海杂波背景下的小信号检测

利用海杂波信号为混沌这一先验知识,将判决反馈RBF神经网络应用于海杂波信号的建模与预测中,设计了一个三层判决反馈RBF神经网络结构.实验结果表明,判决反馈RBF网络模型对混沌时间序列有很好的拟合能力,对比典型RBF网络结构,该方法具有较好的检测效果.     

海杂波背景下基于混沌理论的目标检测

根据海杂波具有混沌特性这一先验信息,利用RBF神经网络预测器的学习和对非线性函数的逼近能力,首先重构海杂波的内在动力学,然后引入一种基于预测误差的检测方法对微弱脉冲信号和矩形信号进行检测分析,最后得出了这种检测方法对微弱脉冲信号有较好的检测性能,信杂比改善可达43.3898 dB;而对矩形信号只在信号的起点和终点附近提高了检测性能,有类似的信杂比改善,中间各点检测不到信号,信杂比改善不大.     

海杂波背景下小目标检测的深度信念网络方法

结合深度学习相关理论,提出了海杂波背景下小目标检测的深度信念网络方法。该方法以无标签数据逐层进行非监督贪婪训练,使每层得到一个合适的初始值;构建深度信念网络初步模型,并以带标签的数据对该种模型以误差反向算法对整个网络的参数进行调优,建立预测模型;最后利用该种预测模型检测湮没在海杂波背景下的小目标信号。以加拿大Mc Master实测的IPIX雷达数据进行实验,利用均方根误差评价性能。实验结果表明,针对第54#海杂波数据,文章提出的深度信念网络方法所预测的均方根误差为0.016,与已有的选择性支持向量机集成方法均方根误差0.026 4和K均值-有效极限学习机所得的均方根误差0.042 8相比,预测精度有所提高。     

基于幅值标准偏差的海杂波背景下小目标检测

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,提出一种基于局部回波幅值标准偏差的方法来检测海杂波背景下小目标。该算法基于数学统计思想：计算相同极化方式下不同距离单元海杂波幅值的标准偏差,分析发现距离单元含有小目标主要回波的幅值的标准偏差明显大于距离单元只含有海杂波回波的幅值的标准偏差,而只含有海杂波的不同距离单元间标准偏差值变化较小,因此可以基于不同距离单元幅值的标准偏差的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下较准确地检测出海杂波背景下的小目标。     

基于有效K均值有效极限学习机的混沌海杂波背景中微弱信号检测

为了在复杂混沌噪声背景中快速准确提取有用信号,提出基于复杂非线性系统相空间重构理论,采用改进极限学习机(ELM)预测单步误差检测微弱信号的方法。采用改进K均值聚类算法选择最优族作训练集,改进极限学习机选择权值和偏置的方法进一步提高检测的精度和速度,采用Lorenz系统建立了混沌噪声序列的一步预测模型,从预测误差中检测湮没在混沌噪声中的微弱目标信号(包括周期信号和瞬态信号),然后使用加拿大Mc Master大学IPIX雷达数据,在海杂波噪声中提取漂浮物信号作为实验研究。结果表明该方法能够有效检测混沌背景噪声中极微弱信号,同时抑制噪声对混沌背景信号的影响,与径向基函数(RBF)神经网络等传统算法相比,预测精度提升了25%,检测门限提高了-5 dB,同时训练用时减少77.1 s,在实际应用中具有更明显优势。     

基于时频分析的海杂波背景下舰船目标检测

为了克服基于小波尺度谱重排的时频分析方法中时、频分辨率不佳及时频分布可读性较差等问题,本文提出了一种基于参数优化Morlet小波变换和奇异值分解的海杂波背景下舰船目标检测算法。算法首先利用Shannon小波熵作为目标函数,根据高频地波雷达信号的特点自适应地优化Morlet小波变换的时间带宽积参数,使得后续重排尺度谱的时、频分辨率同时达到最佳。然后再对重排小波尺度谱进行基于奇异值分解的降噪处理,以抑制环境噪声的影响,进一步提高时频分布的可读性。实验结果表明：与传统的时频分析算法相比,本文提出的算法具有更好的时频聚集性和较强的噪声抑制能力,能有效地检测海杂波背景下缓慢运动的匀速和匀加速舰船目标。     

海杂波的多重分形特性分析

通过对实测海杂波数据进行多重分形测度分析,判定海杂波信号具有多重分形特性。本文进一步提取表征海杂波复杂特性的多重分形参数,研究了不同条件下海杂波多重分形特性的变化特点,探讨了基于多重分形特性的雷达目标检测方法的可行性,并给出了实验结果。本文的研究为基于多重分形特性的海杂波建模与仿真、雷达目标检测提供了依据。     

奇异谱技术在混沌背景下微弱信号检测中的应用

基于预测的混沌背景下微弱信号检测成为混沌背景中微弱信号检测研究重点之一;针对现阶段从预测误差中分离微弱信号的方法缺乏深入研究的现状,提出了一种基于奇异谱分析技术从预测误差中检测出微弱信号的新方法;该方法无需目标信号的任何信息,检测精度高,而且具有很好的普适性;实验结果表明该方法性能较传统的梳状滤波器滤波性能提高20dB左右,而且具有很强的实用性和通用性.     

消除检测电路中杂波的方法

针对检测电路中遇到待测信号受杂波干扰的问题，介绍了一种能满足实际工作要求的消除杂波干扰的新型电路。     

地海杂波下机载预警雷达探测仿真

研究机载预警雷达在地海杂波背景下探测效能的变化,为提高预警机探测效能提供依据.从信号处理的角度评估机载预警雷达的探测效能,分析探测效能的指标;建立机载预警雷达探测模型、地海杂波辐射模型,利用Matalab软件仿真了预警雷达在不同地形(海情)对散射系数的影响,深入研究机载脉冲多普勒雷达在地海杂波环境中探测低空目标的过程,得出探测概率与信噪比的关系;利用VC++软件进行仿真,结果表明,提高了机载预警雷达在地海杂波中的探测效能.     

海杂波的非线性测试

时间序列的非线性检测对于非线性时间序列分析、混沌特性研究有着重要意义。讨论了时间序列的几种非线性检测方法,将代理数据产生方法中的IAAFT方法与冗余方法结合起来,对实测海杂波数据进行非线性检测。对测试结果进行分析,表明海杂波是由非线性系统产生的,应该采用非线性处理方法研究海杂波。     

Sea surface target detection based on complex ARMA-GARCH processes

In financial applications, it is common practice to fit return series by AutoRegressive Moving-Average (ARMA) models with Generalized AutoRegressive Conditional Heteroscedastic (GARCH) errors. In this paper, we develop a complex-valued ARMA-GARCH model for the sea clutter modeling application. Compared with the AR-GARCH model, the additionally introduced MA terms make the proposed model capable of considering the dependence of conditional variances of adjacent echo measurements as model coefficients, improving the modeling precision by taking advantage of the strong correlations between adjacent measurements. Based on the complex-valued ARMA-GARCH process for sea clutter modeling, we further develop a sea surface target detection algorithm. By analyzing a large number of the practical sea clutter data, we evaluate its performance and show that the proposed sea surface target detector offers a noticeable improvement for the probability of detection, comparing with the state-of-the-art AR-GARCH detector.     

基于分数阶矩和NM单纯形算法的海杂波参数估计

针对海杂波K分布形状参数和尺度参数的估计问题,提出了基于分数阶矩和NM单纯形算法的参数估计,首先采用分数阶矩估计法作为形状参数和尺度参数的初始值,然后利用NM单纯形算法进行数值搜索获得K分布形状参数和尺度参数的估计值。与实测的X波段海杂波概率密度函数对比表明,K分布优于Gamma分布和Weibull分布,其估计值与实测值最相吻合,且具有最小的均方根误差。对于一维的海杂波来讲,该方法是一种计算效率适中的算法。     

天波雷达海杂波功率谱建模与仿真

海杂波功率谱建模,是定量研究天波雷达海杂波频域特性从而为评估天波雷达对海探测性能提供理论依据的前提和难点.传统的基于产生机理的Barrick海杂波模型没有考虑天波传播环境影响,且只能获得海杂波后向散射系数值,无法获得天波雷达海杂波功率谱值和准确的变化规律.为解决上述问题,引入电离层展宽、电离层吸收损耗和洋流影响计算模型,建立了要素完整的天波雷达海杂波功率谱数学模型.根据上述模型,利用matlab软件仿真分析了不同条件下海杂波功率谱的变化特性.仿真结果表明,所建模型可获得与定性分析一致的结论,能够较好地近似实测数据,证明了模型的有效性.     

Detection in sea clutter based on nonlinear ARCH model

In this paper, a complex nonlinear autoregressive conditional heteroscedasticity (CNARCH) model is proposed to model sea clutter. For heteroscedastic model, since the likelihood function is not obtained from explicit probability density function (PDF) expression, it is typically referred to as a quasi-likelihood function. The corresponding quasi-maximum likelihood estimation (QMLE) of the model parameters is derived. Furthermore, the corresponding detection algorithm is derived based on this model. We also conduct the simulations of both synthetic and practical data, demonstrate that the proposed model offers higher accuracy in detection, than the linear ARCH model, when used in the sea clutter.     

一种改进的海杂波滤波算法

在超视距雷达的发展历程中,计算机仿真技术的出现有力地推动其技术的发展。海杂波作为超视距雷达探测中的一个主要干扰因素,严重影响到相应技术的发展。在传统计算机仿真技术中,很少考虑到滤波算法对信号的影响,这就造成目标信号在通过计算机仿真后产生较大的失真。本文针对上述计算机仿真的不足,将信号的纠正过程引入计算机仿真算法中,达到海杂波抑制和信号修正的双重目的,并通过实验与传统计算机仿真结果进行对比,较好地体现出本文所设计滤波算法的优越性。     

Intrusion Detection in Ad-hoc Networks

The rapid increase of wireless networks and mobile computing applications has changed the landscape of networks security. The traditional way to protect networks with firewalls and encryption software is no longer sufficient and effective. We need to search for new techniques to protect the wireless networks and mobile computing application. In this paper, we introduce the demands of ad-hoc environment. We focus on two areas of ad-hoc networks, wireless firewall and wireless intrusion detection. Furthermore, we particularly analyze the architecture, the problems and the challenges of current IDS techniques for wireless ad-hoc networks.