基于 SSA-SVM 的海杂波背景下小信号检测方法

针对传统检测方法不能有效地从强混沌背景噪声中检测出小信号,本文研究了强杂波背景下小目标检测原理,提出了一种基于SSA-SVM的混沌小信号检测方法。利用麻雀搜索算法优化SVM惩罚参数C与核函数参数σ提高预测准确性,从而降低检测门限,提高检测率。在Lorenz混沌系统中加入目标信号进行仿真,结果表明：提出的方法能有效地从强混沌背景噪声中检测出小信号,瞬态小信号预测的均方根误差为0.000 434 3(信噪比为-137.707 3 dB),比传统SVM算法预测信号的均方根误差0.049(信噪比为-54.60 dB)降低了两个数量级。利用IPIX雷达实测海杂波数据,对所提方法进行实验验证,进一步说明了该方法的有效性。     

导航雷达慢速小目标检测方法

针对常用导航雷达在检测强海杂波环境下慢速小目标的困难问题,利用扫描间海杂波非相关特性,提出采取提高天线转速的措施和扫描间信号平滑处理技术,从而抑制或削弱海杂波,增强目标信号强度,改善检测性能。实验表明,本方法显著提高了导航雷达在海杂波环境下检测慢速小目标能力。     

基于VMD-WTD的高频地波雷达电离层杂波抑制

高频地波雷达(HFSWRs)回波数据受电离层杂波污染,严重影响了海态遥感和目标检测。为了解决该问题,基于目标反射雷达波的不同种类,运用变分模态分解(VMD)算法分别形成不同的模态,接着运用小波阈值算法对含有杂波的模态进行滤波,实现在充分抑制电离层杂波的前提下,提高回波信噪比的目的。实测结果表明,单侧和双侧电离层杂波处理后信噪比分别提升25.95和36.40 dB,海洋雷达理论探测距离至少提高24 km。最后与传统方法进行对比,验证了方法的可行性和有效性,为高频地波雷达电离层杂波抑制提供了一个新方法。     

时空相干相关K分布海杂波仿真

海杂波通常会制约雷达对目标的检测,它的精确仿真关乎到雷达性能预估的准确性.首先介绍了海杂波的幅度统计模型,然后对它的时间相关性与空间相关性进行讨论.并在此基础上研究了基于球不变随机过程法(SIRP)仿真时空相干相关K分布杂波的方法.最后仿真生成海杂波数据,结果表明用该方法获到的杂波数据的概率密度函数与K分布模型匹配得很好.同时时间与空间相关性得到了满足,与杂波的复合散射机理也贴合,证实该仿真方法是可行的.     

混沌时间序列的模糊聚类预测与目标检测

针对海杂波中的弱信号检测问题,以相空间重构和模糊理论为基础,提出了一种基于T-S模型的模糊聚类方法对混沌时间序列进行预测和目标检测,利用自适应门限法判决混沌背景下微弱目标信号的有无.在模糊聚类建模中将前件划分和结论参数分开辨识,既简化辨识步骤,又提高模型的泛化能力,同时解决了模糊模型随辨识系统复杂程度提高而规则数增大的问题.与基于RBF神经网络的混沌背景下弱信号检测结果进行比较,仿真结果验证了该方法的有效性.     

海南发射场测控雷达海杂波建模与仿真

海南发射场雷达测控设备工作时面临着较严重的海杂波影响,为此需要建立准确的海杂波模型,研究和掌握海杂波的性质。研究了球不变随机过程法(SIRP)产生相参相关K分布海杂波的仿真模型;其中,采用了基于复倒谱的方法来产生相关高斯随机序列;最后,开展了仿真实验。结果表明,本方法模拟产生的海杂波在概率分布和功率谱特性上与理论值都吻合,说明该方法是准确和有效的。该方法对开展海杂波条件下测控雷达检测性能研究和杂波抑制方法研究都有重要意义。     

基于双曲线特征似然比检验的输电走廊采空区探地雷达目标检测方法

针对输电走廊采空区复杂地下介质环境中的探地雷达自动目标检测问题,提出了一种双曲线特征检测的广义似然比检验方法,该方法采用球不变随机过程描述非高斯杂波背景,通过对双曲线整体的假设检验来判断目标的有无,可充分利用目标特征与杂波统计特性以提高信杂噪比增益。在保证检测性能的前提下,进一步推导了双曲线特征广义似然比检验的近似实现形式,使运算复杂度大幅降低,且对背景杂波的分布类型不敏感,具有较高的工程应用价值。实验结果及分析验证了本文方法的检测性能。     

