混响背景下基于高阶统计量的动目标检测方法

发布时间：2022-04-22 22:41

　　针对混响背景中的动目标检测问题,根据基阵接收数据经过波束形成与匹配滤波后的输出结果计算高阶统计量,并将其视作观测空间。基于此空间中混响和目标回波的差异,利用多ping的高阶统计量构造特征向量,计算特征向量之间的马氏距离作为混响和目标差异的量化标准,再依据最大一致条件功效检测准则选择门限检测方法。波形数据仿真与海上实录数据检验均表明该方法的检测性能优于单ping波束形成及匹配滤波方法。通过蒙特卡洛仿真获得不同信混比下的接收机工作特性曲线,与单ping检测相比,在保证虚警概率小于0.01、检测概率大于0.5的条件下,最小可检测信混比降低约6 dB。 

【文章页数】：7 页

【文章目录】：
1 基于多ping输出统计特性的动目标检测方法
    1.1 检测基础
    1.2 特征向量的构造
    1.3 特征综合判定方法
    1.4 检测问题模型
    1.5 次优检测器的门限
2 试验验证
    2.1 仿真
    2.2 海试
3 检测性能分析
4 结论


【参考文献】：
期刊论文
[1]多输出性能下的重要性测度指标及其求解方法[J]. 徐立扬,吕震宙,王飞,肖思男.  国防科技大学学报. 2017(04)
[2]基于马氏距离的相位噪声抑制算法[J]. 许子杰,任光亮.  华中科技大学学报(自然科学版). 2017(04)
[3]基于特征的超声信号分类检测方法[J]. 王伯雄,刘文峰,柳建楠,崔园园,罗秀芝.  清华大学学报(自然科学版). 2012(07)
[4]基于蛙人探测声纳序列图像的水下小目标检测算法[J]. 毛盾,刘忠,程远国.  传感技术学报. 2011(07)
[5]混响背景中信号检测的特征核支持向量机[J]. 朱广平,孙辉,陈文剑,张明辉.  哈尔滨工程大学学报. 2009(01)
[6]关于统计学习理论与支持向量机[J]. 张学工.  自动化学报. 2000(01)



本文编号：3646818