基于EMD和盒维数的固定微弱目标检测

为了对强海杂波中的固定微弱目标进行检测,论文提出了基于EMD和盒维数的目标检测算法。该算法首先采用EMD方法在时域内提取海杂波的低频分量,并计算低频分量的盒维数,然后利用盒维数对固定微弱目标进行检测。与仅基于盒维数的微弱目标检测算法相比,该算法扩大了固定目标对海杂波盒维数的影响,明显提高了对固定微弱目标的检测概率。      

基于特征的海面低速小目标检测工程算法

为了提高海面雷达对海漂浮小目标检测能力,提出了一种基于目标时频特征的检测算法。首先,验证了从接收的时间序列中提取的相对多普勒峰高、相对多普勒偏移、相对多普勒熵等特征在时间维度上可以有效地区分海杂波和小目标;其次,构造了特征检测器,给定虚警概率下的判决区域由凸包算法确定;最后,根据实测数据对算法进行了检验。结果表明：当虚警概率为0.01时,采用双特征检测器可在512个脉冲下完全区分海杂波和实测小目标,双特征检测算法优于传统动目标检测算法。     

海杂波背景下目标的联合特征差异检测

针对低信噪比海情下的小目标检测效果不理想的问题,利用消除趋势波动分析法提取海杂波分形参数,分析了海杂波的功率谱及其熵特征,提出了海杂波背景下的联合特征目标检测方法.在雷达回波中提取海杂波的分形参数和功率谱熵特征组成二维向量,利用凸包训练算法获得纯海杂波判别区域,同样对先验知识下的待测海杂波提取这两个特征参量,以此特征参量所对应的点是否在此判别区域内来判别是否存在目标.利用加拿大IPIX雷达数据,证明了所提算法优于用单个特征差异作为统计量的方法,在相同虚警概率下检测效果明显提高,为雷达目标检测提供了新的检测方案.     

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...     

基于变换域分形的海面小目标快速检测

针对传统海杂波中分数阶傅里叶变换(FRFT)域分形检测算法确定最优阶次困难、性能不稳定等问题,提出改进的变换域分形的海面小目标快速检测算法。新算法利用快速估计算法快速确定目标回波在FRFT变换的最优阶次,目标回波经FRFT变换后使得能量得到积累,提高回波信杂比。在此基础上,利用优化多重分形去趋势波动分析算法(IMFDFA)进行海杂波的多重分形研究。对IPIX雷达实测数据进行目标检测,实验证明：新算法中提出的最优阶次寻优算法性能稳定;与传统算法分形结果对比,新算法性能得到明显改进且更稳定,在一定程度上有利于算法应用于检测海面小目标。     

海杂波多分形特性分析及小目标检测技术研究

为判定海杂波是否具有多重分形特性,采用小波模极大值法和多分形消趋势波动分析法对任一距离单元的实测海杂波数据进行分析,提出一种基于时间-距离单元-幅度图法对多距离单元海杂波数据进行分析,分析结果表明海杂波具有多分形特性,尤其是海杂波数据含有小目标情况更为明显。通过分析还发现当Rényi参数q<0时,距离单元含小目标的广义分形维明显大于其它距离单元只含海杂波的广义分形维;而当q>0时,这种规律不是很明显,因此提出一种基于不同距离单元间广义分形维偏差的方法来检测海杂波背景下小目标,实验结果表明该方法是有效的。      

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。     

基于标签传播算法的海面漂浮小目标检测方法

在高分辨体制下海杂波与海面小目标具有复杂的特性,特别是对于雷达散射截面积较小的海面漂浮目标,传统的检测方法性能不佳。为了突破临界信杂比情况下的检测性能,可以提取雷达回波的一种或者多种特征,从而进行特征检测,该方法是实现临界信杂比情况下有效检测的重要途经。目前,在3维及以下的特征空间中可以使用凸包学习算法计算判决区域并有效地控制虚警概率,但是在3维以上的特征空间中凸包学习算法计算复杂度提高,难以进行检测。针对这个问题,该文提出一种基于标签传播算法的海面小目标检测方法,它突破了凸包学习算法的维数限制和决策域必须为凸集的形状限制,能够在高维特征空间进行检测并有效地控制虚警。经过实测数据集验证,基于标签传播算法的海面小目标检测方法在0.512 s和1.024 s的观测时间内分别获得了88.4%和92.0%的检测概率,相比于基于K近邻(KNN)的检测器有了3.3%和2.8%的检测概率提升。     

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。      

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。     

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.     

基于对角积分双谱的海面慢速小目标检测方法

针对海杂波背景下雷达对海面慢速小目标探测技术难题,该文提出一种基于对角积分双谱的三特征融合检测方法。该方法首先从待检测信号的估计双谱中获得对角积分双谱,而后根据海杂波单元与目标单元之间的非线性耦合差异性,进一步从对角积分双谱中提取峰值、质心频率、谱宽3种特征。考虑到扫描模式下雷达采用的相干脉冲数通常较少,易导致特征不稳定,进而影响海杂波与目标可分性,为此,通过多帧扫描历史数据和当前帧数据的综合应用,对谱特征进行积累得到累积峰值、全变差、累积谱宽3种累积特征。最后采用凸包分类算法,在三特征空间进行融合检测。经实测CSIR数据集验证,在同等参数条件下,该文检测方法相比已有基于时频三特征的检测方法,基于幅度、多普勒三特征检测方法和分形特征检测方法具有更好的检测性能。     

DFA在海杂波标度特性分析及目标检测中的应用

采用消除趋势波动分析(DFA)方法,研究了非平稳海杂波的标度特性及其参数表征问题,并提出了一种基于标度特性差异的目标检测算法。首先,在海杂波建模为分数布朗运动模型的基础上,对比分析了DFA和波动分析(FA)得出的标度特性,并初步解释了交叉标度现象出现的机理。然后,在假定相邻尺度范围内海杂波与理想分形模型相吻合的前提下,引入分段标度指数来表征海杂波标度特性随尺度的变化关系,分析结果表明,在特定的尺度范围内该参数可以有效区分目标单元与海杂波单元。为此,以该尺度范围内的分段标度指数均值为检验统计量设计了一种新的目标检测算法,并对尺度区间范围的选取、检测性能等问题进行了分析。实测数据中的检测性能证实了检测算法的有效性。      

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。     

基于分形特性改进的EMD目标检测算法

为克服原有检测算法在目标和海杂波混叠时检测性能下降的问题,该文提出一种基于分形特性改进的经验模态分解(EMD)目标检测算法。该算法对原始信号经经验模态分解后得到的固有模态函数进行数据重构,再采用快速傅里叶变换获得去噪后的海杂波单元和目标单元的频谱,计算两者的单一Hurst指数,并将其输入非参量检测器中进行目标检测。研究表明,虽然目标和海杂波在频谱中难以区分,但两者在无标度区间内的单一Hurst指数存在差异,因此所提检测算法相比于原有频域检测算法性能更优。