基于时频域深度网络的海面小目标特征检测

为了提升海杂波背景下小目标探测性能,本文提出一种基于时频域深度网络的特征检测方法。首先,将观测向量转换为归一化时频图（Normalized Time-Frequency Graph, NTFG）,实现海杂波抑制。在时频域,建立海杂波、含正多普勒偏移目标回波、含负多普勒偏移目标回波的三分类问题,精细化目标落在主杂波带内外的不同特性。其次,引入Inception-ResNet V2深度网络作为特征提取器,自主学习不同类别在NTFG上的深层差异性,并将差异性浓缩为一个2D特征向量。然后,在2D特征空间中,设计具有引导的三次样条曲线,获得虚警可控的判决区域,实现异常检测。最后,IPIX实测数据验证了所提算法的性能优势,能深入挖掘时频域的特性。     

快速机扫对系统角度偏差影响分析

机扫雷达在波束扫描过程中,由于天线转动引入额外的系统角度偏差导致测角精度的下降,尤其在快速机扫时引入的系统角度偏差甚至超过测角标准差。文中基于常见的单脉冲测角,从机理上推导了机扫天线转速对系统角度偏差的影响,并提出了一种系统角度偏差补偿方法,计算机仿真结果验证了文中推导和系统角度偏差补偿方法的有效性。     

基于多维矩特征联合的K分布杂波参数估计

K分布杂波参数估计在海洋雷达自适应目标检测中起着关键作用。传统的矩估计器通过联立两个矩求解参数,其估计性能受限于有限矩的信息。因此,本文提出一种基于多维矩特征联合的参数估计方法,旨在拓展矩信息的维度。首先,从观测数据中,提取多个精心设计的线性矩和对数矩,构建一个特征向量。其次,将传统基于统计分布的参数估计问题转换为非线性优化问题。然后,通过引入梯度提升决策树（Gradient Boosting Decision Tree, GBDT）算法,建立特征向量和形状参数之间的函数关系,实现形状参数的估计。此外,推导证明特征向量与尺度参数的独立性以及二阶矩只依赖于尺度参数,从而解决两个参数估计的相关性问题。最后,仿真和实测数据结果表明,所提估计器能利用多个矩的丰富信息,进一步提高参数估计性能。特别是在小形状参数时,其估计性能显著优于现有矩估计法和zrlog(z)期望法。     

基于虚警可控梯度提升树的海面小目标检测

高维特征检测是提升海面小目标探测性能的一种有效途径,其主要难点在于高维空间分类器设计.本文提出一种基于虚警可控梯度提升树(Gradient Boosting Decision Tree,GBDT)的特征检测方法.首先,从一维长时观测向量中,提取时域、频域、时频域等多个特征,构建高维特征向量,从而将检测问题转换为二分类问题.其次,通过仿真含目标回波,解决两类训练样本非均衡的问题.然后,引入GBDT算法,将高维特征向量凝聚为一维概率预测值,并以预测值作为检测统计量,解决二分类器难以控制虚警的问题.最后,采用IPIX实测数据验证,结果表明:本文所提的检测器充分利用了高维特征的全部信息,性能平均提升13％以上.     

基于多域多维特征融合的海面小目标检测

多维特征检测技术是提高海面小目标检测的有效途径。为了进一步提升海面小目标检测性能,本文提出基于多域多维特征融合的检测方法。首先,从时域、频域、时频域、极化域等多域,充分挖掘海杂波和含目标回波的差异性,并将这些差异性表征为多维特征,构建高维特征空间。其次,通过极化域和特征域的多维特征线性融合,将多维特征压缩到3D特征空间中,获得高维度信息的同时减少维度计算代价。然后,结合凸包学习算法获得3D判决区域,实现异常检测。最后,基于IPIX实测数据的实验结果表明:相对现有的极化检测器,提出的检测器具有25%以上的显著性能提升。      

