基于高分辨谱估计的舰船目标检测方法研究

针对舰船目标速度较慢,在短相干积累时间条件下传统的傅里叶变换获得的目标回波的多普勒谱分辨率较低、目标会被海杂波淹没的问题,提出一种将高分辨谱估计方法与循环对消算法相结合的舰船目标检测算法,该算法有较高的频域分辨率,能在短相干积累时间条件下将海杂波对消掉,从而实现对舰船目标的检测。     

OTHR短CIT条件下自适应舰船目标检测方案

针对在短相干积累时间（CIT）条件下,天波超视距雷达（OTHR）的多普勒频率分辨力和相干积累处理增益降低,导致对低可探测大中型舰船目标检测性能下降的问题,提出一种综合自适应海杂波抑制、重构并检测舰船目标信号的PHM方案。该方案首先利用峰值信噪比（PSNR）-高阶奇异值分解（HOSVD）算法进行自适应海杂波抑制,使信号稀疏化并减少后续检测环节中的虚警;然后利用改进的正交匹配追踪（MOMP）算法进行重构和检测舰船目标信号,改善对目标的检测性能,并提升检测结果中舰船目标的多普勒频率准确度。仿真分析和实测数据处理结果验证了PHM方案的有效性。      

基于扩展Prony算法的海杂波循环对消法

在分析海杂波产生机理的基础上,提出了一种基于扩展Prony算法的海杂波循环对消法,在传统的海杂波循环对消法中用扩展Prony方法对频率进行估计,从而提高对正弦信号的频率、幅度、相位的估算精度。在相同数据点数、信噪比的条件下,运用2种对消法对短相干积累条件下的海面背景舰船目标检测情况进行仿真分析。仿真实验验证了基于扩展Prony算法的海杂波循环对消法检测舰船目标的有效性,提高了短相干积累条件下的海面背景下的舰船目标检测性能。     

短相干积累条件下天波超视距雷达的舰船检测

天波超视距雷达(OTHR)的观测范围非常广,实战中经常要求在短相干积累条件下检测出舰船目标。然而短相干积累时间带来的低多普勒分辨率很难从强大的海杂波中区分出舰船。为了解决这一问题。可以采用海杂波循环对消法,这就要求对杂波参数进行精确估计。传统方法直接利用Fourier谱中的最大幅度估计杂波参数,估计精度不高从而导致对消性能不太理想。该文提出了一种新的基于FFT相位分析的杂波对消法。该方法与传统的杂波对消相比,有效提高了参数估计精度,减小了剩余杂波强度和扩散程度,有利于舰船目标的峰值显露和从剩余杂波中区分出舰船。以上分析和比较得到了实测数据的检验。     

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。     

一种改进的天波雷达海杂波循环对消算法

在天波超视距雷达中,舰船等慢速目标的频谱通常靠近强大的海杂波谱,检测难度大,在短相干积累条件下,回波频谱的多普勒分辨率降低,进一步增加了目标检测难度。目前的海杂波抑制方法主要是循环对消法,但是传统的循环对消方法仅通过傅里叶变换后最大谱线来估计频率,频率估计精度不高,杂波残留严重,而且容易将目标信号也对消掉。针对该问题,提出了一种改进的循环对消算法,该算法中,首先给出了短相干积累下海杂波频率的高精度估计算法,利用最大的3根谱线进行插值来对粗估计得到的频率进行校正,从而精确估计海杂波频率,在此基础上估计时域的海杂波信号;为了避免将目标信号也对消掉,进一步给出了海杂波的频率界限,只在杂波界限内进行海杂波循环对消;与传统算法相比,所提算法能够对海杂波参数进行高精度估计,从而减少了对消过程中剩余杂波的能量,有利于舰船目标的峰值显露,而且杂波频率界限的使用能够避免将目标信号对消掉,提高了目标的检测效能。仿真和实测数据处理结果均表明,与传统循环对消法相比,所提算法能用更少的对消次数凸显出舰船目标,而且残留杂波能量更低。     

