|
|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
摘 要:传统的自适应检测器大多是在独立同分布纹理的前提下推导出的。然而,实测海杂波数据中各个距离单元
3 ]$ k ^8 p) N. V' Q3 g. e的纹理具有相关性。该文将这一纹理相关性的信息加入到似然比检测中,提出一种基于纹理结构的相干检测器。基9 P( C5 @7 _0 T) O2 [) _
于涌浪调制在距离上产生纹理相关性的先验知识,确定与待检测单元纹理相关的距离单元数目,据此可以提供待测
; A0 g0 e% K; h& Z! r! S单元的纹理信息。实测数据实验表明,该检测器相对于逆伽马纹理复合高斯杂波下最优检测器具有一定的性能提升。9 D, [8 V8 Q* \, l8 [/ @) U5 a
关键词:海杂波;复合高斯模型;纹理相关性;自适应检测) A9 X) G" g7 c$ J" K
1 引言
+ h& n0 o# _7 M" z! Y由于海杂波具有非常复杂的空时变特性,其背) E8 f2 H8 V$ H
景下的雷达目标检测算法的设计往往需要与海杂波
1 ^, T8 L; E0 ?' k" S的统计特性相联系。雷达低分辨条件下,基于中心
' c7 `5 q* q5 t) y/ C, J( t极限定理,海杂波的幅度服从瑞利分布。随着雷达# I8 h* r% R- S$ A/ a
分辨率的提高和擦地角的减小,海杂波的幅度明显! O5 N! {! L2 K$ H! V
偏离瑞利分布,并呈现出严重拖尾现象[1]。研究表明," e! L0 U4 b% ^
海杂波可以用复合高斯模型建模[1,2]。复合高斯模型
. d8 r9 L# S) \+ n( d) A可以表示为一个慢变的正随机变量和一个快变的复
' V7 n7 c1 J6 h高斯随机变量的乘积。目前,复合高斯模型下的雷
; F. e" z% @) S6 m达目标检测问题一直受到广泛关注[3,4]。
+ o' b+ H' n) m文献[5]于 1986 年提出了一种在复高斯模型下: f8 x( H. F: {% Q) o$ x1 m
的自适应检测算法,该检测器虽将参考单元数据和
+ [' l. L) g: P/ N检测单元的数据同时带入到似然比中,但是参考单 \" D4 i g, T8 G( U/ ~3 ]
元只起了估计协方差矩阵的作用。文献[6]给出了高( q$ }, A& |& \: D! w* r. B! b$ y/ b
3 C( w% R$ W1 L) F$ @. _8 r z. K b' j. N( \
' }( s, |) u r: \) [$ u, e s* O- M) A0 Y: B
" W" K; N7 K2 P" C9 d附件下载:
3 j* v6 h0 G; q+ m1 S' v, u$ p! P7 C" V3 J
|
|