则判定目标存在；
若检测统计量Detector小于检测门限η，则判定目标不存在。
本发明还提供一种应用于上述扩展目标稳健自适应检测方法的检测系统，其包括：
信号矩阵构造模块，其用于利用雷达主波束指向或/和当前检测的多普勒通道信息构造信号矩阵；
采样协方差矩阵构造模块，其用于利用训练样本构造采样协方差矩阵；
数据准白化模块，其用于对待检测数据矩阵和信号矩阵准白化；
检测统计量构造模块，其用于利用准白化后的待检测数据矩阵和准白化后的信号矩阵构造检测统计量；
检测门限计算模块，其用于利用系统设定的虚警概率、系统参数和检测统计量确定检测门限；
目标判定模块，其用于比较检测统计量Detector与检测门限之间的大小，若检测统计量大于检测门限，则判定目标存在，反之则判定目标不存在。
与现有技术相比，本发明的有益效果在于，本发明基于自适应检测的思想，提出了无需把滤波作为独立步骤的一种有效恒虚警扩展目标检测方法，有效简化了检测流程，提高了检测效率。
进一步地，通过构造信号矩阵，保证了对目标角度或多普勒频率具有稳健检测特性。
进一步地，通过所述训练样本形成采样协方差矩阵，可快速计算出准确的数值，保证检测器具有良好的杂波抑制能力，进一步提高了检测概率。
进一步地，通过所述的数据准白化，可实现对待检测数据矩阵和信号矩阵的准白化，实现了杂波的有效抑制，进一步提高了检测概率。
进一步地，通过对检测统计量进行计算，可快速计算出准确的数值，从而有效缩短了检测所需时间，进一步提高了检测概率。
进一步地，通过利用系统设定的虚警概率、系统参数和检测统计量，可快速计算出检测门限，进一步提高了检测效率。
进一步地，通过比较检测统计量和检测门限的大小，可迅速判断目标是否存在，从而有效缩短了检测所需时间，进一步提高了检测效率。
进一步地，所述检测系统能对目标方位角度或多普勒频率的变化具有稳健特性，且所述检测系统无需恒虚警处理即可实现恒虚警检测，从而有效缩短了检测所需时间，进一步提高了检测效率。
附图说明
图1为本发明实施例所提供的扩展目标稳健自适应检测方法的流程示意图；
图2为本发明实施例所提供的具有恒虚警特性的扩展目标自适应检测系统的结构框架图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
请参阅图1所示，其为本实施例所提供的扩展目标稳健自适应检测方法的流程示意图，本实施例的扩展目标稳健自适应检测方法包括：
步骤一：利用待检测单元的目标信息构造信号矩阵；
步骤二：利用训练样本构造采样协方差矩阵；
步骤三：利用所述步骤二中构造的采样协方差矩阵对待检测数据和信号矩阵进行准白化；
步骤四：利用所述步骤三中准白化后的待检测数据和信号矩阵构造检测统计量Detector；
步骤五：根据系统设定的虚警概率以及所述步骤四中构造的检测统计量Detector确定检测门限；
步骤六：比较所述检测统计量Detector与所述步骤五中确定的检测门限的大小，以判定目标是否存在，其中，
若检测统计量Detector小于检测门限，则判定目标不存在；
若检测统计量Detector大于等于检测门限，则判定目标存在。
具体而言，本领域技术人员应当明白的是，在实际环境中，不论是待检测单元的方位角信息，还是待检测单元的速度信息，都存在不确定性因素，为了设计具有稳健特性的检测器，基于待检测单元导向矢量，构造信号矩阵，在本实施例中，所述步骤一中构造的信号矩阵为
Figure BDA0002936258920000071
其中，
Figure BDA0002936258920000072
为视在信号导向矢量，
Figure BDA0002936258920000073
为增强型信号导向矢量；
所述视在信号导向矢量为
Figure BDA0002936258920000074
所述增强型信号导向矢量为
Figure BDA0002936258920000075
式中，上标[·]T表示转置，对于阵列信号处理，
Figure BDA0002936258920000081
为目标归一化角频率，
Figure BDA0002936258920000082
d为天线阵元间距，λ为雷达发射信号波长，θ为雷达波束指向与雷达阵列的夹角；对于多普勒处理，
Figure BDA0002936258920000083
为目标归一化多普勒频率，
Figure BDA0002936258920000084
v目标相对于雷达的径向速度，fr为雷达脉冲重复频率，N为系统通道数，
Figure BDA0002936258920000085
表示归一化增量角频率，
Figure BDA0002936258920000086
选取为所述目标归一化角频率
Figure BDA0002936258920000087
的1％-5％，j表示虚数。
具体而言，令杂波和热噪声分量之和对应的协方差矩阵为R，然而，在实际环境中，R通常未知，因此，在对R进行估计时，需要一定数量的训练样本，假设存在L个仅含噪声分量的训练样本，记第l个训练样本为：
xl＝nl
其中，l＝1,2,…,L，nl，l为第l个训练样本中的噪声，基于训练样本，R的最常用估计量为采样协方差矩阵
Figure BDA0002936258920000088