基于高阶奇异值分解的天波雷达海杂波抑制算法

天波超视距雷达的监测范围非常广,实际中经常要求其在短相干积累时间(Coherent Integration Time,CIT)条件下检测舰船目标,然而短CIT导致多普勒分辨率降低,很难从强大海杂波中检测出舰船目标.针对上述问题,提出了基于高阶奇异值分解(Higher-Order Singular Value Decomposition,HOSVD)子空间估计的海杂波抑制算法.利用舰船目标所在距离单元的回波数据建立Hankel张量,然后采用HOSVD求解Hankel张量的海杂波子空间和目标子空间,应用正交投影方法将Hankel张量映射到目标子空间以抑制海杂波.仿真结果表明:该方法与现有子空间类海杂波抑制方法相比,提高了主旁瓣比和信干噪比.     

基于回声状态网络的OTHR海杂波抑制方法

在短相干积累时间(CIT)情况下,天波超视距雷达(OTHR)中低速目标检测很困难:低速目标靠近强大的海杂波频谱;短CIT导致多普勒分辨率低,使目标信号与海杂波更难区分。传统方法一般利用海杂波与目标信号的时频特征不同来抑制海杂波,目标速度较高时这些方法很有效,然而在短CIT、低速目标情况下目标与海杂波信号的时频特征的区分度很小,使得传统方法难以有效抑制海杂波。针对上述问题,考虑到海杂波与目标信号具有不同的动力学特征,提出一种基于回声状态网络的天波雷达海杂波抑制方法。该方法首先用海杂波参考信号训练回声状态网络,使该神经网络"记住"海杂波的混沌动态特征;然后用前述训练好的网络重构和预测天波雷达回波中...     

海杂波背景下的非相干积累目标检测

海杂波具有强的时间和空间相关性,在海杂波的去相关时间内,海杂波是相关的。本文根据海杂波的时间相关性特点,提出了对雷达回波进行非相干积累的目标检测方法。由于海杂波是相关的,目标回波是不相关的,对雷达回波进行非相干积累,可以在保证目标回波能量不变的情况下,削弱海杂波的能量,从而提高目标检测性能。实验结果表明,海杂波背景下的非相干积累目标检测方法是可行的。     

基于相参处理的机载雷达舰船检测方法

机载雷达舰船目标检测主要在海杂波背景下进行,受海杂波影响大,常规非相参积累检测没有充分利用目标和海杂波的特性差异,检测性能有待提升。文中对机载雷达杂波特性、目标特性进行了理论分析建模,提出了基于相参处理的舰船目标检测架构,该方法综合干扰抑制、相参积累、杂噪识别和分区检测进行相参处理,在距离、多普勒平面有效识别海杂波和噪声区域的基础上实现匹配检测。最后基于实测数据进行了分析验证,显示了很高的工程应用价值。     

基于Toeplitz矩阵特征值分解的SAR图像舰船目标检测方法

合成孔径雷达（SAR）图像舰船目标检测一直是海洋监测领域的重要手段。经典的恒虚警率（CFAR）检测依赖于分布模型及多参数的准确估计,难以适应复杂多变的海面背景。新兴的信息几何舰船检测方法挖掘了目标与杂波的统计差异,实现舰船的显著性表示,但依然受限于背景杂波的精确建模。考虑到现有方法的局限性,本文提出了一种基于Toeplitz矩阵特征值分解的SAR图像舰船目标检测算法。在无需寻求背景杂波分布模型的前提下,通过构建Toeplitz矩阵,以其特征值均值为检验统计量,充分获取目标与背景杂波的差异。在高分三号卫星和TerraSAR-X卫星实测SAR图像上的实验结果证明,相比于现有的多种典型方法,本文方法取得了更优的检测性能与更快的计算速度。      

