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.     

基于固有模态奇异值熵的微弱目标检测算法

为检测海杂波中的微弱目标,文中首先提出采用固有模态函数构建海杂波的特征矩阵,解决采用延时嵌入法构建时间序列的特征矩阵时嵌入维数和延迟时间难以确定的困难,然后经奇异值分解获得海杂波的固有模态奇异值,并分析海杂波固有模态奇异值的特点以及目标的影响。分析发现,当目标出现时,海杂波的后6个固有模态奇异值明显增大,而固有模态奇异值熵可以描述目标对海杂波固有模态奇异值的这种影响。在此基础上,文中提出了采用固有模态奇异值熵检测微弱目标的方法。仿真结果表明,与基于盒维数的微弱目标检测算法和多脉冲单元平均恒虚警检测算法相比,该文所提算法的检测性能较好。     

基于IMF方差特性差异的目标检测技术

为提高海杂波中慢速目标的检测性能,该文提出了一种基于IMF方差特性差异的目标检测技术。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分段数据重构,计算前端IMF分量与后端IMF分量的方差比,并将其输入非参量检测器中进行目标检测。研究表明,相比于海杂波单元,目标单元有更小的前后端IMF分量方差比,适用于慢速目标的检测。     

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。     

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。     

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。     

基于固有模态能量熵的微弱目标检测算法

该文分析了海杂波能量在各固有模态函数(IMF)间的分布特点,研究了目标对海杂波能量在各IMF间分布的影响。研究发现,无目标时,海杂波的能量主要集中于先分解出的3个IMF中,而当目标出现时,海杂波的能量将向后分解出的6个IMF扩散,且固有模态能量熵恰能描述目标出现引起的海杂波能量分布的这种变化,因此该文提出了采用固有模态能量熵检测微弱目标的算法。仿真结果表明,与基于盒维数的微弱目标检测算法、频域CFAR检测方法和多脉冲CA-CFAR(100个脉冲)检测算法相比,该算法的检测性能较好,有效增强了雷达对海杂波中微弱目标的检测能力。     

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。     

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。     

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。      

基于局部Hilbert谱平均带宽的微弱目标检测算法

该文采用实测海杂波数据分析了目标出现频段内海杂波局部Hilbert谱的脊线及其平均带宽,研究了目标和天线极化方式对海杂波局部Hilbert谱脊线及其平均带宽的影响。研究发现,目标的出现将导致目标所处频段的海杂波局部Hilbert谱脊线起伏趋于和缓,局部Hilbert谱平均带宽减小,在此基础上,借鉴恒虚警检测技术提出了一种新的微弱目标检测算法。该算法先采用目标所处频段的局部Hilbert谱脊线计算平均带宽,以提取目标与海杂波的差异,然后将平均带宽作为检测统计量,实现对海杂波中的微弱目标进行检测。与基于海杂波盒维数的方法和单元平均恒虚警(CA-CFAR, 100个脉冲)方法相比,该方法有效提高了对海杂波中微弱目标的检测性能。     

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...     

稳健的机载预警雷达多通道海杂波抑制方法研究

在机载预警雷达对海洋背景运动目标的探测过程中,雷达平台的高速运动状态使得海杂波多普勒谱发生严重展宽现象,影响目标的检测性能。针对此问题,空-时自适应处理是一种有效的杂波抑制技术,该技术利用杂波的空-时2维耦合特性进行杂波抑制。但相对于陆地杂波而言,海杂波的内部复杂运动特性使得杂波空-时谱发生展宽现象,导致杂波多普勒频率与空间锥角不再保持一一对应关系,从而影响杂波抑制效果。针对海杂波的运动特性,该文提出一种稳健的基于子空间投影的杂波抑制处理算法,所提算法通过滤波凹口自适应展宽技术和先滑窗滤波后自适应处理技术来提高杂波抑制的稳健性。最后通过仿真的海杂波数据和实测海杂波数据验证了所提算法的有效性。     

基于Hilbert谱脊线盒维数的微弱目标检测算法

 在目标检测领域,分形理论中的盒维数常被用来检测海杂波中的微弱目标,但直接采用盒维数检测目标却得不到的较好检测性能.为提高采用盒维数检测目标方法的检测性能,文章在Hilbert-Huang变换域分析了实测海杂波数据的Hilbert谱脊线盒维数特性以及目标的影响,提出了采用Hilbert谱脊线盒维数检测目标的方法.仿真结果表明,目标出现时海杂波的Hilbert谱脊线盒维数明显减小,采用Hilbert谱脊线盒维数检测海杂波中的微弱目标能够获得较好的检测性能,其性能要优于直接采用盒维数的目标检测方法和多脉冲单元平均恒虚警检测方法的检测性能.     

基于局部Hilbert边际谱隶属度的微弱目标检测算法

文章采用Hilbert-Huang变换处理海杂波数据,获得海杂波的Hilbert边际谱,并分析了海杂波的Hilbert边际谱特点及其目标的影响。分析发现:无目标时,海杂波信号的Hilbert边际谱的谱宽较宽,低频成份较弱;而当目标出现时,其谱宽明显变窄,低频成份明显增强。为了描述目标对海杂波Hilbert边际谱的这种影响,将隶属度引入Hilbert边际谱,并采用目标出现频率处的海杂波局部Hilbert边际谱计算隶属度,通过分析发现,目标出现时,该隶属度明显减小,在此基础上,提出了基于局部Hilbert边际谱隶的微弱目标检测算法。仿真结果表明,对于实测和仿真目标数据,该算法都具备较好的检测性能,其检测性能明显优于基于盒维数的微弱目标检测算法、频域检测方法和多脉冲CA-CFAR检测算法的检测性能,对海杂波中的慢起伏目标具备较强的检测能力。      

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。      

一种基于压缩感知的地面运动目标检测方法

针对实际非均匀环境空时自适应处理(STAP)难以获取足够独立同分布样本的问题,该文提出一种基于压缩感知的运动目标检测方法。该方法首先将待检测距离门的回波数据变换至2维频率域进行能量积累,并构造相应2维频率域的冗余字典,然后利用贝叶斯压缩感知技术提取若干强静止散射点谱峰,估计杂波谱能量支撑区,最后通过基于加权的最小l1范数优化模型实现杂波抑制与运动目标检测。理论分析及仿真实验结果表明该方法具有较高的角度和多普勒分辨率,并且在低信噪比情况下也可以获得良好的检测效果。     

基于子带矩阵CFAR的海面慢速小目标检测算法

对于K分布海杂波环境下的目标检测,基于信息几何理论的矩阵CFAR检测器是一种有效的目标检测方法。但矩阵CFAR方法计算复杂度高且当目标多普勒频率严重偏离杂波频谱中心时,其检测性能不如自适应归一化匹配滤波器(ANMF)方法,影响其实际应用。为此,该文以滤波器组对接收信号进行滤波处理,提出一种基于滤波器组子带分解最大特征值的矩阵CFAR检测方法(FD-MEMD),通过双杂波抑制来解决目标多普勒频率偏离杂波频谱中心时矩阵CFAR方法失效的难题。最后,仿真实验验证了所提FD-MEMD具有较好的检测性能。