项目名称: 基于非独立同分布的起伏目标检测理论研究

项目编号: No.61201276

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 崔国龙

作者单位: 电子科技大学

项目金额: 27万元

中文摘要: 本项目旨在解决非独立同分布起伏目标的检测问题,通过研究非独立同分布起伏目标的电磁散射机理、目标散射截面积起伏模型、相关模型与数学统计特性函数(联合概率密度函数、随机变量代数和的概率密度函数等)的计算方法、目标最佳检测算法与理论性能评估等基本问题,建立和完善非独立同分布起伏目标的检测理论体系;提出非独立同分布起伏目标检测方案,提供相应的设计手段,突破关键技术,设计仿真试验,对本项目研究所获得的理论成果进行验证。该项目的研究可以提高我国复杂起伏目标检测的基础研究水平和自主创新能力,具有重要的科学意义;其理论成果和技术还可直接应用于频率捷变雷达、MIMO雷达、高分辨雷达和极化雷达等。

中文关键词: 非独立同分布;目标建模;高速高机动目标;检测估计;性能评估

英文摘要: This project mainly deals with the detection problem for non-independent identically distributed (non-iid) targets. The detection theory for non-iid targets can be established and improved by investigating the following fundamental problems: the electromagnetic scattered principle of non-iid targets, the fluctuating model,correlated model and calculation of statistical functions (i.e. joint probability density function (pdf) and the pdf of random variable sums), the optimal detection algorithm and performance evaluation. We will propose the detection strategies for non-iid targets, provide the corresponding design approachs, solve the key technologies, and devise the simulation experiments to validate the presented the theory results. The research of this project is of great significance, since it can improve the fundamental research levels and the innovational abilities of our country for detecting the complex fluctuating targets. Moreover, the theory results can be applied directly to frequency agility radars, MIMO radars, high resolution radars and polarimetric radars.

英文关键词: non-independent identically distributed;the target modelling;high speed and maneuvering targets;detection and estimation;performance evaluation

成为VIP会员查看完整内容
0

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
89+阅读 · 2022年4月17日
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
深度学习模型鲁棒性研究综述
专知会员服务
91+阅读 · 2022年1月23日
专知会员服务
47+阅读 · 2021年9月9日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
32+阅读 · 2021年6月18日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
29+阅读 · 2021年1月9日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
「深度学习模型鲁棒性」最新2022综述
专知
7+阅读 · 2022年1月23日
【WWW2022】互信息压缩的紧凑图结构学习
专知
2+阅读 · 2022年1月17日
如何衡量目标检测模型的优劣
极市平台
1+阅读 · 2021年10月17日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
14+阅读 · 2020年10月26日
Anomalous Instance Detection in Deep Learning: A Survey
Arxiv
12+阅读 · 2019年4月9日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
89+阅读 · 2022年4月17日
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
深度学习模型鲁棒性研究综述
专知会员服务
91+阅读 · 2022年1月23日
专知会员服务
47+阅读 · 2021年9月9日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
32+阅读 · 2021年6月18日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
29+阅读 · 2021年1月9日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
「深度学习模型鲁棒性」最新2022综述
专知
7+阅读 · 2022年1月23日
【WWW2022】互信息压缩的紧凑图结构学习
专知
2+阅读 · 2022年1月17日
如何衡量目标检测模型的优劣
极市平台
1+阅读 · 2021年10月17日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员