一种基于能量选择的改进TQWT海杂波抑制算法

针对雷达对海探测中海杂波抑制问题,研究了基于能量选择的改进可调Q小波变换(TQWT)海杂波抑制算法。根据目标和海杂波振荡属性差异,通过TQWT将回波信号分解到不同子带的小波系数中,并利用基追踪去噪(BPD)对小波系数稀疏优化后进行目标重构。为更好的重构目标信号,文中基于子带能量最优分布准则,提出了能量选择法,提取目标能量占优层级的小波系数进行重构,实现目标与海杂波的有效分离。论文分析了雷达观测时间对算法性能的影响,为该方法的工程应用提供指导。通过在CSIR公开数据集上进行实验,结果验证了该算法的性能,改善了输出信杂比。     

一种基于小波包变换的海面慢速小目标检测方法

研究了一种基于小波包变换的海杂波背景下的慢速小目标检测方法,并利用在实测海杂波数据中叠加慢速目标信号的方法对该检测方法进行了计算机仿真。仿真结果表明,与常规的动目标检测（MTD）方法相比,该方法能够以较高的检测能力对湮没在海杂波背景中的弱小目标信号进行检测。     

基于IMF方差特性差异的目标检测技术

为提高海杂波中慢速目标的检测性能,该文提出了一种基于IMF方差特性差异的目标检测技术。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分段数据重构,计算前端IMF分量与后端IMF分量的方差比,并将其输入非参量检测器中进行目标检测。研究表明,相比于海杂波单元,目标单元有更小的前后端IMF分量方差比,适用于慢速目标的检测。     

基于WPT-FRFT的微弱动目标检测及性能分析

针对杂波背景的微弱动目标检测问题,提出了一种应用小波包变换的分数阶Fourier域动目标检测算法。算法采用最小Shannon熵标准确定最优小波树,利用阈值删除技术,对杂波背景的参数精确估计,从而对不同频段信号进行滤波。建立了FRFT域的动目标检测模型,采用似然比准则设计检测器,抑制杂波后的信号在FRFT域形成检测统计量,门限比较后判断信号的有无。仿真得出了在高斯杂波和实测海杂波背景下的检测性能曲线,性能接近匹配滤波器,结果表明算法能够在低信杂比环境下有效检测出动目标信号。     

海杂波背景下基于FRFT的多运动目标检测快速算法

针对海杂波背景中多运动目标检测问题,建立了目标检测和参数估计模型,结合小波包变换（WPT）的多尺度分辨能力和分数阶Fourier变换（FRFT）对线性调频（LFM）信号良好的能量聚集性的特点,提出了一种应用小波包变换的FRFT域动目标检测算法。算法采用“最小Shannon熵”标准确定最优小波树,利用阈值删除技术,对不同频段信号进行滤波,达到抑制海杂波的目的;经分数阶Fourier变换后,取峰值的绝对值作为检测统计量,与门限进行比较后判断目标的有无。采用分级迭代运算的方法估计目标参数,大大提高了运算速度,降低了运算量;借鉴“CLEAN”思想,有效地解决了强目标对弱目标的遮蔽影响。经X波段实测海杂波数据验证,算法具有良好的检测海杂波中微弱动目标的能力。      

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ES-ELM和FRFT的高频地波雷达多目标自适应检测

高频地波雷达（high frequency surface wave radar,HFSWR）对于海事监测具有重要的军用及民用意义,然而在HFSWR回波信号中,待检测的目标常常淹没在海杂波和各种背景噪声中.因此,如何有效抑制杂波并实现多目标的自适应检测是HFSWR实现海事检测的关键和难点.该文提出了一种结合误差自校正极限学习机（error self-adjustment extreme learning machine,ES-ELM）和分数阶傅里叶变换（fractional Fourier transform,FRFT）的多目标自适应检测算法.算法根据相空间重构理论获得ELM的最佳状态空间,利用ES-ELM建立海杂波预测模型并对海杂波进行有效抑制;再在分数域根据目标信号的峰值集聚特征,利用Haar-like算子提取目标点的形态特征,并通过ES-ELM神经网络对目标进行自动辨识.实验结果表明,该文提出的算法具有良好的海杂波抑制能力,并可以实现海杂波背景下多运动目标的自适应高精度检测.     

小波变换在生命信号提取中的应用

主要研究在墙等固定物体强杂波背景下,对人体心跳、呼吸所产生的多普勒频移信号的检测和提取,由于生命信号是一种微弱的低速目标信号,回波信号将会湮没在杂波噪声中.基于以上考虑,提出利用小波变换的多分辨率特性,选择合适的小波基,采用Mallat算法,主要完成在噪声背景下对生命信号的提取、抑制杂波、提高信噪比3个方面的研究,通过对目标信号的分解、通道提取以及目标信号重构,能更加精确、有效地提取目标信号,实时性和应用性更强.     

