基于混沌预测的雷达微弱目标检测研究综述

传统的雷达目标检测是将海杂波建模为随机过程,而最新的研究成果表明海杂波具有混沌特性,从而可将海杂波建模为非线性混沌模型。基于混沌预测检测微弱雷达目标信号是根据杂波信号和目标信号的动力学差异。通过海杂波训练预测器,假如待测信号当中含有雷达目标信号,则预测误差会突然增大,从而检测出目标信号。文章主要介绍了基于混沌预测检测雷达微弱目标在检测原理、国内外的研究现状以及未来的发展趋势。     

基于神经网络预测器的混沌海杂波弱信号检测

针对海杂波中的弱信号检测问题，借鉴杂波的混沌动态建模思想，重点讨论非线性混沌序列的神经网络建模、预测及信号检测方案。基于神经网络拟合非线性函数的能力．提出神经网络预测混沌时间序列的算法和信号检测方案。介绍了所提算法的原理和步骤，针对具体应用问题，用计算机仿真和实测数据试验验证了所提算法检测混沌噪声中弱小的暂态信号的有效性。     

基于海杂波混沌特性的微弱目标信号检测

研究了实际采集的海杂波的关联维及最大Lyapunov指数。结果表明,海杂波具有混沌特性。基于复杂非线性系统的相空间重构理论和混沌信号可短期预测的特征,提出了强海杂波中的微弱目标信号检测的神经网络方法,给出了雷达检测的模型。     

混沌理论与雷达技术发展

混沌动力学作为研究非线性系统的一种新方法已引起雷达界的重视,混沌信号是一种类随机性信号,具有极强的抗干扰性和极低的截获概率。研究了混沌在雷达中的应用,分析了混沌理论在雷达波形设计、信号检测与估计、目标识别、及杂波分析与建模等领域内的发展情况,指出在雷达应用技术中引入混沌理论是雷达技术发展的必然趋势,并预测了混沌理论与雷达技术研究发展的前景。     

基于混沌的误差检测方法在掠海小目标探测中的应用

论述了混沌信号的特性和海杂波的混沌特性,提出了基于混沌的误差预测检测方法在检测掠海小目标中的应用,并说明了其有效性。     

一种基于改进教学优化的微弱信号检测方法

为了快速准确地检测混沌背景中的微弱信号,提高网络泛化能力,文中利用改进教学优化算法优化贝叶斯回声状态网络的模型参数,提出了一种改进教学优化的混沌背景中微弱信号检测方法。通过建立混沌序列单步预测模型,分析预测误差的幅值,检测混沌背景中微弱瞬态信号和周期信号。对Lorenz系统和实测的海杂波数据进行实验研究,验证预测模型的有效性,结果表明,贝叶斯回声状态网络模型的预测结果比支持向量机和径向基神经网络模型的均方根误差降低了2个数量级,缩短了预测时间,提高了预测精度和预测效率,能快速有效地检测混沌背景中微弱信号,且具有更低的门限。     

一种优化的微弱信号检测方法

针对混沌海杂波背景下的微弱信号检测问题,结合互补集成经验模态分解理论,提出了一种优化的核极限学习机微弱信号检测方法。采用互补集成经验模态分解法将混沌信号分解为一系列固有模态函数,通过核极限学习机对经相空间重构后的各模态函数分别建立预测模型,利用人工蜂群算法对核极限学习机的正则化系数和核参数进行优化,重构预测信号,从预测误差中检测出混沌海杂波背景中的微弱信号(瞬态信号与周期信号)。分别以Lorenz 系统和IPIX 雷达海杂波数据为例进行了仿真,并研究了不同强度的噪声对微弱信号检测的影响。结果表明:该方法可以有效地从混沌背景中检测出微弱目标信号,当系统不存在噪声时,Lorenz 系统得到的均方根误差0. 000 000 12 (-118. 959 1 dB)比传统极限学习机方法的均方根误差0. 001 345 08(-80. 154 7 dB)降低了4 个数量级;若SNR逸0 dB,噪声对微弱目标信号检测的影响可以忽略;但当SNR<-7 dB,则无法检测出微弱信号。     