在本实施例的步骤二中，构造采样协方差矩阵的方法为利用L个N×1维训练样本xl构造N×N维采样协方差矩阵：
Figure BDA0002936258920000089
其中，xl为待检测数据附近的第l个训练样本，上标(·)H表示共轭转置。
具体而言，所述步骤三中，通过以下公式利用所述采样协方差矩阵对待检测数据和信号矩阵进行准白化，其中，
Figure BDA00029362589200000810
Figure BDA0002936258920000091
其中，N×N维矩阵D为基于采样协方差矩阵产生的准白化矩阵，N×K维矩阵X表示待检测数据，K为目标扩展维数。
在实际情况中，假设雷达的系统通道数为N，目标扩展维数为K，则当待检测数据中包含目标、杂波和热噪声时，待检测数据可用N×K维矩阵X表示为：
Figure BDA0002936258920000092
其中，上标[·]H表示共轭转置，K×1维列向量a表示信号的幅度坐标信息，N×K维矩阵N表示杂波和热噪声分量之和，N×1维列向量
Figure BDA0002936258920000093
表示信号导向矢量，
Figure BDA0002936258920000094
为目标归一化频率。
具体而言，所述准白化矩阵如下式所示：
D＝UL-1/2UH
其中，ULUH为采样协方差矩阵
Figure BDA0002936258920000095
的特征值分解，U为
Figure BDA0002936258920000096
的特征矩阵，L＝diag(λ1,λ2,…,λN)为对角矩阵，λ1,λ2,…,λN为
Figure BDA0002936258920000097
的N个特征值，
Figure BDA0002936258920000098
具体而言，所述步骤四中的检测统计量Detector如下式所示：
Figure BDA0002936258920000099
式中，tr[·]表示矩阵求迹操作，IK为K×K维单位矩阵，(·)-1为矩阵求逆操作，
Figure BDA00029362589200000910
表示矩阵
Figure BDA00029362589200000911
的正交投影矩阵，其表达式为
Figure BDA00029362589200000912
具体而言，所述步骤五中的检测门限为
η＝t(n*)
式中，
Figure BDA0002936258920000101
M为蒙特卡洛仿真次数，μ为系统设定的虚警概率值，
Figure BDA0002936258920000102
为取整操作，t(i)为序列
Figure BDA0002936258920000103
由大到小排列第i个最大值，
Figure BDA0002936258920000104
X(k)为仅含干扰和噪声分量的待检测数据矩阵的第k次实现，k＝1,2,…,M。
具体而言，所述步骤六中，比较所述检测统计量Detector与所述检测门限的大小以判定目标是否存在时的过程包括：
若检测统计量Detector大于等于检测门限η，则判定目标存在；
若检测统计量Detector小于检测门限η，则判定目标不存在。
具体而言，请参阅图2所示，其为本实施例提供的具有恒虚警特性的扩展目标自适应检测系统的结构框架图，本实施例还包括应用于所述扩展目标稳健自适应检测方法得分检测系统，其包括：
信号矩阵构造模块，其用于利用雷达主波束指向或/和当前检测的多普勒通道信息构造信号矩阵；
采样协方差矩阵构造模块，其用于利用训练样本构造采样协方差矩阵；
数据准白化模块，其用于对待检测数据矩阵和信号矩阵准白化；
检测统计量构造模块，其用以利用准白化后的待检测数据矩阵和准白化后的信号矩阵构造检测统计量；
检测门限计算模块，其用于利用系统设定的虚警概率、系统参数和检测统计量确定检测门限；
目标判定模块，其用于比较检测统计量Detector与检测门限之间的大小，若检测统计量大于检测门限，则判定目标存在，反之则判定目标不存在。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种扩展目标稳健自适应检测方法，其特征在于，包括：
步骤一：利用待检测单元的目标信息构造信号矩阵；
步骤二：利用训练样本构造采样协方差矩阵；
步骤三：利用所述步骤二中构造的采样协方差矩阵对待检测数据和信号矩阵进行准白化；
步骤四：利用所述步骤三中准白化后的待检测数据和信号矩阵构造检测统计量Detector；
步骤五：根据系统设定的虚警概率以及所述步骤四中构造的检测统计量Detector确定检测门限；
步骤六：比较所述步骤四中检测统计量Detector与所述步骤五中确定的检测门限的大小，以判定目标是否存在，其中，
若检测统计量Detector小于检测门限，则判定目标不存在；
若检测统计量Detector大于等于检测门限，则判定目标存在；
所述步骤一中构造的信号矩阵为
Figure FDA0003630523790000011
其中，
Figure FDA0003630523790000012
为视在信号导向矢量，
Figure FDA0003630523790000013
为增强型信号导向矢量；
所述视在信号导向矢量为
Figure FDA0003630523790000014
