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.     

基于分形可变步长LMS算法的海杂波中微弱目标检测

该文主要研究了基于Hurst指数与可变步长LMS算法相结合的分析方法在海杂波微弱目标检测中的应用。一直以来,分形理论与统计理论是分别应用到目标检测中的,该文将分形可变步长LMS算法引入到海杂波微弱目标检测中,并在此基础上提出一个海杂波中的微弱目标检测模型,初步实现了基于LMS算法的检测方法与基于单一分形特征的检测方法的结合。最后,采用X波段雷达实测海杂波数据进行验证,结果表明该检测模型具有良好的检测海杂波中微弱目标的能力。     

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。     

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。     

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。     

基于分形自仿射预测的海杂波中目标检测

分析了基于分形自仿射的海杂波预测方法,研究了海杂波数据预测误差的统计特性.当存在目标时预测误差的方差会显著减小,由此提出了一种基于预测误差检测海杂波中微弱目标的新方法.经IPIX雷达实测数据验证,基于分形自仿射预测误差的目标检测方法提高了微弱目标的检测性能,取得了比基于记忆库预测的检测方法更高的检测性能.     

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。     

基于频域多尺度Hurst指数的海杂波中目标检测方法

本文主要研究海杂波频谱的扩展自相似特性及多尺度Hurst指数在海杂波目标检测中的应用.作为分数布朗运动的一种推广,扩展自相似过程采用多尺度Hurst指数来描述分形信号.多尺度Hurst指数可以描述分形信号在各尺度下的细节信息,弥补了单一Hurst指数只能从整体上描述分形信号粗糙度的不足.首先,本文在实测雷达数据基础上研究了海杂波频谱的扩展自相似性以及影响参数;然后,利用在最优频域尺度下海杂波频谱的多尺度Hurst指数对目标相对较敏感的特点设计恒虚警检测方法,实现海杂波中的目标检测.实测数据分析表明,海杂波频谱的多尺度Hurst指数比时域单一Hurst指数、时域多尺度Hurst指数具有更好的海杂波与目标区分能力,且由于Fourier变换可以有效提升信杂比,该检测方法具有检测海杂波中微弱运动目标的潜力.     

海杂波中目标分数域谱范数特征检测方法

对于海上机动目标,采用分数阶傅里叶变换(FRFT)可以很好地解决其回波多普勒谱能量扩散的问题,为了使机动目标回波能量做最佳化的相参积累,需要反复搜索变换阶数,然而由于海上目标机动状态的随机性和时变性,难以搜索得到最佳变换阶数。针对这一问题,该文利用矩阵理论中的奇异值分解实现各变换阶数条件下FRFT谱的特征提取,设计特征检测统计量,提出基于分数阶域奇异值的海杂波抑制与目标检测方法,在增加利用了机动目标在FRFT域形状信息的同时避免了最佳变换阶数搜索。在高斯白噪声仿真数据评估条件下,所提方法在信杂比为–2.5 dB时可以达到60%的检测概率;经过实测数据验证,方法可以在信杂比为4.7 dB的条件下,稳定完成目标检测,具有较好的检测性能,且易于工程化实现。     

基于海杂波混沌特性的目标检测

首先介绍海杂波的混沌特性。然后采用IPIX雷达海面回波中的水平极化雷达数据对BP神经网络进行训练 ,结果表明所设计的BP神经网络能够很好的模拟海杂波 ,单步预测误差较小。最后以误差能量作为判别标准设计了一种基于海杂波混沌特性的海面目标检测算法     

基于海杂波FRFT谱多尺度Hurst指数的目标检测方法

本文主要研究海杂波分数阶Fourier变换（FRFT ）谱的扩展自相似特性及FRFT域多尺度Hurst指数在海杂波目标检测中的应用。鉴于扩展自相似过程的描述参数---多尺度Hurst指数可以描述分形信号在各尺度下的细节信息,本文基于实测雷达数据研究海杂波FRFT谱的扩展自相似性以及影响参数,并利用最优FRFT域尺度下多尺度Hurst指数对目标较敏感的特点设计海杂波中目标的恒虚警检测方法。经实测数据验证,海杂波FRFT谱的多尺度Hurst指数比时域单一Hurst指数、时域多尺度Hurst指数具有更好的海杂波与目标区分能力,并且由于FRFT可以很好地积累匀加速类目标回波的能量,有效提升信杂比,因此该检测方法具有检测海杂波中微弱运动目标的潜力。     

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.     

基于多普勒谱特征的海杂波背景下小目标检测

海杂波中的小目标检测是雷达信号处理中较为复杂的问题之一。该文在分析海杂波多普勒谱特性的基础上,提出了基于联合瑞利分布的海杂波多普勒谱统计模型和描述多普勒谱扩展程度的波形熵特征,并给出了海杂波背景下的小目标检测算法。基于加拿大IPIX雷达实测数据的检测结果,证实了文中算法的有效性。     

基于Hurst指数差异的海面小目标检测

针对传统舰载雷达和岸基雷达很难检测出海杂波背景下小目标的现状,提出一种基于Hurst指数差异的方法来检测海杂波背景下小目标。该算法基于小波分析法：计算各种极化方式下不同距离门的海杂波的Hurst指数,分析发现距离门含有小目标的Hurst指数明显大于距离门只含有海杂波的Hurst指数,而只含有海杂波的不同距离门间Hurst指数变化较小,因此可基于不同距离门的Hurst指数差值作为检测小目标的标准。实验证明,该算法可在没有任何先验知识条件较准确地检测出海杂波背景下的小目标。     

基于高尺度分形差量的海杂波背景下小目标检测

为了降低复杂海情对海杂波背景下小目标检测的影响,提高微弱信号检测准确度,文中采用多重分形去势波动分析法分析了海杂波数据在高尺度条件下的分形特性,将分形尺度q 扩展到[-30,30],对多重分形参数H(q)的估计进行了研究,得到了高尺度分形差量驻H(q),分析了尺度q 的选取对驻H(q)的影响,提出了一种基于高尺度分形差量的海杂波中小目标检测方法。实验结果表明:IPIX 海杂波数据的分形特性受到海情和雷达极性的影响,选择高尺度指数q 时,所提方法能够有效地区分动目标与纯海杂波之间的分形差异性,降低海杂波背景下小目标检测对海情的依赖性,相较于单尺度去势波动分析检测方法,大部分海情的检测门限提高了40% 以上,发挥了海杂波数据在高尺度多重分形上的优势。     

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。     

海杂波背景下慢速小目标探测技术研究

针对海面慢速小目标探测的问题,讨论了海杂波背景下降低杂波相关性并提取目标的原理与方法,从工程角度上分析了抗强杂波的具体措施。