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.     

基于高尺度分形差量的海杂波背景下小目标检测

为了降低复杂海情对海杂波背景下小目标检测的影响,提高微弱信号检测准确度,文中采用多重分形去势波动分析法分析了海杂波数据在高尺度条件下的分形特性,将分形尺度q 扩展到[-30,30],对多重分形参数H(q)的估计进行了研究,得到了高尺度分形差量驻H(q),分析了尺度q 的选取对驻H(q)的影响,提出了一种基于高尺度分形差量的海杂波中小目标检测方法。实验结果表明:IPIX 海杂波数据的分形特性受到海情和雷达极性的影响,选择高尺度指数q 时,所提方法能够有效地区分动目标与纯海杂波之间的分形差异性,降低海杂波背景下小目标检测对海情的依赖性,相较于单尺度去势波动分析检测方法,大部分海情的检测门限提高了40% 以上,发挥了海杂波数据在高尺度多重分形上的优势。     

基于海杂波混沌特性的微弱目标信号检测

研究了实际采集的海杂波的关联维及最大Lyapunov指数。结果表明,海杂波具有混沌特性。基于复杂非线性系统的相空间重构理论和混沌信号可短期预测的特征,提出了强海杂波中的微弱目标信号检测的神经网络方法,给出了雷达检测的模型。     

基于分形自仿射预测的海杂波中目标检测

分析了基于分形自仿射的海杂波预测方法,研究了海杂波数据预测误差的统计特性.当存在目标时预测误差的方差会显著减小,由此提出了一种基于预测误差检测海杂波中微弱目标的新方法.经IPIX雷达实测数据验证,基于分形自仿射预测误差的目标检测方法提高了微弱目标的检测性能,取得了比基于记忆库预测的检测方法更高的检测性能.     

基于海杂波混沌特性的目标检测

首先介绍海杂波的混沌特性。然后采用IPIX雷达海面回波中的水平极化雷达数据对BP神经网络进行训练 ,结果表明所设计的BP神经网络能够很好的模拟海杂波 ,单步预测误差较小。最后以误差能量作为判别标准设计了一种基于海杂波混沌特性的海面目标检测算法     

海杂波AR谱多重分形特性及微弱目标检测方法

该文研究了海杂波功率谱的多重分形特性。为了克服频谱傅里叶分析的缺点,用现代谱估计的方法来计算海杂波的功率谱。AR模型是一个线性预测模型,它通过序列的自相关函数矩阵来估计功率谱,并且具有更精确的频谱分辨率。该文主要分析基于AR谱估计的海杂波功率谱的多重分形特性,以及在微弱目标检测中的应用。首先,以分数布朗运动(FBM)模型为例,证明其功率谱具有多重分形特性。其次,根据X波段雷达的实测海杂波数据,通过多重去趋势分析法(MF-DFA)验证了海杂波AR谱的多重分形特性。最后,分析了海杂波AR谱的广义Hurst指数以及影响参数,并提出一种基于局部AR谱广义Hurst指数的目标检测方法。实验结果表明,该种检测方法具有海杂波背景下微弱目标检测的能力。与现有的分形检测方法和传统的CFAR检测方法对比,该算法在低信杂比情况下具有较好的检测性能。     

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。     

分形模型在海上雷达目标检测中的应用

在海杂波背景下进行了有效的海上目标检测是相当困难的。本文研究了海上目标雷达问波与海杂波的分维特性，提出了一种基于海面散射分维特性的检测方法。该方法以处处连续而不可导的非平稳不规则信号模型－分数布朗运动作为数学模型，提取出海杂波与目标回波的多种分维参数，并利用其固的差异进行检测。该方法用于仿真的舰船雷达弱目标的回波，取得了较好的检测效果。     

扫描模式海杂波中目标的多重分形检测

主要研究雷达扫描模式下海杂波的局部多重分形特征以及多重分形理论在雷达目标检测中的应用。目前绝大多数研究都是建立在雷达工作在驻留模式基础上的,而当雷达工作在扫描模式时,由于采样点数不足,一般难以运用分形理论来解决目标检测问题。将多重分形理论应用到雷达周期扫描所得回波序列中,解决采样点不足的问题,并运用模糊集理论中模糊决策的方法进行目标检测。最后,采用X波段与S波段海杂波实测数据进行验证并分析其目标检测的性能,实验结果表明文中所提检测方法对海杂波和目标具有良好的分类能力。     

基于EMD的海杂波特性与目标检测

非线性非平稳是海杂波的重要特性之一,希尔伯特-黄变换（HHT）是一种全新的非线性非平稳信号的分析方法。含有目标的雷达信号在希尔伯特-黄变换过程中经过经验模式分解（EMD）后,其趋势分量及部分固有模态函数分量与海杂波的具有明显的区别。利用这种区别,本文提出一种海杂波环境下的目标检测新方法——趋势检测法,通过实测海杂波计算验证,该方法能够明显改善淹没于海杂波中的慢速小目标检测能力。     

基于实测数据的分时全极化雷达海杂波分布研究

首先基于IPIX分时全极化雷达的海杂波实测数据,分析了瑞利分布、韦布尔分布、对数正态分布和K分布对实测数据的拟合效果,发现对数正态分布拟合水平极化接收通道的杂波数据效果较好,K分布拟合垂直极化接收通道的杂波数据效果较好,但是仍然存在海杂波"拖尾"区域拟合不理想的情况.为此,假设海杂波中的布拉格散射体的回波服从K分布,离散海尖峰的回波服从对数正态分布,海杂波整体服从K分布和对数正态分布的叠加混合分布,提出了一种具有闭式表达式的混合分布,以改善海杂波分布"拖尾"部分的拟合效果.实测数据分析表明,本文提出的混合分布对海杂波幅度分布的拟合效果优于对数正态分布和K分布.     