永磁同步电机的模糊混沌神经网络建模

采用模糊混沌神经网络建立了具有混沌特性的永磁同步电机(PMSM)模型。永磁同步电机在一定工作情况下呈现混沌运动，根据PMSM的数学模型得出其混沌特性曲线。将混沌神经网络与模糊理论相结合设计出协作型模糊混沌神经网络，并据此网络建立了永磁同步电机的模糊混沌神经网络结构模型，该模型在结构上为神经网络，具有混沌特性，在功能上是模糊系统；确定了模型的输出函数，并推导了模型的学习算法，仿真结果表明永磁同步电机的模糊混沌神经网络模型与原系统是等价的。     

天波超视距雷达流星余迹瞬态干扰抑制方法

天波超视距雷达（OTHR）易受到流星余迹回波等强瞬态干扰的影响。目前对于流星余迹的抑制方法大多需预先抑制海、地杂波,复杂度高,实用性不强。实测数据统计表明,流星余迹与地海杂波信号的分形维区别较大,可利用其作为检测识别特征。本文提出了一种基于分形检测和预测恢复的流星余迹干扰抑制方法。该方法应用分形检测,提取信号的相似性特征,找到流星余迹干扰位置,再去掉相应干扰数据段,并通过线性预测算法恢复有效数据,达到干扰抑制的目的。该方法的优点是干扰检测前无需抑制海杂波,实用性强。仿真结果表明该方法能有效的检测干扰并抑制。     

基于呼吸样本空间的超宽带雷达身份识别

为了解决传统雷达呼吸身份识别依赖人工预定义特征的问题,提出了一种基于呼吸样本空间(BSS)的超宽带(UWB)雷达身份识别算法。算法首先通过奇异值分解(SVD)对UWB雷达人体呼吸回波中杂波进行滤除,然后根据回波将目标跨距离单元的呼吸信号构建为包含时距信息的BSS序列,最后利用卷积神经网络(CNN)对BSS进行建模以获取目标分类结果。在室内场景实验中,对4人的身份识别准确率为84.64%。对比结果表明,所提出的算法对不同个体所具有的独特呼吸特征具有不错的区分能力。     

毫米波雷达海雾观测数据中的舰船杂波分析

海雾探测雷达由于架设高度低、观测仰角低,会受到众多来源的杂波干扰,这些杂波的分析是改善海雾探测效果的基础。本文针对毫米波海雾探测雷达数据中的舰船杂波,统计了舰船所造成杂波的时域及频域特性,提出了舰船杂波提取算法,实现了舰船信号和气象回波的分离。在此基础上,通过剔除舰船信号后的功率谱二次识别,实现了海雾观测数据中舰船信息的抑制,提升了毫米波雷达测雾数据的质量。更进一步,通过挖掘杂波中蕴含的信息,成功提取出舰船的长度、航速、航向等多重信息。初步探究了气象雷达在舰船监测方面的应用潜力。     

CFAR detection of weak target in clutter using chaos synchronization

In this paper, a novel constant false alarm rate (CFAR) approach for detecting weak targets in sea clutter spectrum based on chaos synchronization is proposed. The weak target signal is detected when the synchronization between two identical chaotic systems is realized, even if the target spectrum lies inside the clutter spectrum. The threshold for the proposed CFAR detection is derived theoretically. The proposed chaos‐synchronization‐based CFAR technique is shown to be able to enhance the detectability of the target when the signal‐to‐clutter ratio and signal‐to‐noise ratio are low. Numerical experiments based on real radar sea clutter data confirm the effectiveness of the proposed chaos‐synchronization‐based CFAR detection method. The performance is superior to those of the standard autoregressive estimation‐based and the cell‐averaging CFAR detectors. Copyright © 2007 John Wiley & Sons, Ltd.     

Distributed Sea Clutter Denoising Algorithm Based on Variational Mode Decomposition

In order to improve the detection accuracy of chaotic small signal prediction models under the background of sea clutter, a distributed sea clutter denoising algorithm is proposed, on the basis of variational modal decomposition (VMD). The sea clutter signal is decomposed into variational modal functions (VMF) with different center bandwidths by means of VMD. By analyzing the autocorrelation characteristics of the decomposed signal, we perform instantaneous half-period (IHP) and wavelet threshold denoising processing on the high-frequency and low-frequency components respectively, and regain the sea clutter signals. Based on LSSVM sea clutter prediction model, this research compares and analyzes the denoising effects of VMD. Experiment results show that, the RMSE after denoising is reduced by two orders of magnitude, approximating 0.00034, with an apparently better denoising effect, compared with the root mean square error (RMSE) of the prediction before denoising.     