分布式机场异物检测雷达处理算法研究

微弱目标检测是机场异物监测系统面临的关键问题。小尺寸异物回波弱、信杂比低,传统异物检测雷达对其探测能力有限。本文从实测数据出发对机场环境地杂波展开分析,并由此提出杂波空间去相关约束条件。在此基础上,本文提出分布式机场异物检测雷达的设想,其核心是利用目标与道面杂波不同的空间相关特性,通过多站回波相参积累提高微弱目标信杂比,并由此改善机场异物检测雷达的探测能力。考虑到非理想正交信号带来的性能恶化问题以及结合机场跑道异物的目标特性,本文针对机场特定环境提出“乒乓”相参模型。相参参数估计问题是分布式体制的共性问题之一,本文针对传统峰值法在低信杂比条件下估计精度差的问题提出引导信息预估计方法,并且在“乒乓”相参模型中定量分析了时延参数估计误差与相位参数估计误差引起信杂比增益损失的边界条件。最后,本文基于实测杂波数据开展仿真实验,仿真结果表明,本文所提及的分布式机场异物检测信号处理方法可以有效提高弱型异物的信杂比。     

广义Pareto分布海杂波模型参数的组合双分位点估计方法

广义Pareto分布的复合高斯模型可以很好地描述高分辨低擦地角对海探测场景中海杂波的重拖尾特性,实现该杂波模型下双参数的有效估计对雷达检测性能具有重要意义。对此,该文提出一种双参数的组合双分位点(CBiP)估计方法。该估计方法基于低阶多项式方程的显式求根表达式,充分组合利用回波中的样本信息,旨在实现高精度的双参数估计过程。此外,考虑到实际雷达工作中存在岛礁、渔船等造成的功率异常大的野点样本时,不同于传统的矩估计、最大似然(ML)估计等方法,组合双分位点估计方法仍可保持估计性能的鲁棒性。仿真及实测数据实验表明,在纯杂波环境中,组合双分位点估计方法可以实现与最大似然估计方法近似的估计精度,若存在异常样本,组合双分位点估计方法的估计性能优于上述几种传统估计方法。     

基于复合高斯杂波纹理结构的相干检测

传统的自适应检测器大多是在独立同分布纹理的前提下推导出的。然而,实测海杂波数据中各个距离单元的纹理具有相关性。该文将这一纹理相关性的信息加入到似然比检测中,提出一种基于纹理结构的相干检测器。基于涌浪调制在距离上产生纹理相关性的先验知识,确定与待检测单元纹理相关的距离单元数目,据此可以提供待测单元的纹理信息。实测数据实验表明,该检测器相对于逆伽马纹理复合高斯杂波下最优检测器具有一定的性能提升。     

基于频域相对样本熵的海面小目标特征检测

海面小目标是海洋雷达探测的重难点对象.针对传统检测器检测概率低的问题,本文提出一种基于相对样本熵的特征检测器(Feature Detector via Relative Sample Entropy,FD-RSE).首先,定义白化频谱,实现对主杂波带的抑制,从而增大了海杂波序列的不规则性.其次,通过引入样本熵描述序列的复杂度,提取白化频谱的相对样本熵,并将之作为特征.在检测时,该特征能够充分利用海杂波和含目标回波在频谱上的几何差异性.最后,IPIX实测数据验证表明:与传统检测器相比,FD-RSE检测器能有效改善检测性能.     

基于双重虚警控制XGBoost的海面小目标检测

为了提升雷达对海面小目标的探测能力，本文提出一种基于双重虚警控制的极限梯度提升（eXtreme Gradient Boosting, XGBoost）的目标检测方法，解决高维特征空间中分类器设计难的问题。首先，从时域、频域、时频域中挖掘了海杂波和含目标回波的精细化差异，并将这些差异凝聚为7个特性，进而构建高维特征空间。然后，发展了一种双重虚警控制的两分类器。在第一重中，重新定义XGBoost的损失函数，通过迭代调整两类错误率的惩罚因子，实现结构层面上的粗虚警控制。在第二重中，将分类概率作为统计量，实现参数层面上的精虚警控制。最后，经实测数据验证，所提出的检测器能精准控制虚警且具备稳健的探测能力。