基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文研究复合高斯杂波环境中的距离扩展目标的自适应检测问题.有色杂波采用参数未知的自回归(AR)过程描述.结合Wald检测准则,仅需对H1假设条件下的未知参数进行最大似然估计,给出了一种新的基于参数化模型的扩展目标检测器——参数化Wald检测器.该检测器的检验统计量可解释为首先针对各个待测单元分别计算检验统计量,然后将所有待测单元的输出进行非相参累加,其对杂波的随机功率起伏具有恒虚警率(CFAR)特性.相比于常规的基于协方差矩阵的检测方法,参数化检测算法的执行过程不需要依赖辅助数据,仅利用待测扩展目标数据即可实现自适应处理,有效缓解了训练压力并降低了计算量.仿真实验表明,所提出的参数化Wald检测器的检测性能优于之前提出的参数化广义似然比检测器的性能.
推荐文章
Pareto Ⅱ型分布混响中距离扩展目标CFAR检测
声呐检测
Pareto Ⅱ型分布混响
距离扩展目标
几何平均恒虚警率
模糊逻辑
复合高斯杂波下距离扩展目标的自适应检测
复合高斯
自适应检测
距离扩展目标
采样协方差矩阵
协方差矩阵估计
Pearson杂波背景下基于模糊积累的距离扩展目标检测
高分辨雷达
距离扩展目标
恒虚警
Pearson分布
隶属函数
高斯混合分布杂波下ARM的Wald检测方法
高斯混合分布
矩-EM算法
反辐射导弹检测
Wald检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 复合高斯杂波中距离扩展目标的参数化Wald检测
来源期刊 信号处理 学科 工学
关键词 复合高斯杂波 距离扩展目标 自回归(AR)模型 自适应检测 Wald检测准则
年,卷(期) 2012,(7) 所属期刊栏目 论文与技术报告
研究方向 页码范围 909-916
页数 分类号 TN957.51
字数 6059字 语种 中文
DOI 10.3969/j.issn.1003-0530.2012.07.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 鄢社锋 中国科学院声学研究所 39 292 8.0 16.0
2 郝程鹏 中国科学院声学研究所 49 230 8.0 13.0
3 马晓川 中国科学院声学研究所 69 411 12.0 18.0
4 许琦 中国科学院声学研究所 2 4 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (6)
参考文献  (11)
节点文献
引证文献  (2)
同被引文献  (3)
二级引证文献  (2)
1983(1)
  • 参考文献(1)
  • 二级参考文献(0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(2)
  • 二级参考文献(1)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(5)
  • 参考文献(3)
  • 二级参考文献(2)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
复合高斯杂波
距离扩展目标
自回归(AR)模型
自适应检测
Wald检测准则
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
总被引数(次)
32728
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导