动态杂波条件下非合作辐射源目标检测研究

针对非合作雷达辐射源采用不可控的第三方辐射源导致杂波趋于复杂的问题,提出了根据杂波协方差矩阵特点进行杂波动态化的方法,设计了对杂波动态化处理的非合作雷达辐射源目标检测系统。结果显示：所设置的辐射源与目标信息在杂波动态化处理后,可以通过非合作雷达辐射源目标检测系统提取到准确的辐射源、目标的位置、速度、角度信息。结果表明该动态化杂波不会轻易淹没功率较大的目标,该目标检测系统可以对目标进行数据采集处理,且位置速度误差均不超过1%,对目标跟踪、实际情况下的雷达信号处理有参考作用。     

Adaptive stochastic resonance method for weak signal detection based on particle swarm optimization

In order to solve the parameter adjustment problems of adaptive stochastic resonance system in the areas of weak signal detection, this article presents a new method to enhance the detection efficiency and availability in the system of two-dimensional Duffing based on particle swarm optimization. First, the influence of different parameters on the detection performance is analyzed respectively. The correlation between parameter adjustment and stochastic resonance effect is also discussed and converted to the problem of multi-parameter optimization. Second, the experiments including typical system and sea clutter data are conducted to verify the effect of the proposed method. Results show that the proposed method is highly effective to detect weak signal from chaotic background, and enhance the output SNR greatly.     

基于混沌遗传算法的主汽温系统RBF-PID控制

针对火电厂主汽温控制系统具有大惯性、大迟延等特性,提出一种基于混沌遗传算法的径向基函数神经网络整定PID参数的控制策略。利用遗传算法优化神经网络权系数,同时利用混沌优化方法的局部快速搜索能力,实现全局最优化。该控制策略不仅具有常规PID串级控制的特性,而且具有智能控制器的自学习能力,增强了系统对不确定因素的适应性。仿真研究结果表明,这种方法具有全局优化的能力,对PID控制的参数优化设计是成功和有效的,系统动态品质明显优于通常的PID串级控制,系统控制性能得到了较大提高。     

基于隐马尔可夫模型的MIMO雷达目标检测

MIMO雷达是一种新体制雷达,相对于传统雷达在目标检测及参数估计性能都有很大提高。本文针对MIMO雷达的发射信号特点及天线阵元布置特点,分析了雷达目标和杂波的散射特点。目标回波的各向异性比杂波更强。因此可以用隐马尔可夫模型（HMM）对目标和杂波分别建模,实现目标和杂波的分离。在检测过程中,首先用样本模型对HMM进行训练,得出它的参数。然后用训练好的HMMs分别对待检测信号进行归类,分别计算它属于杂波和目标的概率,计算概率比值,大于门限判断有目标。仿真实验表明,本文方法的检测性能优于传统的检测方法。本方法在检测时候的计算量很小,有利于信号的实时处理。     

基于Bayes-LSTM网络的风电出力预测方法

为提高风电出力的预测精度,提出一种基于Bayes优化的长短期记忆人工神经网络(long-short term memory, LSTM)的预测模型。首先,利用经验模态分解对风电历史出力序列进行分解,并对各分量及原始数据分别提取8个统计特征量,与预测前6个时刻出力值共同组成预测特征集。然后,采用绳索算法(least absolute shrinkage and selection operator, LASSO)从预测特征集中提取具有统计意义的特征子集,作为预测模型的输入。最后,提出基于Bayes超参数寻优的LSTM网络优化方法,以提高预测精度。选取湖北某市风电出力历史数据进行预测实验,结果表明：相较于BP神经网络、SVM、RBF网络、GRNN网络等预测模型,所提模型预测精度较高,特征提取方法较为合理。     

基于RBF神经网络的源-目标话音转换

源-目标说话人声音转换是一种变换说话人声音特征的技术,它将源说话人的声音转换成目标说话人的声音。本文选择声道共振峰参数作为待转换的特征参数,为了克服线性多变量回归转换方法(LMR)中分类不准带来的误差,采用基于径向基函数神经网络的非线性转换方法(RBFNN)获取转换规则。以5个普通话元音为实验,验证了分类数目和训练集对2种转换方法的影响。实验结果表明,RBFNN方法的转换效果优于LMR方法;并在只有较少训练集数据时也能得到较好的转换效果。