项目名称: 机载阵列雷达目标认知检测方法研究

项目编号: No.61301285

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 周宇

作者单位: 西安电子科技大学

项目金额: 23万元

中文摘要: 面对日益复杂的杂波环境,如何提高机载雷达目标检测性能是雷达信号处理领域的研究热点问题之一。杂波的复杂性主要表现为时间非平稳性、空间非均匀性和幅度分布的非高斯性。传统的机载阵列雷达目标检测算法对杂波先验知识的利用不充分,并且滤波算法策略确定后较少随杂波特性变化而进行调整,导致复杂环境中无法获得满意的目标检测性能。针对这些不足,本项目在认知雷达理论框架下开展杂波先验知识感知和知识辅助的雷达目标认知检测方法研究,主要内容包括:1)建立杂波先验知识库及杂波特性在线分析和建模;2)融合杂波先验知识的自适应检测器设计;3)基于环境先验知识的自适应滤波算法选择方法。项目的研究创新性强,具有很强的实用性,既有重要的科学意义和广泛的应用前景。

中文关键词: 机载雷达;知识辅助;阵列自适应处理;空时自适应处理;动目标检测

英文摘要: Target detection with airborne radar in the complex clutter environment is one of the research hotspots in the radar detection and signal processing field. The complex clutter has the characters of non-stationary in the time domain, inhomogeneity in space and non-Gaussian feature with probability distribution. Traditional radar target detection algorithms have the problem of insufficient use of the clutter prior knowledge and can't adjust algorithm's parameters as the characteristics of clutter change, which leads to radar target detection degradation. To solve these problems, we focus on the study of clutter knowledge sensing and knowledge-aided target detection within the cognitive radar framework. In details, we research the following problems: 1) the establishment of clutter knowledge set and the analysis and modeling of the clutter characteristics; 2) the design of adaptive detectors with prior knowledge; 3) the selection of adaptive filter algorithms with prior knowledge. These research problems are innovatory and practicable, which have wide application foreground and scientific sence.

英文关键词: Airborne Radar;Knowledge Aided;Array Adaptive Processing;Space Time Adaptive Processing;Moving Target Detection

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
90+阅读 · 2022年4月17日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月25日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
56+阅读 · 2020年6月24日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
基于深度学习的行人检测方法综述
专知
1+阅读 · 2021年4月14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 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17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
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2012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
2+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
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
64+阅读 · 2021年6月18日
Arxiv
24+阅读 · 2020年3月11日
Deep Learning in Video Multi-Object Tracking: A Survey
Arxiv
57+阅读 · 2019年7月31日
Arxiv
136+阅读 · 2018年10月8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
90+阅读 · 2022年4月17日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月25日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
56+阅读 · 2020年6月24日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
相关资讯
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
基于深度学习的行人检测方法综述
专知
1+阅读 · 2021年4月14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 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17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
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2012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
2+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
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
相关论文
微信扫码咨询专知VIP会员