海杂波的多重分形关联特性与微弱目标检测

该文研究了海杂波的多重分形关联特性及其在海杂波微弱目标检测中的应用。多重分形关联是对多重分形单点统计的推广,研究具有不同奇异性强度的两点之间的空间关联特性。该文首先从多重分形理论引出多重分形关联理论,给出了多重分形关联谱的计算方法,然后,以多重分形关联谱为特征进行相似度分析,并把目标检测问题归为一个二元分类问题,采用支持向量机(SVM)进行目标检测。最后,采用不同波段、不同极化方式和不同分辨率条件下的实测海杂波进行验证,结果表明,本文所提方法具有良好的微弱目标检测能力。     

高频雷达海杂波的多重分形建模方法研究

将多重分形理论引入高频雷达海杂波建模,提出了一种新的高频雷达海杂波的时域多重分形模型。对比分析了实测数据海杂波、分数布朗运动(FBM)模型和多重分形模型的质量指数函数和奇异指数,结果表明:该多重分形模型与实测数据具有相似的多重分形性。此外,通过对韦布尔分布、对数正态分布和瑞利分布三种最常用海杂波的概率密度函数的比较分析,并利用修正的柯尔莫哥洛夫-斯米尔洛夫(K-S)统计检验,得出了高频雷达海杂波的多重分形模型具有先验的统计特性的结论,从而进一步证明了该多重分形模型的合理性和有效性。     

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。     

Weibull海杂波环境中基于Hough变换的目标检测研究

给出了基于Hough变换的信号检测结构，用Weibull分布对加拿大McMaster大学IPIX雷达的某单个距离单元的海杂波幅度数据进行拟合，构造了仿真环境，基于MonteCarlo仿真对基于Hough变换的检测器在非起伏目标和四种Swerling起伏环境下的目标检测性能进行了分析，并得到了有参考价值的结论     

海杂波AR谱多重分形特性及微弱目标检测方法

该文研究了海杂波功率谱的多重分形特性。为了克服频谱傅里叶分析的缺点,用现代谱估计的方法来计算海杂波的功率谱。AR模型是一个线性预测模型,它通过序列的自相关函数矩阵来估计功率谱,并且具有更精确的频谱分辨率。该文主要分析基于AR谱估计的海杂波功率谱的多重分形特性,以及在微弱目标检测中的应用。首先,以分数布朗运动(FBM)模型为例,证明其功率谱具有多重分形特性。其次,根据X波段雷达的实测海杂波数据,通过多重去趋势分析法(MF-DFA)验证了海杂波AR谱的多重分形特性。最后,分析了海杂波AR谱的广义Hurst指数以及影响参数,并提出一种基于局部AR谱广义Hurst指数的目标检测方法。实验结果表明,该种检测方法具有海杂波背景下微弱目标检测的能力。与现有的分形检测方法和传统的CFAR检测方法对比,该算法在低信杂比情况下具有较好的检测性能。     

对运动目标约束的机载前视阵雷达杂波谱补偿方法

在机载前视阵雷达中,由于地面杂波存在距离依赖性,使得杂波协方差矩阵估计不准确,进而导致空时自适应处理(STAP)的杂波抑制性能严重下降。基于配准的杂波补偿方法(RBC)能够有效地对地面杂波的距离依赖性进行补偿,但当杂波数据中含有运动目标时,使用该方法对杂波补偿后,包含在杂波中的运动目标信息会在空时平面散开,导致其无法被检测。针对上述问题,提出一种运动目标约束的杂波补偿方法,即在基于配准的方法中,根据运动目标与杂波的多普勒频率不同来添加运动目标约束保护。计算机仿真结果表明:该方法不仅能够降低杂波距离依赖性,而且可以有效地对运动目标信息进行保护。     

