无源探测中微弱目标的多步检测算法研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (33): 112-115.

• 数据库、信号与信息处理 • 上一篇下一篇

无源探测中微弱目标的多步检测算法研究

赵立权1，许聪2，贾雁飞3

1.东北电力大学信息工程学院，吉林 132012
2.中国黑龙江省联通公司，哈尔滨 150090
3.北华大学电气与信息工程学院，吉林 132013

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-21 发布日期:2011-11-21

Multi-stage detection algorithm of weak target in passive detection

ZHAO Liquan1，XU Cong2，JIA Yanfei3

1.College of Information Engineering，Northeast Dianli University，Jilin 132012，China
2.China Union Heilongjiang，Harbin 150090，China
3.College of Electrical and Information Engineering，Beihua University，Jilin 132013，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-21 Published:2011-11-21

摘要/Abstract

摘要： 针对在无源探测中掩膜效应严重影响远处微弱目标的检测问题，提出了一种多步检测算法。该算法采用广义对消算法去除目标回波中由于掩膜效应造成的直达波和杂波，并利用优化的CLEAN算法消除近处强目标回波，通过逐步消除强目标回波，达到提高检测微弱目标性能的目的。仿真结果表明，该算法能够较准确地估计出微弱目标的位置，计算量较小，在复杂背景下同样能够较好地检测出目标。

关键词: 无源探测, 信号检测, 掩膜效应, 回波信号

Abstract: To overcome the problem that masking effect can seriously affect the detection performance of weak far away target，a multi-stage detection algorithm is proposed.This algorithm adopts the extensive cancellation algorithm to remove the direct signal and clutter signal that are caused by masking effect，and uses optimized CLEAN algorithm to remove strong target echo nearby.By removing strong target echo gradually，better detection performance of weak target echo is achieved.Simulation results prove the new algorithm can estimate position of the weak target more accurately and detect the target better in strong interference background with less calculation.

Key words: passive detection, signal detection, masking effect, echo signal

赵立权1，许聪2，贾雁飞3 . 无源探测中微弱目标的多步检测算法研究[J]. 计算机工程与应用, 2011, 47(33): 112-115.

ZHAO Liquan1，XU Cong2，JIA Yanfei3 . Multi-stage detection algorithm of weak target in passive detection[J]. Computer Engineering and Applications, 2011, 47(33): 112-115.

[1]	杨宝山1，2，3，胡业刚1，2，3，张冀聪1，2，3. 2DPCA在脑磁图棘波信号检测中的应用[J]. 计算机工程与应用, 2019, 55(1): 186-190.
[2]	王茜竹1，2，李楠1，2. 大规模MIMO系统的改进RTS信号检测算法[J]. 计算机工程与应用, 2018, 54(12): 74-79.
[3]	陈博文，蒋磊，刘潇文，张群. 基于混沌量子粒子群的FHN神经元UWB信号检测[J]. 计算机工程与应用, 2017, 53(6): 135-140.
[4]	黎严，张国平，罗俊. 一种改进的多天线信号能量检测方案[J]. 计算机工程与应用, 2017, 53(10): 112-116.
[5]	李宏伟，张宏雁. Lyapunov指数在弱2FSK信号检测中的应用[J]. 计算机工程与应用, 2016, 52(2): 151-155.
[6]	谢涛1，曹军威2，3，廉小亲1. 混沌振子弱信号检测系统构成及响应速度研究[J]. 计算机工程与应用, 2015, 51(9): 16-21.
[7]	刘潇文，蒋磊，许华. 基于希尔伯特-黄变换的超宽带信号检测方法[J]. 计算机工程与应用, 2015, 51(12): 223-229.
[8]	周冲1，2，詹毅2. 一种宽带内直扩信号的非合作快速检测方法[J]. 计算机工程与应用, 2014, 50(13): 224-227.
[9]	张宏雁，王瑞峰. 混沌理论在应答器信号检测中的应用研究[J]. 计算机工程与应用, 2013, 49(15): 267-270.
[10]	林善明1，2，孙海华1，金纪东1，2，胡万清1，朱昌平1，2. 小波去噪和混沌理论应用于输电线缺陷检测[J]. 计算机工程与应用, 2012, 48(5): 224-227.
[11]	刘柏森1，2，卢志茂1，金辉1，孙美玲1. 一种HHT谱矩阵的车内噪声语音端点检测[J]. 计算机工程与应用, 2012, 48(20): 164-167.
[12]	李昕1，2，李良光1，姜媛媛1. 基于DFRFT的脉压方法及与匹配滤波性能对比[J]. 计算机工程与应用, 2012, 48(11): 16-21.
[13]	贾可新，何子述. 复杂电磁环境中的常规通信信号的实时分选[J]. 计算机工程与应用, 2012, 48(10): 150-155.
[14]	马计，王海红，王欣. 排序QR分解MIMO检测器在FPGA中的实现[J]. 计算机工程与应用, 2011, 47(32): 75-77.
[15]	周敏. 量子遗传算法优化神经网络的MIMO-OFDM检测研究[J]. 计算机工程与应用, 2011, 47(27): 161-163.

无源探测中微弱目标的多步检测算法研究

Multi-stage detection algorithm of weak target in passive detection

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics