存在高斯干扰下的自适应雷达检测的 ML 与贝叶斯联合方法
信号处理
2025-03-05 v1
摘要
本文研究了在具有未知统计特性的高斯干扰环境下的自适应雷达目标检测问题。为此，首先将该问题表述为二元假设检验，然后我们推导了一种基于最大似然（ML）和最大后验（MAP）方法混合的检测架构。具体而言，我们利用隐藏的离散潜变量结合期望最大化（EM）算法，循环更新未知量的估计。在此框架下，每个假设下后验概率的估计代表了数据的固有性质，并用于判定潜在目标是否存在。此外，我们证明了所开发的检测方案在未知干扰协方差矩阵方面确保了所期望的恒虚警率（CFAR）特性。通过合成数据和真实记录数据获得的数值算例证实了所提架构的有效性，并表明至少在所考虑的场景和参数设置下，基于 MAP 的方法相较于传统广义似然比检验具有明显的改善。
引用
@article{arxiv.2503.02214,
title = {Joint ML-Bayesian Approach to Adaptive Radar Detection in the presence of Gaussian Interference},
author = {Chaoran Yin and Tianqi Wang and Linjie Yan and Chengpeng Hao and Alfonso Farina and Danilo Orlando},
journal= {arXiv preprint arXiv:2503.02214},
year = {2025}
}
备注
Published on IEEE Transactions on Aerospace and Electronic Systems in 2024