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。     

S波段雷达实测海杂波混沌分形特性分析

S波段海杂波信号表现了非线性和频谱时变性,传统的谱分析方法,无法反映该信号在时间上的演化规律。该文首先引入分形布朗运动模型,基于S波段雷达实测海杂波数据,计算了该分形模型的海杂波Hurst指数,进而求得了其分形维数。然后利用经典的Rosenstein方法,计算了S波段实测海杂波的最大Lyapunov指数,从而证实了S波段雷达海洋回波信号具有混沌分形特性。最后进行了计算机实验,验证了本文的结论。该文的工作为S波段海洋雷达的目标探测提供了一种新的途径。     

基于频域多尺度Hurst指数的海杂波中目标检测方法

本文主要研究海杂波频谱的扩展自相似特性及多尺度Hurst指数在海杂波目标检测中的应用.作为分数布朗运动的一种推广,扩展自相似过程采用多尺度Hurst指数来描述分形信号.多尺度Hurst指数可以描述分形信号在各尺度下的细节信息,弥补了单一Hurst指数只能从整体上描述分形信号粗糙度的不足.首先,本文在实测雷达数据基础上研究了海杂波频谱的扩展自相似性以及影响参数;然后,利用在最优频域尺度下海杂波频谱的多尺度Hurst指数对目标相对较敏感的特点设计恒虚警检测方法,实现海杂波中的目标检测.实测数据分析表明,海杂波频谱的多尺度Hurst指数比时域单一Hurst指数、时域多尺度Hurst指数具有更好的海杂波与目标区分能力,且由于Fourier变换可以有效提升信杂比,该检测方法具有检测海杂波中微弱运动目标的潜力.     

海杂波的多重分形关联特性与微弱目标检测

该文研究了海杂波的多重分形关联特性及其在海杂波微弱目标检测中的应用。多重分形关联是对多重分形单点统计的推广,研究具有不同奇异性强度的两点之间的空间关联特性。该文首先从多重分形理论引出多重分形关联理论,给出了多重分形关联谱的计算方法,然后,以多重分形关联谱为特征进行相似度分析,并把目标检测问题归为一个二元分类问题,采用支持向量机(SVM)进行目标检测。最后,采用不同波段、不同极化方式和不同分辨率条件下的实测海杂波进行验证,结果表明,本文所提方法具有良好的微弱目标检测能力。     

海杂波FRFT谱的多重分形特性与目标检测

本文主要研究海杂波在分数阶傅里叶变换（FRFT）域所表现出的多重分形特性及其在海杂波目标检测中的应用。由FRFT数学定义的尺度性质可推得,自相似过程在某一变换阶数下的FRFT谱在各尺度下不具有统一的自相似特性。针对这一特性,本文将多重分形理论引入到对海杂波FRFT谱的自相似结构分析中并研究FRFT域多重分形参数的影响因素,经S波段和C波段雷达实测数据验证表明,海杂波FRFT谱具有多重分形特性且FRFT域广义Hurst指数对海杂波和目标具有良好的区分能力。在此基础上,本文利用FRFT域广义Hurst指数与双参数恒虚警检测器相结合设计海杂波中目标检测方法并分析检测性能,结果表明本文所提方法相比于经典的时域分形检测方法具有较明显地性能提升。      

基于LGF的海杂波中微弱目标检测方法

该文主要研究了海杂波的模糊分形特性以及模糊分形理论在海杂波微弱目标检测中的应用。模糊分形理论是在融合了模糊理论与分形理论的基础上提出来的,其两个重要概念是局部模糊分形维数与局部分形度。海杂波序列的分形程度可以构造为一种模糊属性,即模糊集,其具有良好的模糊理论中定义的 “度”的概念,且对海杂波与目标具有良好的区分能力。局部模糊分形维数与局部分形度是针对短时海杂波序列进行处理的,对长时间海杂波序列进行处理可以滑动处理单元实现。经X波段实测海杂波数据验证,该文所提方法具有良好的微弱目标检测能力。      

基于多普勒谱非广延熵的海面目标检测方法

根据海杂波和目标多普勒谱的聚集性差异,可以用熵特征来检测海杂波背景下的小目标,然而常用的香农熵仅仅是统计学角度的宏观量值,并不能反映出海杂波的非线性特性。非广延熵是香农熵的推广,可以描述海杂波已被证实的多重分形特性。该文首先给出了非广延熵与分形维数的关系,然后结合有目标单元回波的多普勒谱较纯杂波单元回波的多普勒谱聚集性更强以及海杂波回波具有多重分形特性的特点,提出了基于多普勒谱非广延熵的海杂波背景下的小目标检测方法,最后通过实测数据进行实验比较,验证了该文算法的有效性,在观测时间较短的情况下,与现有的多重分形频域Hurst指数方法和基于香农熵的方法相比,该文算法具有更好的检测性能。      

海杂波的分数布朗运动模型及其应用

海杂波常常严重地限制了雷达目标检测能力。通常是采用统计方法研究海杂波的特性，随着新理论、新技术的出现，不断尝试更好的方法研究海杂波。基于分形理论，利用实测的小擦地角海面雷达回波数据，比较了海杂波和分数布朗运动（FBM）的性质，得出海杂波与分数布朗运动有相似的增量统计特性。在此基础上，利用基于FBM模型的分维数提取方法对两组海杂波含目标信号进行处理，与利用脉冲回波相干处理以及变换法的分形处理方法相比，具有较好的效果。     

