收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

高速微弱目标检测算法研究

黄响  
【摘要】:高速微弱目标具有超高声速、强机动性和低雷达散射截面积的特点,对现有体制的雷达探测提出了严峻的挑战。为了兼顾雷达的探测威力、生存能力和研制成本,常采用长时间相参积累方法来提升雷达对高速微弱目标的检测性能。但目标的超高声速特性会使回波在相参积累时间内出现距离徙动现象,强机动特性也会造成一定程度的距离徙动和严重的多普勒频率徙动现象。距离徙动和多普勒频率徙动将导致雷达的检测性能迅速下降。本文针对不同运动状态的高速微弱目标检测算法进行了研究,研究内容总结如下:1.针对匀速运动模型下出现的严重距离徙动问题,提出了一种基于频域实现MAR-MTD(Modified Axis Rotation Moving Target Detection)的高速微弱目标检测算法。MAR-MTD是基于AR-MTD(Axis Rotation MTD)和IAR-MTD(Improved Axis Rotation MTD)的改进算法,主要用来解决AR-MTD和IAR-MTD因坐标变换造成的旋转误差问题。与AR-MTD和IAR-MTD不同的是,MAR-MTD以二维脉压数据形成的图像中心为坐标系原点建立坐标系,同时采用新的坐标轴旋转矩阵以消除快时间坐标轴和旋转角度的耦合。为了进一步降低旋转误差,给出了MAR-MTD的频域实现方式。与AR-MTD和IAR-MTD相比,基于频域实现的MAR-MTD具有更优的检测性能。2.针对加速度运动模型下出现的距离徙动和多普勒频率徙动问题,提出了一种基于KT-LCT(Keystone Transform and Linear Canonical Transform)的高速微弱目标检测算法。该算法首先利用KT校正LRM(Linear Range Migration),然后利用LCT补偿加速度造成的LDFM(Linear Doppler Frequency Migration)。针对速度模糊现象,进一步提出了一种联合粗搜索和精搜索的改进算法。由于所提算法具有线性特性,因此可以推广至多目标检测场景。理论分析及仿真实验表明,所提算法可以适用于较低信噪比下高速机动目标的检测。相比于SoRFT(Second-order Radon-Fourier Transform)和RFRFT(Radon Fractional Fourier Transform)等典型算法,所提算法在保证较为接近的检测性能的前提下,可以有效地降低计算量。3.针对加加速度运动模型下地基雷达探测面临的LRM、ULDFM(Undersampled Linear Doppler Frequency Migration)、QDFM(Quadratic Doppler Frequency Migration)以及速度模糊等问题,提出一种基于FDCFT(Fast Discrete Chirp-Fourier Transform)的高速机动微弱目标检测算法。首先在距离频率-慢时间域利用KT去除距离频率与慢时间的耦合,实现LRM的校正。然后采用FDCFT同时补偿ULDFM和QDFM。FDCFT是基于FFT(Fast Fourier Transform)的时域抽取思想,通过对搜索的线性调频斜率和二次调频斜率进行时域基-4分解来降低运算量。该算法对速度模糊造成的半盲速点效应和距离徙动的不完全校正进行了分析,并构造补偿函数进行补偿。相比于ToRFT(Third-order Radon-Fourier Transform)算法,所提算法可以在保证相近检测性能的前提下,大大地降低了计算量。同时,将FDCFT推广到任意高阶的多普勒频率徙动的补偿。理论分析表明,推广的FDCFT算法的计算量优势随着运动模型阶数的增加而显著增强。4.针对加加速度运动模型在高分辨率检测场景下出现的复杂距离徙动和多普勒频率徙动问题,提出了一种基于EACFT(Efficient Angular Chirp-Fourier Transform)的高速机动目标快速检测算法。首先结合CFT(Chirp-Fourier Transform)和FRFT(Fractional Fourier Transform)的特性推导出角度域的CFT(Angular ChirpFourier Transform,ACFT),然后利用ACFT的时频旋转特性,提出了EACFT。EACFT可以避免传统算法的二维搜索,仅用几次一维搜索即可实现线性调频信号的检测和参数估计。接着,为了提升EACFT在低信噪比和多分量场景的适应性,在EACFT的思想上结合形态学滤波(Morphology Filtering,MF)和频谱平滑(Spectrum Smoothing,SS)技术,提出了MF-EACFT和SS-EACFT。并且,它们的联合算法SS-MF-EACFT可以同时拥有MF-EACFT和SS-EACFT的优良特性。最后,将EACFT应用到高速机动目标的检测上,提出一种快速检测算法。该算法先利用ACCF(Adjacent Cross Correlation Function)消除所有的距离徙动和QDFM,然后再构造函数确定相邻互相关峰值位置,最后利用SS-MF-EACFT补偿剩余的多普勒频率徙动。仿真结果验证了所提算法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前11条
