大拖尾雷達(dá)雜波模型及其背景下的擴展目標(biāo)檢測方法研究.pdf

1、隨著雷達(dá)分辨率的提高，雷達(dá)目標(biāo)特性與雜波統(tǒng)計特性均發(fā)生了深刻的變化，這對雷達(dá)目標(biāo)檢測問題提出了更高的要求。本文采用理論分析與實驗驗證相結(jié)合的研究方法，針對高分辨條件下擴展目標(biāo)檢測問題，系統(tǒng)研究了大拖尾雷達(dá)雜波模型及其參數(shù)估計、二維相關(guān)大拖尾分布雜波仿真以及基于一維距離像和SAR圖像的擴展目標(biāo)檢測問題。
　　第一章根據(jù)目前雷達(dá)技術(shù)發(fā)展的趨勢和實際應(yīng)用的需求，闡述了高分辨條件下擴展目標(biāo)檢測的背景和意義，簡明扼要地總結(jié)了雷達(dá)雜波建模與仿

2、真以及擴展目標(biāo)檢測的研究現(xiàn)狀和發(fā)展趨勢，并對本文的主要工作進行了概括。
　　第二章研究了雷達(dá)雜波統(tǒng)計建模問題。首先對目前常見的雷達(dá)雜波模型進行了綜述與分類，然后根據(jù)實際應(yīng)用的需求，總結(jié)了一個性能優(yōu)越的雜波模型應(yīng)具有的特點，并通過分析對比，指出了基于乘積模型發(fā)展而來的KK分布與G0分布具有廣泛的應(yīng)用前景。
　　第三章研究了大拖尾雜波模型的參數(shù)估計問題。首先綜述了經(jīng)典的參數(shù)估計方法，并通過理論分析與實驗驗證指出了各自的優(yōu)缺點，然

3、后提出了一種基于粒子群優(yōu)化的參數(shù)估計方法，該方法將雜波數(shù)據(jù)統(tǒng)計直方圖與雜波模型概率密度函數(shù)在部分采樣點上的差異作為代價函數(shù)，通過粒子群優(yōu)化搜索參數(shù)的最優(yōu)值。然后分析了影響該方法參數(shù)估計精度的主要因素，最后通過仿真與實測雜波數(shù)據(jù)驗證了該方法的優(yōu)越性。
　　第四章研究了二維相關(guān)大拖尾雜波的模擬問題。首先提出了利用分段模擬的方法改善非線性變換的精度，以及具有任意相關(guān)函數(shù)的二維相關(guān)高斯雜波的生成方法，然后研究了基于MNLT的二維相關(guān)KK分

4、布與G0分布雷達(dá)雜波的仿真方法；推導(dǎo)了KK分布與G0分布的SIRP特征概率密度函數(shù)表達(dá)式，研究了基于SIRP的二維相關(guān)KK分布與G0分布雷達(dá)雜波的仿真方法。仿真結(jié)果表明，兩種方法產(chǎn)生的二維相關(guān)大拖尾雷達(dá)雜波不論是幅度特性還是相關(guān)特性均滿足設(shè)定的要求。
　　第五章研究了大拖尾雜波背景下基于一維距離像的擴展目標(biāo)檢測問題。首先對檢測問題進行了數(shù)學(xué)描述，闡述了一維擴展目標(biāo)檢測需要解決的主要問題，然后基于KK分布與G0分布兩種大拖尾雜波模型

5、提出了最優(yōu)檢測器、GLRT檢測器以及OS-GLRT檢測器等，并對這些檢測算法進行了仿真與比較，指出OS-GLRT是一種比較實用的檢測器，并在不同的條件下對該檢測器進行了性能分析。
　　第六章研究了大拖尾雜波背景下基于SAR圖像的擴展目標(biāo)檢測問題。首先對SAR圖像目標(biāo)檢測算法進行了綜述與分類，然后重點分析了CFAR檢測算法的研究方向，提出了一種基于KK分布的全局CFAR檢測算法，并基于實測高分辨SAR圖像與基于G0分布的全局檢測算法