共查询到20条相似文献,搜索用时 93 毫秒
1.
本文针对实测的雷达地杂波数据,复其分形特性,提出了基于分形各种特征的信号检测方法,并进一步利用多得分形的概念来取杂波的多层次分形特征,均取得较邹的检测性能。 相似文献
2.
3.
4.
海杂波FRFT域分形特征判别及动目标检测方法 总被引:2,自引:1,他引:1
该文研究了海杂波在分数阶Fourier变换(FRFT)域的分形特征,提出了一种基于分形特征差异的联合动目标检测方法。首先,分析了海杂波数据在FRFT域的统计特性,通过对不同极化方式下分形曲线的仿真分析,得到海杂波在FRFT域满足自相似性。其次,给出了分形参数的提取方法和无标度区间,并分析了变换阶数对分形参数估计的影响。最后,利用临近距离单元或临近时刻的雷达回波信号在FRFT域的分形维数和斜距的差值作为检测统计量,经不同极化方式下的海杂波数据验证,表明算法不仅具有良好的微弱动目标检测能力,而且能够准确估计目标的运动状态。 相似文献
5.
6.
7.
利用分形理论建立的海杂波模型具有巨大的潜力,在高频雷达海杂波多重分形特性的基础上建立了高频雷达海杂波的时域分形模型。通过对韦布尔分布、对数正态分布、瑞利分布和K分布4种最常用的海杂波的概率密度函数的比较分析并利用修正的Kolmogorov-Smirnov(K-S)统计检验,得出了高频雷达海杂波的时域模型具有先验的统计特性的结论,证明了新的海杂波时域分形模型的合理性,这对于高频雷达海杂波建模与仿真及其背景下目标检测研究具有现实意义。 相似文献
8.
9.
10.
针对低信噪比海情下的小目标检测效果不理想的问题,利用消除趋势波动分析法提取海杂波分形参数,分析了海杂波的功率谱及其熵特征,提出了海杂波背景下的联合特征目标检测方法.在雷达回波中提取海杂波的分形参数和功率谱熵特征组成二维向量,利用凸包训练算法获得纯海杂波判别区域,同样对先验知识下的待测海杂波提取这两个特征参量,以此特征参量所对应的点是否在此判别区域内来判别是否存在目标.利用加拿大IPIX雷达数据,证明了所提算法优于用单个特征差异作为统计量的方法,在相同虚警概率下检测效果明显提高,为雷达目标检测提供了新的检测方案. 相似文献
11.
宙斯盾雷达使用的典型信号脉内多载频具有抗截获和抗干扰的突出优势,但其信号处理方法还不是非常明确.以脉内四载频信号为例,对其信号特性及处理方式进行了研究,基于检测概率最优原则提出了可能存在的处理方法,给出了处理框架和流程,特别是对存在瞄准式干扰的情况,采用干扰检测算法剔除受干扰子脉冲,通过信号级仿真比较了两种处理方法在不... 相似文献
12.
13.
当前海面目标检测方法多基于统计理论,检测性能受背景统计特性假设的影响,本文从信号预测和特征分类两个角度,分别采用长短时记忆网络(LSTM)和卷积神经网络(CNN)对信号时间序列幅度信息进行处理,用于海上目标一维序列雷达信号检测,该方法不需事先假设背景统计特性,泛化能力更强。基于LSTM序列预测的目标检测方法通过用海杂波信号幅度时间序列对网络进行训练,再用训练后的网络对后续序列进行预测,并与后续实测信号进行比较,实现目标检测。基于CNN序列分类的目标检测方法中采用截取的海杂波信号和目标信号幅度序列作为数据集样本,对一维卷积核CNN进行训练,使其具有识别目标杂波信号特征能力,从而实现目标检测。最后,采用IPIX和CSIR实测海杂波数据对两种方法进行验证,结果表明两种方法均可实现一维序列信号中海面目标的检测,但LSTM预测方法对于长序列检测的实时性有待于进一步提高;CNN分类方法可实现实时检测,但仅利用信号幅度信息,检测性能仍需进一步提升。 相似文献
14.
针对复杂电磁环境中信号检测受限于低信噪比的问题,基于信号与噪声一体化的思路,提出了一种以电磁空间的所有电磁辐射信号为背景,并结合深度学习算法的电磁信号检测方法。首先建立动态场景的电磁环境模型,包括了通信基站信号、雷达信号、干扰信号等,其次使用加高斯窗傅里叶变换提取电磁信号时频域的能量分布特征,最后采用卷积神经网络进行特征选择分类,实现信号检测。仿真结果表明,该方法在一定程度上减轻了信号检测受限于信噪比的问题,克服了传统能量检测方法和基于SVM检测方法的缺陷,提高了低信噪比下电磁信号的检测性能。 相似文献
15.
16.
17.
雷达目标检测技术能够判断回波信号中目标存在与否,并提取目标位置信息。随着雷达图像质量的提升和人工智能技术的发展,利用雷达图像数据通过深度学习方法实现雷达目标检测功能成为一种新的思路。该文首先从雷达目标检测原理入手,对传统和现代两类检测方法进行了梳理,分析了各类检测方法的特点及适用性。然后针对现代雷达回波信号复杂性增大导致传统检测方法统计建模难的问题和机器学习方法特征提取难度大的问题,对深度学习目标检测方法进行了归纳,主要从深度学习算法、雷达回波图像数据类型和应用场景三个方面进行总结。最后分析了深度学习在雷达目标检测应用中面临的挑战,展望了未来的发展趋势。 相似文献
18.
19.
20.
Girault JM Kouamé D Ouahabi A Patat F 《IEEE transactions on bio-medical engineering》2000,47(11):1431-1439
Several studies have been carried out in the last twenty years on the characterization and detection of cerebral artery emboli. From the detection point of view, the existing methods are largely based on the classical Fourier analysis of which the well known limitations provide poor accuracy. This paper first recalls existing methods based on Fourier, Wigner-Ville and wavelet approaches. It then presents new emboli detection methods based on parametric signal processing approaches. The basic idea of these parametric methods is to compare the Doppler embolic signal to its autoregressive model. The detection principle consists in constructing a decision information which contains the signature of the micro-embolus being sought. The detection is finally evaluated using receiver operating characteristic (ROC) curves. Comparison between the new methods and classical approaches is performed using a realistic embolic signal simulation. Furthermore, to validate our theoretical study, we tested our new algorithms using in vivo signals. This comparison shows the significant inaccuracy of existing methods to detect micro-emboli. 相似文献