海杂波背景下的低空小目标检测

海面上低空小目标通常具有RCS（雷达散射截面）小、速度快的特点,并且容易湮没在海杂波背景中,很难被雷达系统检测到。文中首先分析了海杂波数据的统计特性;然后在此基础上,利用海杂波和目标在相关特性上的差异,提出了一种熵加权非相参积累方法,该方法能够抑制海杂波,并且积累目标能量;为了进一步降低检测门限,采用了TBD（检测前跟踪）技术。某S波段雷达搜索模式下低分辨实测数据的处理结果表明,熵加权非相参积累和TBD方法能够有效降低海杂波背景下低空小目标信号的最小可检测信杂比。     

海杂波背景下目标的联合特征差异检测

针对低信噪比海情下的小目标检测效果不理想的问题,利用消除趋势波动分析法提取海杂波分形参数,分析了海杂波的功率谱及其熵特征,提出了海杂波背景下的联合特征目标检测方法.在雷达回波中提取海杂波的分形参数和功率谱熵特征组成二维向量,利用凸包训练算法获得纯海杂波判别区域,同样对先验知识下的待测海杂波提取这两个特征参量,以此特征参量所对应的点是否在此判别区域内来判别是否存在目标.利用加拿大IPIX雷达数据,证明了所提算法优于用单个特征差异作为统计量的方法,在相同虚警概率下检测效果明显提高,为雷达目标检测提供了新的检测方案.     

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。     

海杂波背景下漂浮小目标检测新算法

针对海杂波背景下漂浮小目标检测问题,提出一种海杂波背景下漂浮小目标检测新算法.利用互补自适应噪声集合经验模式分解-鲁棒性独立主成分分析与Savitzky-Golay滤波算法(EEMDCAN-Robust ICA&SG)联合去噪算法处理海面回波信号,对重构信号用改进蝙蝠算法优化KELM模型做混沌预测.实验结果表明:新算法...     

一种海杂波背景下快速小目标的检测方法

对某型舰载搜索雷达采集的海杂波数据进行了简要的海杂波频谱分析,并对有船只和无船只的海域回波信号频谱作了对比,采用动目标检测（MTD）和频域杂波图恒虚警处理来抗海杂波,并针对频域杂波图恒虚警处理中虚警率增加的问题,提出了频域杂波图恒虚警与单元平均恒虚警级联的改进方案。     

基于海杂波先验知识的雷达目标自适应Rao检测

针对非高斯非均匀海杂波背景下雷达海面目标检测性能改善的问题,该文基于海杂波的先验知识提出了一种自适应Rao雷达目标检测方法。首先将海杂波的纹理分量和散斑协方差矩阵分别建模为逆高斯随机变量和逆复Wishart分布的随机矩阵,然后基于Rao检验和未知参数估计,设计了一种匹配海杂波特性的雷达目标自适应Rao检测方法。通过理论推导和实验验证了所提检测方法对杂波平均功率和协方差均值矩阵具有恒虚警特性。仿真数据和实测数据实验结果表明,在非高斯非均匀环境下所提检测方法优于已有检测方法,并且具有良好的鲁棒性。     

强背景下低速海面雷达目标的一种检测方法

结合文献［１］给出的海杂波仿真数据,基于强散射中心模型及非相参积累技术给出了一种实用的低速海面目标的检测与分离方法,它利用海面低速目标距离像的径向距离关联信息来消除低擦地角情况下海尖峰对目标检测可能引起的虚警。仿真结果验证了它的有效性。     

海杂波背景下的目标检测分析与仿真

本文采用蒙特卡罗方法对于海杂波背景下的雷达信号检测做出了理论分析和仿真模拟,针对不同的海杂波背景环境给出了不同检测概率下的目标信号最小幅度需求以及无偏差判决的基本条件,给出了不同检测门限值下的检测概率和目标信号关系的比较。     

海杂波背景下基于RBF神经网络的目标检测

对海杂波背景下雷达目标检测的最新研究表明,海杂波具有混沌的许多典型特征.本文利用海杂波具有混沌行为这一先验信息,构造了一个神经网络预测器来重构海杂波的内在动力学,并引入一种基于混沌的检测方法对Swerling I型目标和雷达采集的实际海杂波数据进行检测分析,同时讨论了嵌入延迟τ对检测性能的影响.实验结果表明,这种检测方法能有效地实现海杂波背景下的目标检测,并且其检测性能随τ的增大呈下降的趋势.     

海面RCS与雷达海上目标检测

该文结合海面雷达有效反射面积(RCS)的分析,根据某雷达的技术特点,再结合该雷达对海面目标探测工作的实践,探讨一些海面目标的检测方法.     

基于优化ESMD-ICA的海面微弱目标检测

针对强海杂波背景下的海面微弱目标检测问题,提出基于优化ESMD-ICA的检测算法.利用小波模极大值去噪算法对信号预去噪,再采用优化ESMD-ICA去噪算法,最后用优化灰狼算法(GWO)改进的ELM模型对重构的去噪信号做预测.利用IPIX雷达实测数据验证新算法,实验证明:新算法在抑制海杂波前提下,未破坏信号的混沌性质,新...     

