训练样本不足时雷达扩展目标检测方法
Journal of Nanjing University of Science and Technology（2018）
摘要
为了降低对训练样本的需求,针对雷达扩展目标检测问题,该文提出了降秩广义似然比检验(R-GLRT)检测器和降秩Wald(R-Wald)检测器.利用噪声子空间对应的特征矩阵代替采样协方差矩阵,降低了训练样本不足时小训练样本带来的估计误差.仿真结果表明,当训练样本不足时,所提出的降秩检测器能够提供较高的检测概率,且R-GLRT检测器具有比R-Wald检测器更高的检测概率;当训练样本充足时,与常规自适应检测器相比,2种降秩检测器也能够提供较高的检测概率.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要