杂波中信号检测的分形方法

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。     

基于高阶分形特征的海面运动目标检测方法

将高阶分形特征用于海面运动目标检测,提取出用于区分运动目标和海杂波的新的分形特征--缝隙特征.实验表明利用缝隙特征进行海面运动目标检测,可以取得较分形维检测更高的准确率.     

SAR图像目标的融合检测方法

该文提出了一种利用扩展分形特征和局部对比度特征进行融合的SAR图像目标检测方法。分析了扩展分形特征的尺度敏感性及其在不同目标杂波模型下的二阶统计特性,分析表明扩展分形特征在目标检测中存在负值效应,即在正确检测出目标的同时把一些与目标具有相似形状而灰度值较低的区域也检测出来。而CFAR检测方法只利用了目标的局部对比度信息,不存在负值效应,但在强杂波环境中的检测结果存在很高的虚警。两种方法的融合可以滤除大量杂波虚警而保持目标。实测数据的融合检测结果证明了该方法的有效性。     

海杂波FRFT域分形特征判别及动目标检测方法

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。     

高阶分形特征在雷达信号检测中的应用

本文将高阶分形特征用于雷达信号的分析,提取出用于区分目标和杂波的新的分形特征——缝隙尺度变化率.推导了缝隙值在加性分形噪声中的关系式.实验表明:利用缝隙特征进行海上雷达目标的检测,可以取得较分维值检测更高的准确率.     

基于分形可变步长LMS算法的海杂波中微弱目标检测

该文主要研究了基于Hurst指数与可变步长LMS算法相结合的分析方法在海杂波微弱目标检测中的应用。一直以来,分形理论与统计理论是分别应用到目标检测中的,该文将分形可变步长LMS算法引入到海杂波微弱目标检测中,并在此基础上提出一个海杂波中的微弱目标检测模型,初步实现了基于LMS算法的检测方法与基于单一分形特征的检测方法的结合。最后,采用X波段雷达实测海杂波数据进行验证,结果表明该检测模型具有良好的检测海杂波中微弱目标的能力。     

一种新的高频雷达海杂波的分形模型

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。     

海杂波中基于扩展分形的目标检测方法

针对海杂波的非平稳性和长相关性,提出一种基于扩展分形多尺度Hurst参数的目标检测算法.该方法首先将扩展分形理论与模式识别中的分类方法相结合,提取杂波和目标的多尺度Hurst参数以构成特征矢量,并引入模式识别中的可分性判据来进行特征矢量的选取,然后采用Bayes分类方法进行目标检测.利用IPIX雷达实测数据的实验结果表明,文中提出的算法比基于分维值的检测算法有更好的检测性能.     

雷达数据的多重分形模型

本文将多重分形的分析方法引入到雷达杂波的分析中,直接从杂波数据本身出发,研究其具有的共性;并分别对杂散数据和带目标回波数据进行了分析,提取了它们的多重分形特征。结果表明在一定的尺度范围内,单纯的雷达杂波具有分形的特征,而带目标回波数据则存在分形的失配性,从而提供了一种对目标进行粗检测和判决的新方法。     

海杂波背景下目标的联合特征差异检测

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.     

宙斯盾雷达典型信号处理方法仿真分析

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...     

群目标检测现代雷达信号处理方法述评

针对目前应用于雷达群目标分辨领域的现代信号处理方法进行了分析,研究了各种现代信号处理方法所存在的优势和缺陷.首先提出在雷达领域里存在的群目标分辨的问题,然后针对这一问题分析了几种现代雷达信号处理的方法.这些方法主要包括Wigner-Ville分布、短时傅里叶变换和小波变换等.分析了这些方法所存在的不足,介绍了几种修正方法,并对这些方法在具体应用中的分辨效果进行了比较,提出了下一步研究的方向,从而对雷达群目标分辨技术的深入研究提供一些技术参考和理论依据.     

基于深度学习的海上目标一维序列信号目标检测方法

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。      

面向一体化应用的电磁信号智能检测方法研究

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。      

一种基于混沌振子的DSSS信号盲检测方法

直接序列扩频通信是一种具有强保密性和抗干扰性的先进通信体制,对DSSS信号的检测具有重要作用。将非线性科学中的混沌理论应用于DSSS信号的盲检测,结合DSSS信号特征研究了一种利用混沌振子进行检测的方法。首先分析了洛伦兹混沌振子检测周期信号的原理和DSSS信号模型,然后构造出了一个基于混沌振子阵列的盲检测系统,可实现对低信噪比条件下对DSSS信号的盲检测。最后,通过计算机仿真结果表明了该方法的有效性,且性能优于过去的一些算法。     

瑞利衰落信道下差分跳频通信系统抗多音干扰的性能分析

信号的检测方法是差分跳频中的一项关键技术。在瑞利衰落信道和多音干扰共存的环境下,针对逐符号检测和按序列检测两种信号检测方法,分别就差分跳频通信系统的误符号性能进行了理论分析,同时做出相应的计算机仿真。结果证实了,差分跳频通信技术和按序列检测方法的结合,使系统在瑞利衰落信道下抗多音干扰的性能得到了比较显著的提升。     

深度学习在雷达目标检测中的应用综述

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。     

FSK制式来电显示的几种解码方式比较

主要探讨基于FSK制式的主叫号码来电显示的几种解码方式,详细介绍专用电路解调、锁相环解调和数字信号处理器(DSP)软件解调的识别方式,给出相应理论依据和实验数据,最后分析各种解码方式的优缺点.     

语音信号端点检测方法与展望

对语音信号端点检测的主要方法，如基于短时能量的方法、基于HMM的方法、基于自相关相似距离的方法等进行了深入研究。分析了这些方法的原理、优点与不足，并进行了比较。针对各种检测方法在应用中，尤其是应用于噪声环境中的局限性，指出了语音信号端点检测领域进一步研究的方向。     

Micro-emboli detection: an ultrasound Doppler signal processing viewpoint

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.