非高斯环境下基于ODV的高效目标检测算法

本文主要探讨了在非高斯杂波背景下，针对球不变随机向量环境中的距离扩展目标检测问题。作者提出了一种修正的距离扩展目标检测器，即MSDD（Modified Spatial Divergence Detector）。MSDD的关键在于利用目标散射点个数的信息，然而，散射点个数的精确估计对于检测性能至关重要，如果估计错误，可能导致严重的信噪比损失。 为解决这一问题，论文引入了有序数据方差（Ordered Data Variance, ODV）来估计散射点个数，从而提出了一种新的检测器——ODV-MSDD。ODV-MSDD通过结合实际观测数据，实现散射点个数的自适应估计，从而提高了检测器的性能和系统的鲁棒性。这种新型检测器对目标占据的距离窗口大小有很好的适应性，意味着它能够有效地处理不同大小的目标，同时，随着目标散射点数量、阵元数以及杂波尖峰的增加，ODV-MSDD的检测效果会进一步提升。 仿真结果证实了ODV-MSDD在非高斯杂波环境中的优越性，它不仅能够抵抗目标大小变化的影响，还能够动态调整自身参数以优化检测性能。与传统的MSDD相比，ODV-MSDD的自适应性使得系统更具灵活性，能够更好地适应各种复杂环境，显著增强了目标检测的准确性和稳定性。 本文的研究对于提高在非高斯噪声环境下的目标检测技术具有重要的理论和实践价值，特别是在军事、遥感等领域，对于处理复杂的信号环境和保证系统性能的可靠性具有重要意义。因此，理解并应用ODV-MSDD算法，对于提升目标检测系统的性能和抗干扰能力具有显著作用。