基于实测数据的分时全极化雷达海杂波分布研究

首先基于IPIX分时全极化雷达的海杂波实测数据,分析了瑞利分布、韦布尔分布、对数正态分布和K分布对实测数据的拟合效果,发现对数正态分布拟合水平极化接收通道的杂波数据效果较好,K分布拟合垂直极化接收通道的杂波数据效果较好,但是仍然存在海杂波"拖尾"区域拟合不理想的情况.为此,假设海杂波中的布拉格散射体的回波服从K分布,离散海尖峰的回波服从对数正态分布,海杂波整体服从K分布和对数正态分布的叠加混合分布,提出了一种具有闭式表达式的混合分布,以改善海杂波分布"拖尾"部分的拟合效果.实测数据分析表明,本文提出的混合分布对海杂波幅度分布的拟合效果优于对数正态分布和K分布.     

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.     

Floating small target detection in the sea clutter via block-whitened clutter suppression

It is always a difficult task for the marine surface surveillance radar to detect the floating small target embedded in the sea clutter. Considering the non-uniform and non-stationary nature of sea clutter, the block-whitening strategy is used to suppress the clutter. By analyzing the differences between the energy distributions of the clutter-only returns and those of the returns with the target in the time-frequency (TF) plane, a TF feature is extracted via the TF-ridge-aided Hough transform. A detector using the TF feature is proposed. Experimental results for the IPIX radar datasets show that the proposed detector attains a better detection performance than the fractal-based detector in a relatively short observation time.     

基于门控循环神经网络的海杂波幅度预测

海杂波是雷达在海洋表面采集到的海面电磁散射回波.受海洋环境要素（风速、风向、浪高、浪向等）和雷达参数的影响,其幅度随时间具有随机起伏性,海杂波的幅度预测精度的提高有助于增加目标检测准确度.本文结合海杂波非高斯非线性的特点,提出了基于门控循环神经网络的海杂波幅度预测方法.通过对IPIX雷达和P波段雷达海杂波实测数据的预测分析,结果表明,本文方法相对已有传统方法具有更高的预测精度.     

一种基于知识辅助的CFAR检测器

针对单元平均恒虚警率（CA CFAR）检测器存在的杂波边缘效应问题,研究了一种基于知识辅助的CFAR检测器,该检测器由两部分组成：数据选择器和传统的CA CFAR检测器。数据选择器利用GIS提供的先验信息对参考单元进行筛选,尽可能地选择与待检单元（CUT）地貌相同的训练样本,也就是说选择相对CUT为均匀的参考单元,级联的CA CFAR完成检测判决。最后,通过IPIX雷达实测数据,从虚警个数和检测两个方面与传统的CFAR检测器进行了详细的比较。仿真结果表明,基于知识辅助的CFAR检测器具有更优的性能。     

雷达海杂波尖峰时频分布特性研究

对雷达海尖峰进行了重新定义,使用短时傅里叶变换、平滑伪维格纳分布以及平滑内维格纳分布的重排形式3种工具分析了IPIX雷达杂波数据的单个距离分辨单元内海尖峰与时频分布之间的关系。研究表明,伴随海尖峰的发生,杂波对应的时频能量分布也较强。     

基于高尺度分形差量的海杂波背景下小目标检测

为了降低复杂海情对海杂波背景下小目标检测的影响,提高微弱信号检测准确度,文中采用多重分形去势波动分析法分析了海杂波数据在高尺度条件下的分形特性,将分形尺度q 扩展到[-30,30],对多重分形参数H(q)的估计进行了研究,得到了高尺度分形差量驻H(q),分析了尺度q 的选取对驻H(q)的影响,提出了一种基于高尺度分形差量的海杂波中小目标检测方法。实验结果表明:IPIX 海杂波数据的分形特性受到海情和雷达极性的影响,选择高尺度指数q 时,所提方法能够有效地区分动目标与纯海杂波之间的分形差异性,降低海杂波背景下小目标检测对海情的依赖性,相较于单尺度去势波动分析检测方法,大部分海情的检测门限提高了40% 以上,发挥了海杂波数据在高尺度多重分形上的优势。