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.     

基于频域多通道图特征感知的海面小目标检测

海洋物理环境和电磁环境日趋复杂,海杂波背景下的微弱慢速小目标检测始终是一个研究难点和重点。海面小目标的雷达散射截面积小、回波能量低,传统基于能量的检测方法存在性能瓶颈。基于特征的检测方法聚焦于提取纯杂波和目标回波的差异性特征来实现目标检测,且有效提升了检测性能。该文利用回波数据间频域中幅度的关联性,将图论的方法引入到特征检测中。首先将实测数据进行块白化处理,对海杂波进行一定的抑制,然后在频域提取各多普勒通道下的数据,借助图的处理方法,构建所提取数据的距离邻接矩阵,再转换为拉普拉斯矩阵。该方法计算不同时间序列下拉普拉斯矩阵的最大特征值,并将其与刻画频域能量信息的相对多普勒峰高进行融合,得到新的检验统计量来区分纯杂波和含有目标的回波。通过全相参的X波段(IPIX)实测数据验证,该文所提方法的检测性能更为优越。     

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。     

面向海面目标检测的陆海分离和海面分区算法研究

自适应检测技术可有效提升岸对海警戒雷达海面目标探测性能,但海岛和陆地会导致成片或离散强杂波点,污染协方差矩阵估计的样本,海杂波的复杂性使得整片海杂波难以采用单一模型描述。为解决海面目标自适应检测时面临的非均匀样本参与协方差矩阵估计时杂波抑制性能严重下降问题和海杂波建模准确性不高的问题,该文提出一种面向海面目标检测的陆海分离和海面分区算法。首先,根据陆地回波序列的相位之间具有强相关性,而海洋回波序列为随机值这一特性,区分陆地杂波和海杂波;然后,根据擦地角对海杂波分区,拟合出每个分区的最优分布后选择合适的检测器进行自适应检测;最后,基于某S波段雷达实测数据验证该算法,检测结果与性能分析表明该算法相对传统算法可有效提高海面目标的检测率。      

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...     

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     

基于圈间时频特性的海面小目标检测技术北大核心CSCD

针对海面慢速微弱目标的回波能量较低,且在时域或频域上与海杂波难以区分的难题,文中提出一种基于圈间时频特性的海面小目标检测技术,对低门限检测结果单元进行平滑伪Wigner-Ville分布(SPWVD)变换,并计算下一圈当前单元在搜索窗口上的检测单元SPWVD相似度,只有满足门限才判定为真实目标。实测数据表明,该算法可以有效检测海面微弱目标。     

基于多普勒谱非广延熵的海面目标检测方法

根据海杂波和目标多普勒谱的聚集性差异,可以用熵特征来检测海杂波背景下的小目标,然而常用的香农熵仅仅是统计学角度的宏观量值,并不能反映出海杂波的非线性特性。非广延熵是香农熵的推广,可以描述海杂波已被证实的多重分形特性。该文首先给出了非广延熵与分形维数的关系,然后结合有目标单元回波的多普勒谱较纯杂波单元回波的多普勒谱聚集性更强以及海杂波回波具有多重分形特性的特点,提出了基于多普勒谱非广延熵的海杂波背景下的小目标检测方法,最后通过实测数据进行实验比较,验证了该文算法的有效性,在观测时间较短的情况下,与现有的多重分形频域Hurst指数方法和基于香农熵的方法相比,该文算法具有更好的检测性能。      

基于海面场景感知的雷达目标检测方法

空域上非均匀海杂波使得参考单元内数据难以服从独立同分布,致使参数估计不准确而往往导致杂波抑制能力下降和弱小目标丢失。针对非平稳海杂波下雷达目标检测难题,文中提出了一种基于海面场景感知的雷达目标检测算法。首先,采用启发式分割法依据回波幅度均值将整个场景的距离门分离为多个区域间非平稳、区域内平稳的回波区域;之后,感知各平稳区域回波类型及波动程度,即利用地杂波具有回波直流分量高的特点,识别出岛屿区域及其边界,对纯海杂波进行K分布拟合提取出其起伏参数;然后,利用从海杂波区域提取的波动参数,按恒警率法获取幅度阈值提取出可疑目标;最后,提取可疑目标的信号特征来甄别目标。基于《雷达学报》公开X波段岸基对海监测雷达数据的测试试验表明,本算法不仅能有效识别出海面场景,而且能大幅度提升非平稳海杂波下弱目标检测能力。     