所述增强型信号导向矢量为
Figure FDA0003630523790000015
式中，上标[·]T表示转置，对于阵列信号处理，
Figure FDA0003630523790000016
为目标归一化角频率，
Figure FDA0003630523790000021
d为天线阵元间距，λ为雷达发射信号波长，θ为雷达波束指向与雷达阵列的夹角；对于多普勒处理，
Figure FDA0003630523790000022
为目标归一化多普勒频率，
Figure FDA0003630523790000023
v目标相对于雷达的径向速度，fr为雷达脉冲重复频率，N为系统通道数，
Figure FDA0003630523790000024
表示归一化增量角频率，
Figure FDA0003630523790000025
选取为所述目标归一化角频率
Figure FDA0003630523790000026
的1％-5％，j表示虚数；
所述步骤二中，构造采样协方差矩阵的方法为利用L个N×1维训练样本xl构造N×N维采样协方差矩阵：
Figure FDA0003630523790000027
其中，xl为待检测数据附近的第l个训练样本，上标(·)H表示共轭转置，L表示训练样本数量，N为系统通道数；
所述步骤三中，通过以下公式利用所述采样协方差矩阵对待检测数据和信号矩阵进行准白化，其中
Figure FDA0003630523790000028
Figure FDA0003630523790000029
其中，N×K维矩阵X表示待检测数据，K为目标扩展维数；N×N维矩阵D为基于采样协方差矩阵产生的准白化矩阵，其表达式如下所示：
D＝UL-1/2UH
其中，ULUH为采样协方差矩阵
Figure FDA00036305237900000210
的特征值分解，U为
Figure FDA00036305237900000211
的特征矩阵，L＝diag(λ1,λ2,…,λN)为对角矩阵，λ1,λ2,…,λN为
Figure FDA00036305237900000212
的N个特征值，
Figure FDA0003630523790000031
所述步骤四中的检测统计量Detector表达式如下所示：
Figure FDA0003630523790000032
式中，tr[·]表示矩阵求迹操作，IK为K×K维单位矩阵，(·)-1为矩阵求逆操作，
Figure FDA0003630523790000033
表示矩阵
Figure FDA0003630523790000034
的正交投影矩阵，其表达式为
Figure FDA0003630523790000035
K为目标扩展维数。
2.根据权利要求1所述的扩展目标稳健自适应检测方法，其特征在于，所述步骤五中的检测门限为，
η＝t(n*)
式中，
Figure FDA0003630523790000036
M为蒙特卡洛仿真次数，μ为系统设定的虚警概率值，
Figure FDA0003630523790000037
为取整操作，t(i)为序列
Figure FDA0003630523790000038
由大到小排列第i个最大值，
Figure FDA0003630523790000039
X(k)为仅含干扰和噪声分量的待检测数据矩阵的第k次实现，k＝1,2,…,M。
3.根据权利要求1所述的扩展目标稳健自适应检测方法，其特征在于，所述步骤六中，比较所述检测统计量Detector与所述检测门限的大小以判定目标是否存在时的过程包括：
若检测统计量Detector大于等于检测门限η，则判定目标存在；
若检测统计量Detector小于检测门限η，则判定目标不存在。
4.一种扩展目标稳健自适应检测系统，用于权利要求1-3任意一项所述的扩展目标稳健自适应检测方法，其特征在于，包括：
信号矩阵构造模块，其用于利用雷达主波束指向或/和当前检测的多普勒通道信息构造信号矩阵；
采样协方差矩阵构造模块，其用于利用训练样本构造采样协方差矩阵；
数据准白化模块，其用于对待检测数据矩阵和信号矩阵准白化；
检测统计量构造模块，其用于利用准白化后的待检测数据矩阵和准白化后的信号矩阵构造检测统计量；
检测门限计算模块，其用于利用系统设定的虚警概率、系统参数和检测统计量确定检测门限；
目标判定模块，其用于比较检测统计量Detector与检测门限之间的大小，若检测统计量大于检测门限，则判定目标存在，反之则判定目标不存在。
CN202110160257.3A 2021-02-05 2021-02-05 一种扩展目标稳健自适应检测方法与系统 Active CN113030932B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110160257.3A CN113030932B (zh) 2021-02-05 2021-02-05 一种扩展目标稳健自适应检测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110160257.3A CN113030932B (zh) 2021-02-05 2021-02-05 一种扩展目标稳健自适应检测方法与系统

