雷达极化对角加载检测器的最优权重算法

来源：雷达科学与技术杂志2023年第2期北京时间：

作者：曹运运，杨子渊，刘维建，刘涛

单位：1. 海军工程大学电子工程学院， 湖北武汉 430033;2. 空军预警学院， 湖北武汉 430019

摘要：针对复杂海杂波环境下极化SAR图像弱小目标检测难题，最近提出的雷达极化对角加载滤波器融合了极化白化滤波器（PWF）和极化检测优化滤波器（PDOF）的优势，通过选择合适的线性加权系数，能够突破非高斯杂波背景下的目标检测性能限制。但是如何获取该线性组合的最优加权权重是该方法的难点。首先重新构造了基于线性组合的雷达极化对角加载检测器，在此基础上从曲线下面积（AUC）的检测性能评估角度给出了线性组合的最优化数学模型，并提出了基于该准则的最优权重算法。为加快求解速度，分别提出了基于Fisher准则线性判别分析（LDA）、基于口袋感知机学习算法（PPLA）和以LDA解为初值AUC求解算法等三种简化求解方法。最后通过仿真和实测实验验证了以上方法的有效性和鲁棒性，结果表明以LDA解为初值的AUC求解算法综合性能最佳。

关键词：对角加载检测器（DLD）,线性判别分析（LDA）,极化SAR,舰船目标检测,基于口袋感知机学习算法（PPLA）,

基金资助：国家自然科学基金（No.62171452， 61771483）