多源融合目標檢測識別與應用

第1章 概述 001
1.1 海上多源目標檢測識別與應用 001
1.1.1 研究背景與意義 001
1.1.2 當前技術體系、挑戰與發展趨勢 002
1.2 目標檢測識別技術研究現狀 003
1.2.1 雷達目標檢測識別技術研究現狀 003
1.2.2 聲吶目標檢測識別技術研究現狀 005
1.2.3 多源目標檢測識別技術研究現狀 006
1.3 全書內容與結構安排 009
參考文獻 009
第2章 雷達目標檢測識別基礎理論 014
2.1 引言 014
2.2 雷達檢測理論 015
2.2.1 檢測模型 015
2.2.2 傳統檢測理論框架 017
2.2.3 自適應檢測技術 019
2.2.4 多脈沖檢測處理 021
2.2.5 現代檢測理論前沿 023
2.3 雷達目標識別基礎 024
2.3.1 雷達目標識別的基本原理與理論框架 025
2.3.2 雷達目標特征提取的技術體系 026
2.3.3 雷達目標識別算法的演進與發展 029
2.4 小結 032
參考文獻 032
第3章 雷達近鄰目標超分辨檢測 034
3.1 引言 034
3.2 基於近似GLRT線性模型的雷達距離統計分辨檢測 040
3.2.1 雷達距離統計分辨檢測模型 040
3.2.2 雷達距離統計分辨性能的影響因素 045
3.2.3 雷達距離統計分辨檢測仿真 045
3.3 基於近似GLRT線性模型的雷達距離?方位?多普勒三維統計分辨
檢測 049
3.3.1 雷達三維聯合統計分辨模型 050
3.3.2 雷達三維聯合統計分辨性能的影響因素 053
3.3.3 雷達三維聯合統計分辨檢測仿真 053
3.4 基於GLRT漸近分布的雷達距離統計分辨檢測 054
3.4.1 雷達距離統計分辨檢測模型 055
3.4.2 雷達距離統計分辨性能的影響因素 058
3.4.3 雷達距離統計分辨檢測仿真 058
3.5 基於GLRT漸近分布的雷達方位統計分辨檢測 060
3.5.1 雷達方位統計分辨檢測模型 060
3.5.2 雷達方位統計分辨性能的影響因素 066
3.5.3 雷達方位統計分辨檢測仿真 066
3.6 基於GLRT漸近分布的雷達距離?方位二維統計分辨檢測 067
3.6.1 雷達二維聯合統計分辨模型 068
3.6.2 雷達二維聯合統計分辨性能的影響因素 069
3.6.3 雷達二維聯合統計分辨檢測仿真 069
3.7 小結 071
參考文獻 071
第4章 MIMO雷達目標超分辨和魯棒檢測 074
4.1 引言 074
4.2 MIMO雷達距離超分辨檢測 074
4.2.1 OFDM-NLFM信號優化模型 075
4.2.2 OFDM-NLFM信號參數優化 076
4.2.3 MIMO雷達距離超分辨檢測仿真 082
4.3 MIMO雷達方位超分辨檢測 084
4.3.1 方位超分辨模型 084
4.3.2 波形設計準則 086
4.3.3 非凸問題求解 089
4.3.4 MIMO雷達方位超分辨檢測仿真 092
4.4 MIMO雷達最優波形單目標魯棒檢測 095
4.4.1 單目標魯棒波形設計模型 096
4.4.2 單目標魯棒最優波形求解 099
4.4.3 算法流程和計算量分析 102
4.4.4 MIMO雷達單目標魯棒檢測仿真 103
4.5 MIMO雷達波形多目標穩健STAP 106
4.5.1 多目標穩健STAP波形設計模型 107
4.5.2 多目標穩健STAP最優波形求解 111
4.5.3 MIMO雷達多目標穩健STAP仿真 116
4.6 小結 120
參考文獻 120
第5章 雷達點跡精細特征分析與應用 123
5.1 引言 123
5.2 點跡形成過程與精細特征分析 124
5.2.1 雷達目標點跡的形成過程 124
5.2.2 點跡精細特征理論分析 126
5.2.3 點跡精細特征應用現狀 129
5.3 點跡精細特征仿真建模與驗證分析 131
5.3.1 基於HRRP的目標回波仿真 132
5.3.2 基於復合K分布的時空相關海雜波仿真 135
5.3.3 目標檢測與點跡精細特征提取 138
5.3.4 仿真實例與分析討論 139
5.4 點跡精細特征提取及其分類能力研究 148
5.4.1 經典點跡特征提取方法 149
5.4.2 雜波目標區分能力仿真分析 151
5.4.3 點跡可信度因子設計 164
5.5 聯合多幀點跡精細特征提取與應用 169
5.5.1 聯合多幀目標檢測 169
5.5.2 基於點跡精細特征的Hough變換類TBD檢測算法 171
5.5.3 基於點跡精細特征的動態規劃類TBD檢測算法 172
5.5.4 算法效果的仿真分析與驗證 173
5.6 小結 177
參考文獻 178
第6章 聲吶圖像目標檢測 181
6.1 引言 181
6.2 基於灰度統計量的目標檢測算法 182
6.2.1 算法描述 182
6.2.2 實驗研究 184
6.3 基於紋理特征的目標檢測算法 190
6.3.1 算法描述 190
6.3.2　實驗研究 193
6.4 基於幾何形狀特征的目標檢測算法 197
6.4.1　算法描述 197
6.4.2　實驗研究 199
6.5 基於灰度分布模型的目標檢測算法 201
6.5.1 參數特征檢測算法 201
6.5.2　信息熵檢測算法 202
6.5.3　實驗研究 203
6.6 基於殘留輪廓信息的水下沈船目標檢測算法 205
6.6.1　目標和圖像特性分析 206
6.6.2　算法描述與實驗研究 207
6.7　基於合成孔徑聲吶圖像的水下條狀人造目標檢測算法 213
6.7.1　目標和圖像特性分析 213
6.7.2　算法描述與實驗研究 214
6.8　小結 216
參考文獻 216
第7章 聲吶圖像目標識別 219
7.1　引言 219
7.2　基於特征提取的聲吶圖像目標識別算法 220
7.2.1　圖像規格化 221
7.2.2　特征選擇與提取 222
7.2.3　實驗研究 223
7.2.4　基於主成分分析的特征優化 225
7.3　基於形狀描述直方圖的聲吶圖像目標識別算法 227
7.3.1　算法描述 227
7.3.2　實驗研究 231
7.4　基於形狀上下文的聲吶圖像目標識別算法 233
7.4.1　算法描述 233
7.4.2　實驗研究 235
7.5　小結 236
參考文獻 236
第8章 多源融合目標檢測識別算法 239
8.1 引言 239
8.2 光電-SAR圖像融合目標檢測識別算法 240
8.2.1 相關理論基礎 240
8.2.2 算法介紹 244
8.2.3 實驗研究 249
8.3 RGB-Thermal圖像融合目標檢測識別算法 253
8.3.1 相關理論基礎 253
8.3.2 算法介紹 258
8.3.3 實驗研究 260
8.4 小結 264
參考文獻 265