实测海杂波频域分形特性分析

该文主要研究海杂波在频域中的分形特性以及不同参数对频域分形特性的影响。首先,该文以分数布朗运动(FBM)为例,较为系统地阐述了在时域FBM具有分形特性的前提下,FBM频谱也具有分形特性。然后,采用X波段与S波段实测海杂波数据验证频域中海杂波的分形特性,并分析了不同参数对频域海杂波分形特性的影响。结果表明,实测海杂波频谱在统计意义下满足自相似条件,具有分形特性,且频域分形特征对海杂波与目标回波表现出一定的可分性,具有在海杂波微弱目标检测中应用的潜力。     

基于分数布朗运动模型的激光雷达目标检测

研究和分析了激光雷达目标回波与杂波背景的分形特性,以分数布朗运动(FBM)数学模型为基础,通过对不同信噪比(SNR)激光雷达回波的分析,初步证明了激光雷达回波具有布朗运动的特征。针对激光雷达杂波数据具有布朗运动的增量统计自相似性,激光雷达杂波能与分数布朗运动较好地匹配,因此可以采用布朗运动模型对激光雷达回波数据进行分析处理。当信噪比比较低时,杂波和含有目标的回波信号的分形维数比较接近,发生重叠,单靠单一的分形维数无法检测出目标。针对这一问题,分析杂波和目标信号在不同尺度上的分形维数,提出基于不同尺度分形维数的变化特征进行目标检测的算法,即基于多尺度分形维数的目标检测算法。理论分析和实验结果表明该方法具有较高的可靠性和准确性。     

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。     

分形模型在海上雷达目标检测中的应用

在海杂波背景下进行了有效的海上目标检测是相当困难的。本文研究了海上目标雷达问波与海杂波的分维特性，提出了一种基于海面散射分维特性的检测方法。该方法以处处连续而不可导的非平稳不规则信号模型－分数布朗运动作为数学模型，提取出海杂波与目标回波的多种分维参数，并利用其固的差异进行检测。该方法用于仿真的舰船雷达弱目标的回波，取得了较好的检测效果。     

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。     

S波段雷达实测海杂波混沌分形特性分析

S波段海杂波信号表现了非线性和频谱时变性,传统的谱分析方法,无法反映该信号在时间上的演化规律。该文首先引入分形布朗运动模型,基于S波段雷达实测海杂波数据,计算了该分形模型的海杂波Hurst指数,进而求得了其分形维数。然后利用经典的Rosenstein方法,计算了S波段实测海杂波的最大Lyapunov指数,从而证实了S波段雷达海洋回波信号具有混沌分形特性。最后进行了计算机实验,验证了本文的结论。该文的工作为S波段海洋雷达的目标探测提供了一种新的途径。     

一种新的高频雷达海杂波的分形模型

利用分形理论建立的海杂波模型具有巨大的潜力,在高频雷达海杂波多重分形特性的基础上建立了高频雷达海杂波的时域分形模型。通过对韦布尔分布、对数正态分布、瑞利分布和K分布4种最常用的海杂波的概率密度函数的比较分析并利用修正的Kolmogorov-Smirnov(K-S)统计检验,得出了高频雷达海杂波的时域模型具有先验的统计特性的结论,证明了新的海杂波时域分形模型的合理性,这对于高频雷达海杂波建模与仿真及其背景下目标检测研究具有现实意义。     

扫描模式下海杂波的多分形布朗运动模型

为了提高航海雷达目标检测性能,该文主要研究多分形布朗运动在扫描模式下雷达海杂波分形建模中的应用。该文验证实测海杂波数据具有非对称和尖峰厚尾的非高斯统计分布,并且具有分形特性;同时也证实实测数据在一定的情况下满足多分形布朗运动的假设条件。在此基础上,利用多分形布朗运动对实测数据进行建模,计算得到随时间变化的Hlder函数,结果显示不同距离区域的Hlder指数是不同的,目标处的Hlder指数大于海杂波处的H?lder指数。该文研究结果对后续目标检测方法的提出具有很大的帮助作用。     

海杂波FRFT域分形特征判别及动目标检测方法

该文研究了海杂波在分数阶Fourier变换(FRFT)域的分形特征,提出了一种基于分形特征差异的联合动目标检测方法。首先,分析了海杂波数据在FRFT域的统计特性,通过对不同极化方式下分形曲线的仿真分析,得到海杂波在FRFT域满足自相似性。其次,给出了分形参数的提取方法和无标度区间,并分析了变换阶数对分形参数估计的影响。最后,利用临近距离单元或临近时刻的雷达回波信号在FRFT域的分形维数和斜距的差值作为检测统计量,经不同极化方式下的海杂波数据验证,表明算法不仅具有良好的微弱动目标检测能力,而且能够准确估计目标的运动状态。     

实测海杂波数据的多重分形特性分析

为充分描述海杂波时变特性和局部奇异性,将多重分形理论应用到雷达海杂波特性分析中,理论分析了海杂波的多重分形参数,并进一步分析了实测海杂波数据的多重分形谱、质量指数和奇异指数,结果表明海杂波具有明显的多重分形特性,该分析方法可以很好地解释海杂波内在非线性特性,并比传统的统计特性分析方法更加能确切地描述杂波的产生机理,为基于多重分形特性的雷达目标检测提供了依据。     

基于WVD-HT的宽带调频信号检测技术研究

本文研究高斯白噪声背景下和混响背景下基于Wigner-Ville Distribution -Hough Transform (WVD-HT)时频分析方法的主动声呐宽带LFM脉冲信号的检测问题.给出了理论实现方法和相应的仿真结果.分析结果表明:WVD-HT方法在信噪比为-20dB左右仍可很好的抵消干扰背景,取得了比较理想的LFM检测效果.这一结果远优于拷贝相关器的性能.     

采用改进型时频滤波的海杂波抑制方法

海洋环境下，海杂波具有明显的非平稳、非高斯特性，海杂波谱中心频率不固定、谱宽较宽，严重影响了雷达对海面目标的检测。传统的频域滤波器难以对复杂多变的海杂波进行有效抑制。本文通过分析海杂波的时频谱频率变化特征，定量计算各距离单元时频谱的中心频率平滑度，提出了采用基于时频谱能量分布的改进型时频滤波方法进行海杂波抑制。通过实测海杂波数据对杂波抑制效果进行分析，验证了该算法能够有效滤除海杂波信号和保护低速目标信号能量，提高目标信杂噪比，对提升雷达检测能力具有重要的作用。      

非高斯杂波中知识辅助的信号检测算法

杂波的非高斯性会严重影响到常规信号检测算法的性能,提高非高斯杂波中信号检测性能是雷达信号检测领域的一个研究重点。本文考虑了一种在非高斯杂波中,利用先验信息进行信号检测的方法。假定杂波统计特性满足复合高斯模型,即可以表示为散斑分量与纹理分量的乘积。选择逆伽马分布作为纹理分量的先验分布,基于贝叶斯方法,给出了一种知识辅助的信号检测算法。计算机仿真结果表明,该检测算法的检测性能优于常规的自适应检测算法。进一步,本文采用McMaster大学的IPIX雷达海杂波数据作为研究对象,利用最大似然估计获得杂波非高斯性的先验信息,分析了该算法在实测数据中的检测性能。分析结果表明,在不同的雷达分辨率海杂波中,该算法也具有较好的检测性能。      

海杂波背景下基于FRFT的多运动目标检测快速算法

针对海杂波背景中多运动目标检测问题,建立了目标检测和参数估计模型,结合小波包变换（WPT）的多尺度分辨能力和分数阶Fourier变换（FRFT）对线性调频（LFM）信号良好的能量聚集性的特点,提出了一种应用小波包变换的FRFT域动目标检测算法。算法采用“最小Shannon熵”标准确定最优小波树,利用阈值删除技术,对不同频段信号进行滤波,达到抑制海杂波的目的;经分数阶Fourier变换后,取峰值的绝对值作为检测统计量,与门限进行比较后判断目标的有无。采用分级迭代运算的方法估计目标参数,大大提高了运算速度,降低了运算量;借鉴“CLEAN”思想,有效地解决了强目标对弱目标的遮蔽影响。经X波段实测海杂波数据验证,算法具有良好的检测海杂波中微弱动目标的能力。      

基于海杂波分形特性的目标检测新方法

为克服海杂波分形维数值估计需要较长的数据长度的缺陷,提出了基于扫描间积累的分形维数值估计方法.首先研究了几种常用的分维值估计方法,从分维值的定义出发证明了分段分维估计方法与连续数据估计方法的等价性,然后通过迭代算法求得分形维数估计值.仿真结果表明提出的方法降低了对雷达驻留时间的要求,并且具有较小的运算量,提高了微弱目标的检测性能.该方法可以用于岸基对海雷达检测海表面微弱目标.