混沌理论在海杂波研究中的应用

混沌理论在雷达海杂波的研究中取得了令人鼓舞的成果.基于混沌理论的海杂波模型在信号检测方面表现出较好的性能,具有很好的杂波抑制能力,对传统的雷达信号检测技术形成了一定的挑战.本文概括了海杂波混沌模型的基本概念和研究方法,分析了混沌理论在该领域的应用现状及动态,探讨了该领域研究的发展趋势.     

基于海杂波混沌模型用神经网络预测器实现小目标检测

介绍了高分辨率雷达海杂波的混沌特性和混沌动态过程,阐述了根据神经网络函数逼近理论,选择径向基函数前馈网络实现杂波混沌过程的重建,并利用杂波回波设计神经网络智能预测器实现杂波混沌过程的准最佳预测,完成强杂波背景下掠海小目标的检测任务。     

利用非线性自适应技术检测微弱的瞬时信号

本文根据局部流形理论,提出了一类非线性自适应预测滤波模型。仿真结果显示,本文提出的自适应预测滤波模型具有很强的非线性近似能力,可以检测淹没在超混沌或杂波环境中的瞬时信号。     

基于三阶累积量的红外弱小运动目标检测新方法

为检测强杂波背景中的红外弱小运动目标,提出了一种基于三阶累积量的检测新方法.该方法利用图像中目标经过时像素点灰度值有起伏变化这一特点,将其看作是一种非高斯弱瞬态信号,通过构造三阶累积量对其进行检测.此三阶累积量估计中的去均值处理同时实现了背景杂波的抑制,较好地改善了信杂比(SCR),提高了单帧检测性能.实验表明,该方法能够有效地抑制强杂波背景,在SCR>1时,能可靠检测目标.     

基于动态规划的激光雷达信号检测

为解决低信噪比下激光微弱回波的检测问题,提出了一种新的小目标检测算法。采用 动态规划方法克服了低信噪比下激光回波闪烁对目标检测的影响。仿真结果表明:该方法较传统的检测方法性能有很大提高。     

基于自适应可调Q因子小波变换的海杂波背景下的目标检测技术

本文针对海杂波背景下的慢速微弱目标的检测问题,根据海杂波和目标的振荡特性差异,提出了一种基于自适应可调Q因子小波变换(Adaptive Tunable Q-factor Wavelet Transform,A-TQWT)的海杂波背景下的目标检测算法.通过迭代计算、搜索出最能匹配海杂波和目标振荡特性的可调Q小波变换(TQ...     

基于改进的集成经验模态分解的海杂波去噪

针对海杂波信号因混有噪声而难以提取的特点,提出基于改进的集成经验模态分解(MEEMD)的海杂波去噪方法。文中提出的MEEMD 在补充的集成经验模态分解(CEEMD)的基础上,利用排列熵和Savitzky-Golay 滤波对CEEMD 分解后的固有模态函数进行处理,最后在经验模态分解分解重构后得到削噪后的信号。以IPIX 雷达实测得到的海杂波数据进行仿真实验,结合最小二乘支持向量机建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,并用均方根误差判断去噪效果。仿真结果表明,文中所提出的MEEMD 算法对模式混淆有很好的抑制效果,去噪后得到的均方根误差为0. 000 847,比去噪前的均方根误差0. 012 2 降低了两个数量级。     

Weak Signal Estimation in Chaotic Clutter Using Model-Based Coupled Synchronization

In this paper, detection and estimation of weak signals in chaotic clutter with unknown dynamics are presented. We achieve this in three steps. First, by using Takens' delay embedding theorem and support vector machines (SVMs), the dynamics of the clutter is modeled by training SVMs with a known data set. Second, we augment the model with coupled chaotic synchronization scheme so that a better estimate of the clutter signal can be estimated. Finally, this estimate is subtracted from the observations, and on the residual signal, we apply standard signal detection/estimation techniques. By analyzing the statistical properties of the residual signal, we show that the strong clutter in the observation is replaced by a weakly colored and nonstationary noise. Efficiency of the new estimator is evaluated by computing the mean square error (MSE) of the estimation. Our studies reveal that, by a proper selection of coupling coefficients, we can lower the MSE significantly.     