Publications (2)

Publication Number Publication Date
CN113030932A CN113030932A (zh) 2021-06-25
CN113030932B true CN113030932B (zh) 2022-07-05

Family

ID=76460070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110160257.3A Active CN113030932B (zh) 2021-02-05 2021-02-05 一种扩展目标稳健自适应检测方法与系统

Country Status (1)

Country Link
CN (1) CN113030932B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115902881B (zh) * 2022-12-29 2024-03-29 中国人民解放军空军预警学院 一种分布式无人机载雷达扩展目标检测方法与系统
CN115902810B (zh) * 2022-12-29 2024-04-19 中国人民解放军空军预警学院 非均匀环境中分布式无人机载雷达扩展目标检测器与系统
CN116819480B (zh) * 2023-07-17 2024-05-24 中国人民解放军空军预警学院 一种机载雷达强杂波中的自适应目标检测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126318A (zh) * 2019-12-27 2020-05-08 中国人民解放军空军预警学院 一种信号失配下的参数可调双子空间信号检测方法
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
CN111948634A (zh) * 2020-07-19 2020-11-17 中国人民解放军空军预警学院 干扰条件下基于协方差矩阵重构的目标检测方法与装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200116851A1 (en) * 2018-10-10 2020-04-16 Government Of The United States, As Represented By The Secretary Of The Air Force Robust Constant False Alarm Rate (CFAR) Detector for Interference-Plus-Noise Covariance Matrix Mismatch

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126318A (zh) * 2019-12-27 2020-05-08 中国人民解放军空军预警学院 一种信号失配下的参数可调双子空间信号检测方法
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
CN111948634A (zh) * 2020-07-19 2020-11-17 中国人民解放军空军预警学院 干扰条件下基于协方差矩阵重构的目标检测方法与装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Persymmetric adaptive detection with improved robustness to steering vector mismatches;Jun Liu et al.;《Signal Processing》;20200530;全文 *
Robust detection of distributed targets based on Rao test and Wald test;Shengyin Suna et al.;《Signal Processing》;20200912;全文 *

Also Published As

Publication number Publication date
CN113030932A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN113030932B (zh) 一种扩展目标稳健自适应检测方法与系统
CN109814073B (zh) 一种mtd雷达解模糊测速方法
Gorji et al. Multiple unresolved target localization and tracking using colocated MIMO radars
CN108919224B (zh) 基于斜对称结构的宽带雷达目标自适应融合检测方法
CN109444869B (zh) 一种用于信号失配的雷达扩展目标参数可调检测器
Zhou et al. Pseudo-spectrum based speed square filter for track-before-detect in range-Doppler domain
CN112835000B (zh) 一种非均匀杂波及干扰条件下的自适应检测方法
CN113391281B (zh) 一种信号失配时的极化雷达加权扩展目标检测方法与系统
CN112558015B (zh) 一种复杂电磁环境下先干扰抑制后自适应检测方法与系统
CN111948634A (zh) 干扰条件下基于协方差矩阵重构的目标检测方法与装置
CN113238211B (zh) 一种干扰条件下参数化自适应阵列信号检测方法与系统
CN113253235B (zh) 一种严重非均匀环境中的自适应信号检测方法与系统
CN112834999B (zh) 一种干扰方位已知时雷达目标恒虚警检测方法与系统
CN113253251A (zh) 目标速度未知时的fda-mimo雷达检测方法与系统
CN113267758B (zh) 一种复合高斯环境下存在干扰时的目标检测方法与系统
CN112799042B (zh) 一种干扰下基于斜投影的扩展目标自适应检测方法与系统
Arasaratnam et al. Tracking the mode of operation of multi-function radars
Zhu et al. Candidate-plots-based dynamic programming algorithm for track-before-detect
CN111796266B (zh) 一种匀加速运动目标rd平面检测前跟踪方法
CN113567931A (zh) 一种训练样本不足时的双子空间信号检测方法与系统
Zhang et al. Radar operation mode recognition via multifeature residual-and-shrinkage convnet
CN110412553B (zh) 一种多径情况下的导向矢量检测方法
CN109490859B (zh) 部分均匀环境中对方位扰动和多普勒扰动稳健的检测器
CN112799022B (zh) 一种非均匀及干扰环境中的扩展目标检测方法与系统
CN113030928B (zh) 非均匀环境中极化雷达扩展目标自适应检测方法与系统

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