PD雷达导引头海杂波谱的建模与仿真

海上战场环境对于反舰导弹工作性能有着决定性的影响。文中结合反舰导弹不同的作战背景,采用距离环海面散射单元划分方法和结合实测数据修正后的海面散射系数等模型,对工作在脉冲多普勒体制下的雷达导引头海杂波进行了建模;仿真实现了主瓣杂波、副瓣杂波和高度线杂波频谱;仿真分析了海杂波的时域分布特性,以及不同的海况、极化方式、波段对海杂波频谱的影响,仿真结果与理论值相符,海杂波模型可用于海杂波环境下的目标检测等领域。     

L波段小擦地角海杂波幅度统计特性研究

为了研究L波段小擦地角海杂波幅度统计特性及其在不同海洋参数条件下的差异,该文结合海杂波实测数据,选取适当的拟合优度检验准则,对比分析给出了不同波高和风向条件下Rayleigh, Weibull, Log-normal, K分布等经典统计分布模型,以及典型参数条件下Pareto分布在L波段小擦地角海杂波建模中的拟合效果,可为雷达目标检测中杂波模型的选择提供参考,提高海洋环境背景下目标检测的适应能力。     

某雷达杂波数据分析及杂波图技术研究

强地物、海浪杂波严重影响目标检测概率。频域杂波抑制手段是雷达信号处理常用的杂波抑制方法。但是,杂波的时空分布特性复杂多变,所以对杂波的幅度、频谱等特性的研究有助于选择合适的杂波抑制方案。结合某雷达实际工程采集数据分析了地杂波和海杂波的时域和频域分布特性,提出了一种基于雷达杂波环境特性自适应选择遗忘因子的杂波图方法,具体分析了该杂波图检测概率。实测数据实验结果证明了该方法的正确性和有效性。     

DFA在海杂波标度特性分析及目标检测中的应用

采用消除趋势波动分析(DFA)方法,研究了非平稳海杂波的标度特性及其参数表征问题,并提出了一种基于标度特性差异的目标检测算法。首先,在海杂波建模为分数布朗运动模型的基础上,对比分析了DFA和波动分析(FA)得出的标度特性,并初步解释了交叉标度现象出现的机理。然后,在假定相邻尺度范围内海杂波与理想分形模型相吻合的前提下,引入分段标度指数来表征海杂波标度特性随尺度的变化关系,分析结果表明,在特定的尺度范围内该参数可以有效区分目标单元与海杂波单元。为此,以该尺度范围内的分段标度指数均值为检验统计量设计了一种新的目标检测算法,并对尺度区间范围的选取、检测性能等问题进行了分析。实测数据中的检测性能证实了检测算法的有效性。      

基于分形特性改进的EMD目标检测算法

为克服原有检测算法在目标和海杂波混叠时检测性能下降的问题,该文提出一种基于分形特性改进的经验模态分解(EMD)目标检测算法。该算法对原始信号经经验模态分解后得到的固有模态函数进行数据重构,再采用快速傅里叶变换获得去噪后的海杂波单元和目标单元的频谱,计算两者的单一Hurst指数,并将其输入非参量检测器中进行目标检测。研究表明,虽然目标和海杂波在频谱中难以区分,但两者在无标度区间内的单一Hurst指数存在差异,因此所提检测算法相比于原有频域检测算法性能更优。     

基于局部Hilbert边际谱隶属度的微弱目标检测算法

文章采用Hilbert-Huang变换处理海杂波数据,获得海杂波的Hilbert边际谱,并分析了海杂波的Hilbert边际谱特点及其目标的影响。分析发现:无目标时,海杂波信号的Hilbert边际谱的谱宽较宽,低频成份较弱;而当目标出现时,其谱宽明显变窄,低频成份明显增强。为了描述目标对海杂波Hilbert边际谱的这种影响,将隶属度引入Hilbert边际谱,并采用目标出现频率处的海杂波局部Hilbert边际谱计算隶属度,通过分析发现,目标出现时,该隶属度明显减小,在此基础上,提出了基于局部Hilbert边际谱隶的微弱目标检测算法。仿真结果表明,对于实测和仿真目标数据,该算法都具备较好的检测性能,其检测性能明显优于基于盒维数的微弱目标检测算法、频域检测方法和多脉冲CA-CFAR检测算法的检测性能,对海杂波中的慢起伏目标具备较强的检测能力。      

基于四极化通道融合的海面漂浮微弱目标特征检测

海杂波背景下的微弱漂浮目标检测是雷达目标检测的热点和难点问题。由于海杂波背景下的微弱漂浮目标的回波能量低和多普勒频率通常位于主杂波区,传统的自适应类相参积累检测方法无法有效检测该类目标。基于特征类的目标检测方法是解决海面漂浮目标检测问题的有效途径。本文首先分别提取四个极化通道的三种时域和频域特征（相对平均振幅、相对多普勒峰高和向量熵）,然后在极化通道维度上进行融合,获得四极化通道融合特征。最后,在三维特征空间中使用快速凸包学习算法来确定海杂波的判决区域,从而完成检测。实测海杂波数据实验验证了新方法的有效性,并表明其具有优良的检测性能。      

基于Hilbert谱脊线盒维数的微弱目标检测算法

 在目标检测领域,分形理论中的盒维数常被用来检测海杂波中的微弱目标,但直接采用盒维数检测目标却得不到的较好检测性能.为提高采用盒维数检测目标方法的检测性能,文章在Hilbert-Huang变换域分析了实测海杂波数据的Hilbert谱脊线盒维数特性以及目标的影响,提出了采用Hilbert谱脊线盒维数检测目标的方法.仿真结果表明,目标出现时海杂波的Hilbert谱脊线盒维数明显减小,采用Hilbert谱脊线盒维数检测海杂波中的微弱目标能够获得较好的检测性能,其性能要优于直接采用盒维数的目标检测方法和多脉冲单元平均恒虚警检测方法的检测性能.