UWB-SAR图像中的目标检测与鉴别

UWB-SAR图像中的目标检测与鉴别

论文题目: UWB-SAR图像中的目标检测与鉴别

论文类型: 博士论文

论文专业: 信息与通信工程

作者: 方学立

导师: 梁甸农

关键词: 超宽带合成孔径雷达,目标检测与鉴别,特征提取树干杂波,非均匀背景,定量性能评估

文献来源: 国防科学技术大学

发表年度: 2005

论文摘要: 针对超宽带合成孔径雷达(Ultra Wide Band Synthetic Aperture Radar,即UWB-SAR)探测叶簇隐蔽目标的应用需求,对UWB-SAR图像中的目标检测与鉴别问题进行了系统深入的研究。 首先综述了UWB-SAR目标检测与鉴别问题的研究现状、方法和意义,指出了UWB-SAR目标检测与鉴别在UWB-SAR自动目标识别系统中的位置和现存问题。 第二章研究了UWB-SAR图像中的恒虚警率(Constant False Alarm Rate,即CFAR)目标检测问题。采用试验数据分析了UWB-SAR图像中各种不同植被覆盖类型杂波的统计特性,并基于得到的结论提出了一种CFAR目标检测方法,该方法在一个通用形式下,能够在已知类型的不同植被覆盖杂波中实现CFAR处理;提出了一种快速统计量计算方法,该方法能大大提高CFAR算法的计算效率。 第三章针对目标检测与鉴别的应用需求研究了UWB-SAR图像中的目标特征提取方法。基于UWB-SAR回波模型和成像原理,研究了用频域滤波的方法在UWB-SAR图像频域支撑中提取目标的方向域、频率域和分辨率域特征的方法,给出了相应的滤波器设计;建立了UWB-SAR目标模型,改进了隐马尔可夫模型和统计分析方法用于特征整合;研究了UWB-SAR点目标检测及树干杂波抑制问题;实验结果表明,所研究的结果能改善UWB-SAR目标检测与鉴别的性能。 第四章研究了UWB-SAR图像中的非均匀背景目标检测问题。针对UWB-SAR图像中杂波统计模型随植被覆盖类型漂移的问题,在改进了α截集雷达杂波识别方法的基础上,提出了一种对杂波统计模型自适应的CFAR检测方法,有效地实现了在不同植被覆盖类型下的CFAR目标检测;针对杂波边沿的非均匀性,基于变量索引CFAR方法研究了UWB-SAR图像中强弱杂波边沿处的CFAR检测问题,实现了在杂波边沿处的CFAR目标检测;实验结果验证了方法的有效性。 第五章研究了UWB-SAR图像中目标检测与鉴别的定量性能评估方法。基于接收机工作特性曲线,提出了两种对目标检测算法性能进行定量评估的方法;以目标与杂波的可分离性为度量,引入了两个用于评估特征提取方法的性能指标;针对UWB-SAR图像中杂波与目标的特点,改进了UWB-SAR图像中目标检测与鉴别性能评估中若干参量的计算方法。 最后系统地总结了全文的工作,并给出了进一步研究的建议。

论文目录:

摘要

Abstract

第一章 绪论

1.1 研究背景及意义

1.1.1 UWB-SAR的国内外研究概况

1.1.2 UWB-SAR目标检测与鉴别的研究意义

1.2 UWB-SAR目标检测与鉴别的研究现状

1.3 UWB-SAR目标检测与鉴别存在的问题

1.4 本文的主要工作

第二章 UWB-SAR图像中的CFAR目标检测

2.1 引言

2.2 UWB-SAR图像中CFAR目标检测的必要性

2.3 UWB-SAR图像中的杂波统计特性分析

2.4 基于不同分布模型的CFAR检测

2.4.1 基于不同分布模型CFAR检测器的通用形式

2.4.2 基于高斯分布的CFAR检测

2.4.3 基于瑞利分布的CFAR检测

2.4.4 基于韦布尔分布的CFAR检测

2.4.5 基于对数—正态分布的CFAR检测

2.4.6 基于SaS分布的CFAR检测

2.4.7 基于K-分布的CFAR检测

2.4.8 基于伽玛分布的CFAR检测

2.5 一种CFAR检测中统计量的快速计算方法

2.5.1 问题的数学模型与求解

2.5.2 运算量分析

2.5.3 应用实例与仿真结果

2.5.4 快速算法在其它信号处理问题中的推广应用

2.6 小结

附录:(2.7)式的推导

第三章 基于特征提取的UWB-SAR图像目标检测与鉴别

3.1 引言

3.2 UWB-SAR的回波模型与目标特征

3.2.1 UWB-SAR的回波与成像模型

3.2.2 UWB-SAR的目标特征

3.3 UWB-SAR的目标特征提取方法

3.3.1 UWB-SAR图像的频域参数表征及频域滤波器设计

3.3.2 方向域特征提取

3.3.3 频率域特征提取

3.3.4 分辨率域特征提取

3.4 UWB-SAR的目标特征整合方法

3.4.1 统计分析方法

3.4.2 隐马尔可夫模型

3.5 基于方向域特征的目标检测与鉴别方法

3.5.1 基于方向域特征的人造目标模型的建立

3.5.2 基于图像频域滤波器组的方向域特征提取

3.5.3 对方向域特征进行整合的统计分析方法

3.5.4 基于HMM的方向域特征整合

3.5.5 实验结果

3.6 UWB-SAR图像中的点目标检测与树干杂波抑制

3.6.1 UWB-SAR图像中点目标检测的意义

3.6.2 UWB-SAR图像中的点目标特征提取方法

3.6.3 基于点目标检测的树干杂波抑制

3.6.4 实验结果

3.7 小结

第四章 UWB-SAR图像中非均匀背景下的目标检测

4.1 引言

4.2 对杂波统计模型自适应的CFAR检测方法

4.2.1 杂波模型失配对CFAR检测性能的影响分析

4.2.2 基于雷达杂波识别的自适应CFAR检测方法

4.3 杂波统计模型的识别

4.3.1 雷达杂波识别概述

4.3.2 基于α截集特征提取的雷达杂波识别方法

4.3.3 α截集的自适应算法

4.3.4 多α截集雷达杂波识别方法

4.3.5 仿真、试验结果与分析

4.4 杂波边沿处的CFAR目标检测

4.4.1 ML-CFAR和OS-CFAR检测器

4.4.2 VI-CFAR检测器

4.4.3 实验结果及分析

4.5 小结

第五章 UWB-SAR图像目标检测与鉴别的定量性能评估

5.1 引言

5.2 基于ROC曲线的定量目标检测性能评估方法

5.2.1 一种基于ROC曲线的定量检测性能评估方法

5.2.2 基于标准检测系统的ROC曲线定量性能评估方法

5.3 目标特征提取性能的定量评估方法

5.3.1 信杂比改善指标

5.3.2 可检测性指标

5.4 UWB-SAR目标检测与鉴别性能评估的几个问题

5.4.1 检测概率与虚警概率的计算

5.4.2 信杂比的计算

5.5 小结

附录:用Sigmoid函数对Gaussian分布函数进行逼近

第六章 结束语

6.1 本文的主要成果和创新点

6.2 需要进一步研究的问题

参考文献

致谢

攻博期间撰写的主要论文

发布时间: 2005-11-07

参考文献

  • [1].低分辨雷达对群目标的检测及分辨研究[D]. 李朝伟.国防科学技术大学2005
  • [2].认知无线电中协作频谱感知技术研究[D]. 李佳俊.北京交通大学2012
  • [3].认知无线电网络中协作中继技术研究[D]. 邹玉龙.南京邮电大学2012
  • [4].认知无线电中的频谱感知技术研究[D]. 刘云学.山东大学2009
  • [5].基于多维空间的射频频谱检测技术研究[D]. 谢树京.东南大学2016

相关论文

  • [1].SAR图像机动目标检测与鉴别技术研究[D]. 李禹.国防科学技术大学2007
  • [2].SAR图像特征提取与目标识别方法研究[D]. 郦苏丹.国防科学技术大学2001
  • [3].UWB SAR系统设计与实现[D]. 常文革.国防科学技术大学2001
  • [4].SAR图像目标特征提取与分类方法研究[D]. 计科峰.中国人民解放军国防科学技术大学2003
  • [5].合成孔径雷达图像舰船目标检测算法与应用研究[D]. 种劲松.中国科学院研究生院(电子学研究所)2002
  • [6].高分辨率SAR图像自动目标识别方法研究[D]. 张翠.国防科学技术大学2003
  • [7].FOPEN SAR地面目标散射特性分析及检测研究[D]. 黄纪军.国防科学技术大学2005
  • [8].合成孔径雷达图像分类与目标检测技术研究[D]. 付信际.中国科学院研究生院(电子学研究所)2005
  • [9].低频UWB-SAR校准技术研究[D]. 邹鲲.国防科学技术大学2005
  • [10].基于机载SAR图像的对地目标检测方法研究[D]. 王义敏.西北工业大学2006

标签:;  ;  ;  ;  ;  

UWB-SAR图像中的目标检测与鉴别
下载Doc文档

猜你喜欢