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。     

基于黎曼流形监督降维的矩阵CFAR增强检测

矩阵CFAR检测是从几何流形角度处理雷达目标检测问题的新技术。为进一步提升其在复杂杂波背景下的检测性能,本文提出一种黎曼流形监督降维的矩阵CFAR增强检测方法。首先,将检测问题视为目标与杂波的分类问题,分别构建黎曼流形上目标单元与杂波单元的类内和类间权重矩阵;其次,为增强目标与杂波的可分性,采用保持类内几何距离最小,类间几何距离最大的准则建立降维目标函数,并基于Grassmann流形求解降维优化问题获得映射矩阵;最后,提出一种矩阵CFAR增强检测方法,实现目标增强检测。采用蒙特卡罗方法对仿真数据和实测海杂波数据进行实验分析,结果表明,所提出的方法能够进一步提升检测性能。      

一种改进的基于峰值信噪比-高阶奇异值分解的天波超视距雷达自适应海杂波抑制算法

天波超视距雷达(OTHR)舰船目标的检测性能受目标区海杂波的影响严重,准确且自适应的海杂波抑制效能对改善低可探测舰船目标的检测性能意义重大。该文针对基于高阶奇异值分解(HOSVD)的海杂波抑制算法非自适应机制的不足,通过引入峰值信噪比(PSNR),提出一种改进的基于PSNR-HOSVD的自适应算法。该算法仅利用第3等效模式展开矩阵的左奇异向量构造一个投影矩阵,相比于HOSVD算法,该文算法可有效降低计算复杂度,同时由于海杂波仅在第3等效模式展开矩阵的列空间中具有聚集特性,因此该文算法具有比HOSVD算法更好的海杂波抑制性能。实测数据处理结果表明,在电离层状态理想和非理想的情况下,该文PSNR-HOSVD自适应算法的性能均优于EVD自适应算法和HOSVD非自适应算法。     

基于CFAR级联的SAR图像舰船目标检测算法

SAR图像舰船目标检测在军事监视和海洋环境监管等方面有着重要的意义。针对SAR图像的特点,提出了一种基于全局CFAR检测与局部CFAR检测级联的舰船目标检测算法。在全局CFAR检测中,通过海杂波特性拟合优选海杂波统计模型,以较高的虚警率筛选潜在的目标点;在局部CFAR检测中,以潜在目标点的连通区域为单位,通过检测窗口的选取、背景像素的确定和海杂波拟合等步骤以后,以较低的虚警率确定目标。最后,通过条件扩张算法和目标像素聚类完善船只细节。实验结果表明,文中算法在保证良好的检测性能的同时,具有检测效率高、舰船细节完整等优点,为舰船目标鉴别和信息提取提供了良好的保障,更加符合实际应用需求。     

融合极化旋转域特征和超像素技术的极化SAR舰船检测

对海监视是极化SAR的重要应用,密集区域的舰船目标检测是当前面临的主要挑战之一。舰船密集区域受多目标串扰,传统的恒虚警率(CFAR)检测滑窗难以选取纯净的海杂波样本用于确定检测门限,将导致检测性能下降。针对这一问题,该文从特征提取和检测器设计两方面出发,提出一种融合极化旋转域特征和超像素技术的极化SAR舰船检测方法。在特征提取方面,雷达目标的后向散射敏感于目标姿态与雷达视线的相对几何关系,由此带来的散射多样性隐含信息可通过极化旋转域分析进行挖掘。该文利用极化相关方向图及导出的一系列极化旋转域特征,根据目标杂波比(TCR)分析,优选TCR最高的3个极化特征量用于构建目标检测器。在此基础上,该文在检测器设计方面提出了一种基于K均值聚类的杂波超像素筛选方法,有效避免了密集区域舰船目标对邻近杂波的影响,基于筛选的杂波像素点得到舰船目标CFAR检测结果。基于Radarsat-2和高分三号星载全极化SAR数据的对比实验表明,所提方法能有效实现密集区域舰船目标检测,检测品质因数达到95%。      

基于锥形尺度变换的弱小舰船目标检测

该文提出一种低信杂噪比下弱小舰船目标的检测方法。该方法对回波的慢时间瞬时自相关函数进行锥形尺度变换(Taper Scale Transform, TST),解除时延和慢时间的耦合。然后将TST后的信号相干积累,达到很好的检测效果。另外,该文分析了交叉项对检测的影响以及尺度因子的选择标准。实测数据的处理结果验证了该方法的有效性。