基于集成经验模态分解的海杂波去噪

针对实际海杂波信号非线性非平稳的特点,提出基于集成经验模态分解(EEMD)的海杂波去噪方法.利用EEMD将含有目标信号的海杂波数据分解成一系列从高频到低频的固有模态函数(IMF),通过各个IMF的自相关,分选出有用信号和噪声分量,对噪声占主导作用的IMF选用Savitzky Golay(SG)滤波方法进行消噪,将滤波后的模态分量和剩余的分量进行重构得到削噪后的信号.结合最小二乘支持向量机(LSSVM)建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,比较去噪前和去噪后的均方根误差,利用均方根误差评价去噪效果.实验结果表明,EEMD算法对海杂波数据去噪是有效的,去噪后所得的均方根误差0.0028比去噪前所得的均方根误差0.0119降低了一个数量级.     

基于形态小波变换的红外图像目标检测方法

文中提出了一种基于形态小波变换的海空背景下受强杂波、噪声污染的红外图像目标 检测算法。算法利用了小波变换的多分辨率、多尺度特性,将要检测的图像分解到不同频率的多个尺度上,再采用形态学的背景估计和形态滤波技术,对分解后的子图像进行处理、小波重构。仿真实验表明,该算法可较强的抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰,可检测出信杂比(SCR) 为2 的目标,适用于舰载红外警戒系统。     

一种舰载毫米波雷达海杂波背景下的慢速小目标检测算法研究

掠海飞行慢速小目标的检测一直是雷达信号处理领域研究的热点问题。分析了海杂波数据的统计特性,利用天线扫描间海杂波非相关特性,采取单次扫描脉冲间非相参积累,结合天线扫描间积累和杂波图迭代平滑处理技术,抑制海杂波,积累目标能量,改善检测性能。仿真结果表明利用本方法毫米波雷达能有效检测海杂波环境下的慢速小目标。     

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.     

天波雷达电离层污染校正与海杂波抑制

在天波超视距雷达（OTHR）中,舰船目标的多普勒频率与海杂波谱接近,电离层污染会导致海杂波频谱展宽,从而淹没邻近的舰船目标信号。考虑到电离层污染会导致OTHR回波信号的相位缓慢变化,提出了采用相位梯度法对回波信号进行电离层污染校正;利用污染校正后的海杂波可以近似为两个单频信号之和这一特点,提出了应用奇异值分解来实现对海杂波的抑制。仿真结果表明,文中算法可以有效地校正电离层污染,抑制海杂波,显著提高信杂比,从而有效解决强海杂波对舰船目标的遮蔽问题。与现有的HRR—SVD算法相比,文中算法可以适用于相干积累时间较长和电离层污染较大的情况,防止残留的海杂波形成虚警,提高了OTHR对海杂波附近舰船目标的检测能力。     

基于冗余小波变换的高频地波雷达目标检测算法

为了从高频地波雷达(High Frequency Surface Wave Radar, HFSWR)信号生成的复杂距离多普勒(Range Doppler, RD)图像中准确提取运动点目标, 提出了一种基于冗余小波变换(Redundant Discrete Wavelet Transformation, RDWT)的RD图像点目标检测算法.该算法根据点目标与海杂波、电离层杂波等特征的差异, 首先在距离方向进行自适应RDWT以去除海杂波和地杂波, 并在多普勒方向进行自适应RDWT以去除电离层杂波; 然后利用图像形态学运算对背景噪声进行了抑制; 最后进行阈值自适应分割以得到点目标.实验结果表明:该算法能有效抑制RD图像中的海杂波、电离层杂波和背景噪声, 能从复杂的RD图像中实现点目标的有效检测, 其检测性能优于改进的恒虚警率(Constant False Alarm Rate, CFAR)算法.     

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。     

强杂波中红外弱点目标检测新算法

为解决强杂波中红外弱点目标的检测问题,提出了基于小波变换模极值及其位相值的双特征检测算法。通过去掉相邻奇异点形成的模析值链及位相链,消除云层、海浪及水天线等强要波背景,提高了单帧点目标的检测能力,模拟实验表明,算法特别适用于帧率的红外警戒系统,可检测信杂比为２的点目标。     

机载SAR 对地面慢速运动目标的DPCA-CFAR 联合检测方法

在机载合成孔径雷达(SAR)动目标检测中,由于地面慢速运动目标速度较小,因此很容易被地面强主瓣杂波淹没而检测不到。文中针对地面慢速运动目标的运动特点,提出基于分数阶傅里叶变换(Frft)的DPCA鄄CFAR 联合检测的方法,在采用天线相位中心偏置(DPCA)技术进行杂波抑制的基础上进行恒虚警(CFAR)处理,从而检测到运动目标,并且根据DPCA 对消后的信号幅度和CFAR 检测门限推导了最小可检测速度,说明了提出的算法对慢速运动目标的检测性能,并进一步采用Frft 方法估计出目标速度,最后通过仿真对算法的有效性进行了验证。