基于自适应提升方案的回波信号消噪算法研究

采用自适应提升小波方案,根据激光探测系统接收的回波信号特征,提出了一种更新滤波器和预测滤波器的设计方案,从而实现了自适应地调整预测和更新算子,增强了与处理信息的匹配,有效地提高了系统输出回波信号的峰值信噪比.其次,利用激光探测系统中检测的回波信号与噪声特点,给出了一种去噪软阈值的选取方案.将此算法应用于激光探测系统消噪,较好地满足了在强背景噪声下检测微弱信号的要求.仿真结果表明,采用该算法实现的激光探测系统去噪,在抑制噪声的同时较有效地保留信号的细节,重构了清晰的回波信号.     

天波超视距雷达海杂波的混沌动态特性分析

利用替代数据法对实测回波信号进行非线性检验,Cao方法进行相空间重构、Rosenstein小数据量法计算最大Lyapunov指数、改进的格拉斯伯格-庞加莱算法(GPA)计算Kolmogorov熵以及局部可预测性检验研究了高频天波雷达(OTHR)海杂波的混沌动态特性。仿真计算表明:实测的高频天波雷达海杂波吸收子具有稳定收敛的关联维数、正的最大Lyapunov指数和正的Kolmogorov熵以及具有局部可预测的特性,验证了高频雷达海杂波确实来自于一个低维混沌系统。利用方差分析初步讨论了电离层对回波混沌特性的影响,研究表明:电离层将对回波混沌特性产生显著的影响。这些结论对高频雷达目标探测和海杂波建模研究都具有重要意义。     

复杂海杂波背景下分数低阶匹配滤波检测方法

针对在复杂海杂波背景下,雷达目标检测中动目标检测(Moving Target Detection,MTD)技术的检测性能显著下降的问题,以及局部最优检测器(Locally Optimum Detector,LOD)仅适用于低信杂比背景下弱目标检测的问题,基于分数低阶统计量理论,提出了一种分数低阶匹配滤波检测方法.该方法通过幂变换抑制杂波的非高斯特性,通过应用杂波分数低阶协方差矩阵特征值分解的方法白化相关杂波,在此基础上应用匹配滤波进行目标积累,以提高信杂比.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MTD和LOD进行了比较.结果表明,本文所提出方法能较好地解决非高斯相关杂波背景下的目标检测问题,检测性能明显优于MTD和LOD方法.     

色噪声背景下微弱周期脉冲信号的混沌检测方法

该文将微弱周期脉冲信号引入特定的混沌系统中,以系统相轨迹由混沌状态到大尺度周期状态的跃迁作为微弱周期脉冲信号的检测依据。用特定的混沌系统实现了对强噪声背景下周期脉冲信号的检测,仿真实验表明该混沌检测系统对被强噪声覆盖的周期脉冲信号非常敏感,对任何色噪声均具有极强的抑制能力。     

海杂波中弱信号的再生核模糊系统检测

针对海杂波中弱信号的检测问题,提出了一种新颖的再生核模糊系统。该系统巧妙地和再生核函数的性质结合起来,使其结构及参数辨识具有严格的数学理论基础并且变得简单。该系统隶属度函数具有语义特征,参数学习只限于前件,并且避免了非线性数值算法和陷入局部极小值,具有全局收敛性。利用该系统对Lorenz系统及真实海杂波进行仿真实验,结果表明该系统能有效检测出混沌背景下的弱信号,比传统的支持向量机及神经网络方法具有更高的精度。