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。     

基于低频IMF能量比的微弱目标检测算法

为检测海杂波中的微弱目标,该文分析了海杂波的低频固有模态函数（IMF）特点以及目标的影响,发现无目标时,海杂波的能量主要集中于前3个高频IMF中,而当目标出现时,海杂波的能量将向后面的低频IMF扩散,导致低频IMF能量在整个信号能量中所占的比例明显增大,在此基础上提出了采用低频IMF能量比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,对海杂波中的慢起伏目标具备较强的检测能力。      

基于海杂波混沌特性的微弱目标信号检测

研究了实际采集的海杂波的关联维及最大Lyapunov指数。结果表明,海杂波具有混沌特性。基于复杂非线性系统的相空间重构理论和混沌信号可短期预测的特征,提出了强海杂波中的微弱目标信号检测的神经网络方法,给出了雷达检测的模型。     

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...     

海杂波中目标分数域谱范数特征检测方法

对于海上机动目标,采用分数阶傅里叶变换(FRFT)可以很好地解决其回波多普勒谱能量扩散的问题,为了使机动目标回波能量做最佳化的相参积累,需要反复搜索变换阶数,然而由于海上目标机动状态的随机性和时变性,难以搜索得到最佳变换阶数。针对这一问题,该文利用矩阵理论中的奇异值分解实现各变换阶数条件下FRFT谱的特征提取,设计特征检测统计量,提出基于分数阶域奇异值的海杂波抑制与目标检测方法,在增加利用了机动目标在FRFT域形状信息的同时避免了最佳变换阶数搜索。在高斯白噪声仿真数据评估条件下,所提方法在信杂比为–2.5 dB时可以达到60%的检测概率;经过实测数据验证,方法可以在信杂比为4.7 dB的条件下,稳定完成目标检测,具有较好的检测性能,且易于工程化实现。     

基于固有模态函数域滤波方法

本文首次提出了基于固有模态函数(IMF)域滤波方法,该方法可以用于对带噪信号的边缘检测。首先通过经验模式分解(EMD)把信号分解成有限多个IMF分量,然后对相邻尺度的IMF分量进行相关,相关运算可以凸现信号的边缘而有效抑制噪声。最后把相关后的结果与IMF分量进行逐点比较,实现对IMF分量的滤波。仿真表明了该方法的有效性。     

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.     

基于奇异值分解的图像目标跟踪算法

传统相关跟踪方法是利用模板图像与目标图像对应像素的灰度差异信息进行跟踪,它对旋转变化敏感,且存在跟踪累积误差,容易导致模板漂移而丢失目标。文中提出基于奇异值分解的跟踪算法,算法首先建立模板图像训练集合,利用奇异值分解方法,张成模板图像特征空间,然后求出模板图像在特征空间里的投影值,代替传统算法中灰度对两幅待匹配图像进行的全局搜索定位。在进行投影值间的相似性度量时,欧氏距离同等对待所有的特征向量不移合理,文中采用了一种鲁棒估计方法,可以对不同距离的值做不同处理。匹配跟踪实验效果良好。     

扫描模式海杂波中目标的多重分形检测

主要研究雷达扫描模式下海杂波的局部多重分形特征以及多重分形理论在雷达目标检测中的应用。目前绝大多数研究都是建立在雷达工作在驻留模式基础上的,而当雷达工作在扫描模式时,由于采样点数不足,一般难以运用分形理论来解决目标检测问题。将多重分形理论应用到雷达周期扫描所得回波序列中,解决采样点不足的问题,并运用模糊集理论中模糊决策的方法进行目标检测。最后,采用X波段与S波段海杂波实测数据进行验证并分析其目标检测的性能,实验结果表明文中所提检测方法对海杂波和目标具有良好的分类能力。     

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     

一种基于小波包变换的海面慢速小目标检测方法

研究了一种基于小波包变换的海杂波背景下的慢速小目标检测方法,并利用在实测海杂波数据中叠加慢速目标信号的方法对该检测方法进行了计算机仿真。仿真结果表明,与常规的动目标检测（MTD）方法相比,该方法能够以较高的检测能力对湮没在海杂波背景中的弱小目标信号进行检测。     

海杂波背景下基于RBF神经网络的目标检测

对海杂波背景下雷达目标检测的最新研究表明,海杂波具有混沌的许多典型特征.本文利用海杂波具有混沌行为这一先验信息,构造了一个神经网络预测器来重构海杂波的内在动力学,并引入一种基于混沌的检测方法对Swerling I型目标和雷达采集的实际海杂波数据进行检测分析,同时讨论了嵌入延迟τ对检测性能的影响.实验结果表明,这种检测方法能有效地实现海杂波背景下的目标检测,并且其检测性能随τ的增大呈下降的趋势.     

基于CFAR级联的SAR图像舰船目标检测算法

SAR图像舰船目标检测在军事监视和海洋环境监管等方面有着重要的意义。针对SAR图像的特点,提出了一种基于全局CFAR检测与局部CFAR检测级联的舰船目标检测算法。在全局CFAR检测中,通过海杂波特性拟合优选海杂波统计模型,以较高的虚警率筛选潜在的目标点;在局部CFAR检测中,以潜在目标点的连通区域为单位,通过检测窗口的选取、背景像素的确定和海杂波拟合等步骤以后,以较低的虚警率确定目标。最后,通过条件扩张算法和目标像素聚类完善船只细节。实验结果表明,文中算法在保证良好的检测性能的同时,具有检测效率高、舰船细节完整等优点,为舰船目标鉴别和信息提取提供了良好的保障,更加符合实际应用需求。     

基于背景杂波自适应预测的红外弱小目标检测

文章根据背景杂波和运动目标的红外成像差异,提出了两种自适应杂波预测技术的低 信噪比小目标检测方法。首先讨论了一种基于均方误差最小的自适应线性预测器,该预测器计算量小,易满足实时要求,且对平稳和线性云层红外背景图像具有很好的背景预测能力。然后提出了一种基于非线性函数可调整的BP 神经网络预测器,该预测器中的非线性函数可调整且非线性程度很高,能很好的适应各种复杂的起伏背景,特别是非平稳和非线性杂波背景。文中还通过实际的红外图像验证了两种方法的有效性。     

基于分数阶谱相减的弱目标检测方法

提出了海杂波背景下的基于分数阶谱相减的弱运动目标检测方法。该方法通过对回波信号检测单元和参考单元分别作分数阶Fourier变换(FRFT),然后将得到的两个模值相减来构成检测统计量,达到抑制杂波、提高检测概率的目的。利用IPIX实测数据实验表明,所提方法在增加目标与杂波FRFT峰值差、提高信杂比以及检测概率等方面都明显优于仅对回波作FRFT变换。在信杂比降低到-12 dB时仍能很容易地检测出目标。设置适当的恒虚警检测门限,该检测方法能够达到更好的检测效果。     

基于LGF的海杂波中微弱目标检测方法

该文主要研究了海杂波的模糊分形特性以及模糊分形理论在海杂波微弱目标检测中的应用。模糊分形理论是在融合了模糊理论与分形理论的基础上提出来的,其两个重要概念是局部模糊分形维数与局部分形度。海杂波序列的分形程度可以构造为一种模糊属性,即模糊集,其具有良好的模糊理论中定义的 “度”的概念,且对海杂波与目标具有良好的区分能力。局部模糊分形维数与局部分形度是针对短时海杂波序列进行处理的,对长时间海杂波序列进行处理可以滑动处理单元实现。经X波段实测海杂波数据验证,该文所提方法具有良好的微弱目标检测能力。