基于空间直方图的海杂波背景下红外目标跟踪

空间直方图融合了目标的灰度分布信息和灰度的空间分布信息,比传统的灰度直方图更具有目标鉴别能力。为实现海杂波背景下稳健跟踪红外目标,本文在基于粒子滤波算法的红外目标跟踪系统框架中,将加权样本集表示红外目标的状态后验概率分布;采用简单的随机漂移模型表示系统状态模型;利用目标区域的空间直方图描述红外目标,其中通过核概率密度估计建立红外目标的灰度分布,然后统计灰度分布的空间信息建立空间直方图;通过空间直方图的相似度定义来建立系统观测概率模型,最终提出一种在海杂波背景下的基于空间直方图的粒子滤波红外目标跟踪算法。实     

检测海面弱目标的神经网络集成方法

海杂波中弱小目标的检测在军用和民用领域有着重要应用价值。基于径向基函数神经网络的目标检测方法可以检测海杂波中弱小目标,但是训练样本的选择直接影响检测效果。为了减小训练样本对检测效果的影响,提出了基于神经网络集成检测海杂波中弱小目标的方法。根据子网络在验证集上的表现,赋给差异度大的子网络较大的权值,子网络的加权平均得到集成的输出。采用McMaster大学IPIX雷达实测数据的测试结果表明,该方法能够减弱训练样本的选择对目标检测效果的影响,提高检测能力。     

基于分形维与缝隙参数的海杂波目标检测

针对分数布朗运动模型在不同尺度上粗糙度相同的缺陷,提出一种将高阶分形特征作为分形维数补充的目标检测算法。该方法将Hurst指数和缝隙特征相结合,分析比较了海杂波和目标的特性。在此基础上,对IPIX雷达实测数据进行实验分析。结果表明,对海杂波背景下的小目标检测,提出的算法比仅基于分形维数的检测算法性能更优。     

降低船用连续波雷达虚警概率的海杂波抑制方法

为了解决海杂波引起的船用连续波雷达虚警概率增大,以及海杂波抑制算法工程应用难度大的问题,提出了一种工程实用的海杂波抑制方法。首先,通过双参数删除型CFAR检测算法和统计检测算法进行二次检测;然后,依据邻近帧之间目标回波相关性较强和片状海杂波相关性较弱的特点进行帧间处理。仿真和海上实验均表明,应用该方法的船用连续波雷达可以降低不同强度的海杂波背景下的虚警概率。     

UWB SAR叶簇隐蔽目标差值变化检测中杂波分布建模分析与应用

由于树林观测区域后向散射强度具有快变特性,现有方法无法对UWB SAR叶簇隐蔽目标差值变化检测的杂波分布进行准确建模分析。为此,首先推导分析了均匀观测场景差值变化检测的杂波分布模型,而后假设观测场景后向散射强度服从伽马分布,在此基础上进一步推导了一种快起伏场景差值变化检测杂波分布模型。实验应用结果表明,该分布模型可对树林区域差值变化检测的杂波分布进行准确建模分析,从而提高变化检测性能。     

非高斯相关杂波背景下雷达目标检测方法研究

在非高斯相关杂波背景下,基于MTD(Moving Target Detection)的雷达目标检测性能严重下降。针对该问题,根据Alpha稳定分布杂波模型、分数低阶统计量理论,以输出信杂比最大为准则,提出了一种适用于非高斯相关杂波背景的雷达目标检测方法。该方法通过分解信号分数低阶协方差矩阵,计算等效杂波分数低阶协方差矩阵特征向量,得到最佳滤波器系数。通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与基于MTD的检测方法进行了比较,结果表明,在非高斯相关杂波背景下,所提方法的检测性能明显优于传统的MTD。      

改进的分形检测海面漂浮小目标方法

为了提高海杂波中漂浮小目标的检测概率,提出了一种改进的分形检测海面漂浮小目标方法。首先,利用去趋势波动分析方法计算海杂波的分形维数;其次,利用计算过程中的“副产品”———截距组成二维判决空间;最后,通过聚类分析,检测出海杂波中的漂浮小目标。在实测数据基础上对改进算法进行了验证,结果表明：海杂波和小目标在判决空间存在明显的差异性;与Hurst指数法、神经网络集成预测法等方法比较,改进算法提高了目标检测概率;交叉极化方式( HV、VH)的检测效果优于同极化方式( HH、VV)的检测效果。     