一种海杂波背景下雷达信号检测方法的研究

结合相位编码信号和步进频率信号各自的特点,提出了一种脉内相位编码-脉间步进频率的组合调制低截获概率雷达信号（PCSF）。针对海杂波的统计特性,提出了一种可实现的K分布海杂波模型下的距离扩展目标检测器并进行了仿真分析。研究结果表明,在同一信杂比条件下,提出的脉内二相编码-脉间步进频率组合调制信号较单独的相位编码信号和步进频率信号的目标检测性能有较大的改善。     

一种经验模式分解下的海杂波小目标检测方法

利用海杂波有效探测海上小目标是目前雷达探测领域的热点问题,具有重要的应用价值。鉴于海杂波是一种非线性非平稳性的雷达回波信号,充分发挥整体平均经验模式分解的优势,将海杂波分解为若干个不同尺度的独立分量。通过研究发现有目标时,分解出的前5个分量与未分解前信号的相关系数明显减小,因此提出了一种新的海杂波背景下的目标检测方法。通过实测和模拟的海杂波数据进行训练和测试,研究结果表明,该方法能有效地实现海杂波下目标的探测,性能优于经典时域下、分数阶傅里叶变换域下以及平均经验模式分解后的广义Hurst指数的目标检测方法。     

Weibull海杂波环境中基于Hough变换的目标检测研究

给出了基于Hough变换的信号检测结构，用Weibull分布对加拿大McMaster大学IPIX雷达的某单个距离单元的海杂波幅度数据进行拟合，构造了仿真环境，基于MonteCarlo仿真对基于Hough变换的检测器在非起伏目标和四种Swerling起伏环境下的目标检测性能进行了分析，并得到了有参考价值的结论     

基于分形维与缝隙参数的海杂波目标检测

针对分数布朗运动模型在不同尺度上粗糙度相同的缺陷,提出一种将高阶分形特征作为分形维数补充的目标检测算法。该方法将Hurst指数和缝隙特征相结合,分析比较了海杂波和目标的特性。在此基础上,对IPIX雷达实测数据进行实验分析。结果表明,对海杂波背景下的小目标检测,提出的算法比仅基于分形维数的检测算法性能更优。     

改进的分形检测海面漂浮小目标方法

为了提高海杂波中漂浮小目标的检测概率,提出了一种改进的分形检测海面漂浮小目标方法。首先,利用去趋势波动分析方法计算海杂波的分形维数;其次,利用计算过程中的“副产品”———截距组成二维判决空间;最后,通过聚类分析,检测出海杂波中的漂浮小目标。在实测数据基础上对改进算法进行了验证,结果表明：海杂波和小目标在判决空间存在明显的差异性;与Hurst指数法、神经网络集成预测法等方法比较,改进算法提高了目标检测概率;交叉极化方式( HV、VH)的检测效果优于同极化方式( HH、VV)的检测效果。     

基于空间直方图的海杂波背景下红外目标跟踪

空间直方图融合了目标的灰度分布信息和灰度的空间分布信息,比传统的灰度直方图更具有目标鉴别能力。为实现海杂波背景下稳健跟踪红外目标,本文在基于粒子滤波算法的红外目标跟踪系统框架中,将加权样本集表示红外目标的状态后验概率分布;采用简单的随机漂移模型表示系统状态模型;利用目标区域的空间直方图描述红外目标,其中通过核概率密度估计建立红外目标的灰度分布,然后统计灰度分布的空间信息建立空间直方图;通过空间直方图的相似度定义来建立系统观测概率模型,最终提出一种在海杂波背景下的基于空间直方图的粒子滤波红外目标跟踪算法。实     

基于门控循环神经网络的海杂波幅度预测

海杂波是雷达在海洋表面采集到的海面电磁散射回波.受海洋环境要素（风速、风向、浪高、浪向等）和雷达参数的影响,其幅度随时间具有随机起伏性,海杂波的幅度预测精度的提高有助于增加目标检测准确度.本文结合海杂波非高斯非线性的特点,提出了基于门控循环神经网络的海杂波幅度预测方法.通过对IPIX雷达和P波段雷达海杂波实测数据的预测分析,结果表明,本文方法相对已有传统方法具有更高的预测精度.     

基于分形理论的红外目标检测算法

通过计算红外图像的分形特征参数可以达到区分红外目标和自然背景的效果.计算了基于多尺度分形参数总体表现的新的多尺度D维面积K(即MMK),并提出了将MMK和基于灰度法计算的分形维数DΔr结合使用(即MKD)的目标检测算法.实践证明,在红外图像中,基于分形理论的目标检测算法效果优于以往的基于分形理论的目标检测算法.