海面漂浮小目标的特征联合检测算法

该文研究了高距离分辨海杂波背景下漂浮小目标的检测问题。漂浮目标使得周围海面的散射特性发生了改变,目标所在的分辨单元的回波满足非加性模型,导致该模型中依赖于目标的参数难以统计建模。为了避开参数建模,该文将检测问题转化为二元分类问题,即确定海杂波所属于的类,目标检测就是判别回波是否属于该类。针对此分类问题,提出了基于非加性模型的特征联合检测算法,首先在回波中提取两个特征组成归一化向量,然后利用凸包训练算法获得判别区域,最后以判别区域是否包含该向量作为判别准则。实测的IPIX雷达数据实验结果表明,该文算法在高分辨海杂波下的检测性能优于对比算法,为海事雷达检测小目标提供了新的检测方案。     

基于被动干涉微波亮温图像的海面目标探测算法研究

为利用被动干涉微波技术作为我国天基预警体系的重要补充以实现对海面目标的有效探测,该文提出一种基于被动干涉微波图像的海面目标探测算法。首先,建立了海面背景和海面目标的被动干涉微波图像数学模型;其次,详细地介绍了海面目标的探测算法,并仿真验证了算法的可行性;最后,开展了机载实验。理论分析和实验验证均表明：该探测算法是可行性的,能有效地探测到海面目标,且具有较好的探测性能;海面航行的金属目标在被动干涉微波图像中呈现“一高一低”的特征,可利用该特征提高海面目标探测概率。该探测算法可为天基被动干涉微波技术探测海面目标提供参考。

     

基于图连通密度的海面漂浮小目标检测

海面漂浮小目标由于其能量弱,一直是海面目标检测的重难点。传统基于统计模型的漂浮小目标检测算法借助回波能量进行检测,没有利用数据频域幅度间的关联性,导致检测性能受损。该文借助图的处理方式,首先利用回波数据脉冲间频域幅度的关联性计算连通密度,生成邻接矩阵,接着将邻接矩阵转换为拉普拉斯矩阵,提取拉普拉斯矩阵的最大特征值作为检测特征,提出了一种基于图的连通密度的海面漂浮小目标检测算法。通过对实测的全相参的X波段 (IPIX)雷达数据进行连通密度的分析,发现海杂波构成的图比较稠密,而海面漂浮小目标构成的图比较稀疏,故通过连通密度构成的图可以有效地检测海杂波中的漂浮小目标。进一步地,通过与对比算法实验分析发现,该文所提基于图的连通密度的检测算法检测性能明显优越。     

基于图连通密度的海面漂浮小目标检测

海面漂浮小目标由于其能量弱,一直是海面目标检测的重难点.传统基于统计模型的漂浮小目标检测算法借助回波能量进行检测,没有利用数据频域幅度间的关联性,导致检测性能受损.该文借助图的处理方式,首先利用回波数据脉冲间频域幅度的关联性计算连通密度,生成邻接矩阵,接着将邻接矩阵转换为拉普拉斯矩阵,提取拉普拉斯矩阵的最大特征值作为检测特征,提出了一种基于图的连通密度的海面漂浮小目标检测算法.通过对实测的全相参的X波段(IPIX)雷达数据进行连通密度的分析,发现海杂波构成的图比较稠密,而海面漂浮小目标构成的图比较稀疏,故通过连通密度构成的图可以有效地检测海杂波中的漂浮小目标.进一步地,通过与对比算法实验分析发现,该文所提基于图的连通密度的检测算法检测性能明显优越.     

复杂动态海面与目标电磁散射及回波仿真研究现状与展望

海洋表面是一种高度不规则和时空不重复的复杂动态体系。海杂波是雷达电磁信号照射到海面产生的大量散射体回波的叠加,受风力、洋流、海浪等的影响呈现非均匀性和非平稳性。海杂波信号对海上目标的探测具有一定的干扰作用,尤其是高海情条件下,海浪起伏更加剧烈,目标信号极易淹没在强海杂波信号中,严重限制着雷达对海上目标的检测能力。海杂波及目标电磁散射特性研究是提升复杂海洋环境下目标检测能力的基础,以电磁波与实际复杂动态海面及目标电磁散射机理为基础,形成实际海洋环境下目标回波数据,对海杂波及目标雷达回波特征分析,实测数据集的补充,均存在重大意义。为了让更多相关研究者获得基于物理机理的复杂海环境与目标回波仿真方法近些年的发展和未来趋势,该文总结了回波仿真的3类方法,并针对海面与目标仿真场景特点,分析了3类方法的优劣和适应性,给出了部分仿真结果;还介绍了一些基于实测的回波数据集,可方便学者对回波特性进行分析;最后对复杂海面与目标回波仿真方法和特性研究的发展趋势进行了展望。     

基于重排频谱时频脊的海面小目标检测

针对由于传统W-H算法计算量大,检测效率不高,海面小目标检测难度较大的问题,提出了基于重排频谱时频脊的小目标检测新算法.通过研究实测数据的时频谱能量分布特点,对比了在不同极化条件下,传统算法与新算法对多组实测数据的分析结果,研究了Hough参数域内的尖峰特性,对小目标实现了有效检测,验证了算法的可行性.最终得出结论:新...     

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。      

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.