一种基于局部熵的海背景红外目标检测算法

介绍了一种新的红外目标检测方法。在对图像中值滤波之后,用3×3的窗口计算图像局部熵,从而使由局部熵映射的灰度图像中的目标边缘更加清晰,在此基础上使用适应性更强的Canny算子进行边缘检测。实验证明,对于海面目标和海面背景的灰度对比度比较小的红外图像,此方法提高了检测概率。     

基于相似度的雷达目标识别灰关联分析算法

针对参数重叠的雷达目标识别算法准确率较低、对复杂体制雷达目标识别效果较差的问题,提出了基于相似度的灰关联分析算法,实现对复杂体制雷达目标的融合识别.该算法首先提取各参数间的相似度矩阵,然后运用灰关联分析得出相应的灰关联系数,同时根据各参数匹配程度确定其权重值,与灰关联系数组合获得待识别信号与库信号的灰关联度,根据灰关联度完成目标识别.仿真实验结果表明,该算法能很好地降低参数重叠给识别带来的影响,提高识别正确率,快速实现复杂体制雷达目标的识别.     

蒸发波导环境掠射角对雷达海杂波的影响

利用雷达海杂波反演对流层波导是当前国内外研究热点,这是一个典型的电磁逆问题.为了尽可能降低反演的不确定性, 文章基于对流层波导大气修正折射率水平非均匀性, 通过分析蒸发波导环境掠射角对雷达海杂波的影响, 提出了蒸发波导条件下的海杂波功率模型, 并进行了实验验证, 有效提高了对流层波导反演效果.     

正交信号MIMO雷达动态范围与弱目标检测性能分析

正交信号MIMO雷达各阵元发射相互正交的信号波形,多个信号波形在空间不能叠加形成高增益的窄波束,经目标反射回来的回波信号的动态范围较传统相控阵雷达有所降低,这将有利于改善对强杂波中的弱目标信号的检测性能。动态范围往往取决于杂波功率,本文分析了基于OFDM-LFM信号的MIMO雷达的信号功率问题,并提出利用优化的随机相位来降低信号瞬时功率,从而改善回波信号的动态范围。仿真比较了在接收机动态范围一定的条件下,MIMO雷达相对于传统相控阵雷达在弱目标检测性能方面的改善。      

扫描模式海杂波中目标的多重分形检测

主要研究雷达扫描模式下海杂波的局部多重分形特征以及多重分形理论在雷达目标检测中的应用。目前绝大多数研究都是建立在雷达工作在驻留模式基础上的,而当雷达工作在扫描模式时,由于采样点数不足,一般难以运用分形理论来解决目标检测问题。将多重分形理论应用到雷达周期扫描所得回波序列中,解决采样点不足的问题,并运用模糊集理论中模糊决策的方法进行目标检测。最后,采用X波段与S波段海杂波实测数据进行验证并分析其目标检测的性能,实验结果表明文中所提检测方法对海杂波和目标具有良好的分类能力。     

复杂海面背景红外小目标自动检测方法

采用维纳自适应滤波，抑制随机噪声和高斯噪声；利用Otus阈值法分割图像，确定海天线和目标潜在区；利用Top—Hat算子进行形态滤波处理，抑制平缓变化背景并保留高亮度区的目标和强噪声；选择结构元素进行形态开运算，去掉细小的背景杂波干扰；针对远距离舰艇小目标总是出现在海天线附近以及红外目标灰度高于其邻域背景的特点，确定阈值即可分离出真正的目标。实验结果表明，该方法可以较好地抑制海浪、云层等背景的干扰，能有效检测复杂海面背景中的红外小目标。     

用于高动态目标探测雷达的相位编码脉冲压缩技术

为避免多普勒频移对相位编码信号脉冲压缩处理的影响,提出了利用已知脉冲编码序列对回波信号进行逐符号共轭点乘的脉冲压缩方法,将对齐的回波信号转换为单频信号,并利用傅里叶变换实现信号能量的积累。理论分析与计算机仿真表明,多普勒频移对脉冲压缩性能无影响。该方法适合于应用到对高动态目标进行探测的雷达系统中。