آشکارسازی اهداف در رادار غیرفعال دوپایه با استفاده از پردازش وفقی مبتنی بر تابع هزینه کارنتروپی

در این مقاله روشی جدید برای آشکارسازی اهداف در رادارهای غیرفعال دوپایه معرفی می گردد. در این روش ابتدا سابقه زمانی سلول های تابع ابهام به صورت یک رشته تصادفی تشکیل داده می شود. سپس با تشکیل یک فیلتر وفقی با پاسخ ضربه محدود، رشته های زمانی مربوط به نویز از رشته های زمانی شامل اهداف جداسازی می شوند. برای بروزرسانی فیلتر مزبور از تابع هزینه مبتنی بر کارنتروپی استفاده می شود. برای ارزیابی کارایی روش پیشنهادی، تعدادی هدف با سرعت های مختلف شبیه سازی می شوند. روش پیشنهادی و دو روش رقیب به منظور مقایسه، به موازات برروی این داده ها اجرا می شوند. نتایج نشان می دهند که در scnr = 30 db (یعنی در بدترین شرایط نویزی ممکن) و در سناریوی اول، روش پیشنهادی به لحاظ درصد آشکارسازی 18.7 درصد بهتر از روش آمارگان مرتبه بالا و 20.1 درصد بهتر از روش تخمین تابع توزیع عمل می کند. این مقادیر برای سناریوی دوم به ترتیب 19.3 و 21.4 درصد بهتر از دو روش رقیب به دست می آیند.

Target Detection in Bistatic Passive Radars by Using Adaptive Processing Based on Correntropy Cost Function

In this paper a novel method is introduced for target detection in bistatic passive radars which uses the concept of correntropy to distinguish correct targets from false detections. In proposed method the history of each cell of ambiguity function is modeled as a stochastic process. Then the stochastic processes consist the noise are differentiated from those consisting targets by constructing an FIR adaptive filter. A cost function which is based on correntropy is utilized to update the filter. The performance of the proposed method is evaluated by simulation in presence of rapid and slow moving targets. The obtained results shows the superiority of the proposed method compared to its alternatives in such manner that it detects rapid targets at least 18.7 and 20.1 percent better than HOSCM and PFCM. Furthermore it detects slow targets 19.3 and 21.4 percent better than those alternatives, all in presence of maximum noise (i.e. SCNR=30dB).