基于奇异值分解的空域海杂波抑制算法

为实现对高频地波雷达(high frequency surface wave radar,HFSWR)一阶海杂波谱中目标的检测,提出了基于奇异值分解(singular value decomposition,SVD)的空域海杂波抑制算法(简称空域SVD算法).空域SVD算法是利用海杂波较强的相关性,将邻近距离单元作为参...     

一种基于语音图信号处理的端点检测方法

本文通过将语音信号处理与图信号处理相结合,为语音样点构建出一种基于遗忘因子的遗忘图拓扑结构,利用基于遗忘图拓扑结构的图邻接矩阵所定义的图傅里叶变换（Graph Fourier Transform, GFT）,研究语音图信号的图频域特性。并在此研究基础上,本文将基于自适应子带谱熵（Adaptive Band-partitioning Spectral Entropy, ABSE）算法的端点检测方法拓展至图频域,设计了一种图自适应子带谱熵（Graph Adaptive Band-partitioning Spectral Entropy, GABSE）算法。实验表明,本文所提出的基于遗忘图的GABSE算法可以使得语音段与非语音段谱熵差异更加显著,较传统ABSE算法端点检测及rVAD语音端点检测方法正确率提高了10%~20%,同时也验证了此语音遗忘图结构有效性。      

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。     

低海况下多姿态海上目标特征分析

海上目标种类繁多,单体结构复杂,目标特性动态范围较大,具有较强的时变性。从目标特性出发,特征化表征海面与目标的物理差异是解决海上目标检测的有效途径。本文以此为背景,利用X波段雷达开展海上多姿态目标数据采集试验,在低海况下,分析多种姿态目标的时空相关性以及时域、频域、时频域上的统计特征,并定义差异系数对统计特征进行差异性分析。经大量实测数据验证表明,在低海况下,目标与海杂波的时空相关性、统计特征差异较大,具有较强的可分性;不同姿态目标之间同一种统计特征差异系数均在0～0.1之间,具有较小差异性,并无可分性。这些结论对于海上目标特性数据采集试验以及目标识别方法优化设计具有重要意义。     

一种舰载雷达海杂波抑制方法

舰载雷达在探测海面目标时由于强海杂波环境的影响,降低了雷达对海面目标的检测和定位跟踪性能。为了有效抑制海杂波、凸显有用目标,文中对海杂波的概率密度分布、时间相关性和频率相关性等特性进行了分析,并提出了雷达系统设计、自适应CFAR、扫描圈间积累和频率捷变等几种抑制海杂波的方法。实录雷达数据处理结果表明,文中的方法能显著提高舰载雷达的海面目标检测能力。     

基于时频域深度网络的海面小目标特征检测

为了提升海杂波背景下小目标探测性能,本文提出一种基于时频域深度网络的特征检测方法。首先,将观测向量转换为归一化时频图（Normalized Time-Frequency Graph, NTFG）,实现海杂波抑制。在时频域,建立海杂波、含正多普勒偏移目标回波、含负多普勒偏移目标回波的三分类问题,精细化目标落在主杂波带内外的不同特性。其次,引入Inception-ResNet V2深度网络作为特征提取器,自主学习不同类别在NTFG上的深层差异性,并将差异性浓缩为一个2D特征向量。然后,在2D特征空间中,设计具有引导的三次样条曲线,获得虚警可控的判决区域,实现异常检测。最后,IPIX实测数据验证了所提算法的性能优势,能深入挖掘时频域的特性。     

基于互累积量的多雷达信号层融合检测

针对多雷达检测海上目标的研究背景,本文提出了一种新的基于互累积量的多带雷达信号层融合检测方法,该方法融合不同雷达的观测信息,对不同频带的雷达观测在统计相关域上进行积累,最后进行检测。仿真结果表明,与传统的融合检测方法相比,新方法能够显著提高融合处理后的信杂比,有效提高海上目标检测概率。     

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。