1 舒朗;郭春生;;基于回归与深度强化学习的目标检测算法[J];软件导刊;2018年12期
2 王钤;张穗华;雷丝雨;邓博文;;一种基于数据聚类的目标检测算法[J];机电产品开发与创新;2016年06期
3 孙林;鲍金河;刘一超;;高光谱图像目标检测算法分析[J];测绘科学;2012年01期
4 张桂林,熊艳,曹伟,李强;一种评价自动目标检测算法性能的方法[J];华中理工大学学报;1994年05期
5 许云;李彬;;基于背景遗传模型的运动目标检测算法[J];自动化技术与应用;2017年03期
6 杜佳;宋春林;;一种改进的毫米波雷达多目标检测算法[J];通信技术;2015年07期
7 诸葛霞;向健勇;;基于分形特征的目标检测算法概述及仿真[J];红外技术;2006年10期
8 丁业兵;;运动目标检测算法综述[J];科技资讯;2019年30期
9 张宽;滕国伟;;基于位置预测的目标检测算法[J];电子测量技术;2019年19期
10 方路平;何杭江;周国民;;目标检测算法研究综述[J];计算机工程与应用;2018年13期
11 尚海林;;复杂场景下弱小目标检测算法的FPGA实现[J];航空兵器;2007年04期
中国重要会议论文全文数据库 前10条
1 何元磊;李红军;周陆军;李旭渊;顾立林;尼涛;;基于端元丰度量化的高光谱图像目标检测算法[A];国家安全地球物理丛书(十一)——地球物理应用前沿[C];2015年
2 孙瑾秋;张艳宁;姜磊;王敏;;基于变换域特征的星空背景弱小目标检测算法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年
3 高飞;蒋建国;安红新;齐美彬;;一种快速运动目标检测算法[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用(SCA·2011)学术会议论文摘要集[C];2011年
4 许俊平;张启衡;张耀;王华闯;;基于人眼视觉特性的小目标检测算法[A];2006年全国光电技术学术交流会会议文集(D 光电信息处理技术专题)[C];2006年
5 王艺婷;黄世奇;刘代志;王红霞;;高光谱图像目标检测算法性能研究[A];国家安全地球物理丛书(十)——地球物理环境与国家安全[C];2014年
6 张国华;;一种基于导引头稳定平台结构的目标检测算法[A];第九届全国光电技术学术交流会论文集(下册)[C];2010年
7 郑伟成;李学伟;刘宏哲;;基于深度学习的目标检测算法综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年
8 刘昊;赵龙;;基于改进混合高斯模型的运动目标检测算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
9 刘峰;奚晓梁;沈同圣;;基于最大值投影的空间小目标检测算法[A];第二届空间目标与碎片监测、清理技术及应用学术研讨会论文集[C];2015年
10 邓宇;陈孝威;;综合利用时空信息的运动目标检测算法[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 黄响;高速微弱目标检测算法研究[D];西安电子科技大学;2019年
2 张丽丽;基于空谱联合特性的高光谱图像异常目标检测算法研究[D];哈尔滨工程大学;2018年
3 赵红燕;被动多基站雷达目标检测算法研究[D];西安电子科技大学;2017年
4 郭小路;多通道雷达干扰抑制与目标检测算法研究[D];西安电子科技大学;2017年
5 李健;星载宽幅SAR及目标检测算法研究[D];西安电子科技大学;2018年
6 潘雪莉;机载环视SAR海面特性和舰船目标检测算法研究[D];西安电子科技大学;2018年
7 陈宇环;联合时空特征的视觉显著目标检测算法研究[D];深圳大学;2018年
8 曾冬冬;视频监控中的前景目标检测算法研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年
9 王志虎;基于显著性的运动目标检测算法研究[D];国防科学技术大学;2015年
10 郭明玮;基于视觉记忆的目标检测算法:一个特征学习与特征联想的过程[D];中国科学技术大学;2014年
中国硕士学位论文全文数据库 前10条
1 曾健;基于深度学习的汽车门板焊点识别算法研究及应用[D];华南理工大学;2019年
2 何晴;非重叠域行人目标检测算法研究[D];上海交通大学;2018年
3 张宏斌;基于点云的三维目标检测算法研究与标注工具设计[D];哈尔滨工业大学;2019年
4 曹嘉文;基于深度学习的蝴蝶种类识别研究[D];陕西师范大学;2019年
5 张静;基于视频的煤矿井下人形目标检测[D];西安科技大学;2019年
6 张江勇;基于深度学习的动车关键部位故障图像检测[D];电子科技大学;2019年
7 王威;基于视觉的车辆智能检测技术的研究[D];电子科技大学;2019年
8 刘业鹏;基于深度学习的输电线路目标检测方法研究[D];华北电力大学;2019年
9 魏墨非;基于深度学习目标检测的优化研究与实现[D];电子科技大学;2019年
10 侯小春;基于卷积神经网络的目标检测算法研究[D];电子科技大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978