基于BP神经网络的海上目标检测

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响,提高MUSIC算法的检测性能,用BP神经网络实现海杂波预测和对消.利用神经网络的可对任意非线性函数模拟的特性,对展宽的海杂波进行模拟.用模拟后的结果实现一阶海杂波的对消,来满足MUSIC算法的应用条件.最后,用MUSIC算法分辨海上目标的方位信息.实验结果表明,对消前后目标背景噪声子空间特征值发生改变,对消后更接近于MUSIC算法的假设条件,提高了MUSIC算法的检测性能,扩大了MU-SIC算法的应用范围,实现在非高斯噪声背景条件下应用MUSIC算法检测目标.     

天波雷达短驻留时间下海杂波抑制的改进算法

在高频天波雷达的舰船目标检测中,为消除电离层变化带来的谱展宽效应,采用了短驻留时间下基于奇异值分解(SVD)的海杂波抑制算法.该算法对构造出的Hankel矩阵进行奇异值分解,将对应于海杂波分量的奇异值置零,再重新构造出数据序列,达到海杂波抑制的目的.相对于原有的迭代杂波对消算法,该算法无需估计众多参数及设置对消截止门限,并且可以获得更好的抑制效果.为了有效地识别分解后的海杂波与目标所对应的奇异值以避免错误对消,还提出了一种改进方案,可以在抑制前分辨出海杂波分量和目标所对应的奇异值,当回波目标的能量与海波处于相近量级以及多目标情况下,能够避免错误对消现象的出现.仿真结果验证了所提算法的有效性.     

多DSP处理器系统在超分辨测向处理器中的应用

介绍了4片ADSP21160组成的高速超分辨测向处理器，该处理器提高了系统的处理速度，实现了对目标测向的MUSIC算法研究了高速并行处理技术，该方法推动了MUSIC算法的工程应用．最后，将ADSP21160与TMS320C6201分别组成的处理系统进行了比较，实验结果证明ADSP21160更适合用在超分辨测向处理器中．     

改进的MUSIC算法用于雷达海上目标检测

海杂波的存在严重影响了雷达检测海上目标的性能,海杂波的建模与抑制方法是其研究的重要方面。首先介绍了高频雷达海杂波的产生机理,然后建立海杂波的信号模型。在信号模型的基础上,研究抑制海杂波以及提取目标信号的方法,主要研究对比了SVD和MUSIC方法。利用海杂波信号模型产生满足条件的模拟杂波以及目标信号,仿真出抑制海杂波以及提取目标信号的过程,仿真结果可以验证方法的有效性。     

基于线性与非线性模型的海杂波预测

为对海杂波进行准确预测,根据海杂波具有的非线性不确定性,应用线性和非线性预测理论建立预测模型.针对logistic混沌映射信号和IPIX实际海杂波数据背景下的弱目标,分别采取基于自回归(AR)的线性模型、基于径向基神经网络(RBF)和Volterra级数滤波器的非线性模型进行预测.实验结果表明:非线性预测模型更适合于混沌背景下,因其目标和杂波的预测误差相差较大,可采取非线性预测并设置门限的方法进行目标检测;对于IPIX雷达数据,其混沌特性较logistic弱,目标和杂波的预测结果相差不大,可采用似然比检测方法.     

海面小型快速运动目标的探测方法

常规扫描相关积累(SIC)算法在探测快速运动目标时易失效，提出了一种与海杂波抑制技术相结合的新型SIC算法．新算法由两分支组成：一个分支通过扫描加权对杂波进行衰减；另一分支确保快速目标的探测。应用海杂波抑制技术可以进一步提高信杂比，降低雷达检测门限，增大小目标的检测概率．仿真结果表明，本方法显著提高了舰载雷达探测小型快速运动目标的能力．     

基于微波多普勒雷达的海杂波区小目标特征联合检测

针对海杂波区小目标回波能量较弱,多普勒域与海杂波接近甚至重叠的特点,采用特征联合检测算法提高目标检测性能。首先,对雷达回波进行中位数自适应杂波抑制预处理;然后,对待检测单元提取多普勒峰值、峭度和熵值特征,形成特征向量,对残余杂波训练单元采用凸包算法获得判别区域;最后,以判别区域是否包括待检测特征向量对应点初步判断目标有无,再根据凸包混合积分布设定恒虚警门限滤除虚警。实测微波多普勒雷达数据处理结果表明,目标检测结果和实际情况一致。采用蒙特卡洛仿真对算法性能进行分析,表明该算法的检测性能优于对比算法,为雷达海杂波区目标检测提供了新方案。     

一种面向EBPSK卫星被动雷达的改进多源PHD算法

为提高对海杂波干扰下空中目标的跟踪性能,讨论了海面-目标二次反射模型,分析了EBPSK调制方式的卫星被动雷达系统特点,在此基础上开展多目标跟踪研究.由于经典的概率假设密度(PHD)滤波不适用于海杂波空间分布不均匀的卫星EBPSK信号多目标跟踪,提出了面向卫星被动雷达系统的多源改进算法.该算法首先对各卫星信息使用经典PHD滤波进行预测和更新,然后在修整步骤进行多卫星信息融合.仿真结果表明:该改进算法能够适应被动卫星EBPSK信号的特性,避免海杂波造成的虚假目标,目标数估计优于经典的PHD滤波算法,具有工程应用前景.     

FRFT域内的海杂波多重分形特性与目标检测

如何从海杂波中检测小目标是雷达信号处理研究中的一个热点问题.海杂波具有多重分形特性,利用海杂波和目标回波分形特性的不同进行区分:海杂波的复杂性决定了其分形维值一般较大,而海面目标由于表面规则平滑而分形维值较小.实际检测小目标时,海杂波较强,需要对其进行抑制,提高信杂比.分数阶傅里叶变换(Fractional fourier transform,FRFT)是一种提高信杂比(Signal to clutter ratio,SCR)的良好方法:动目标经过FRFT后,在最佳变换域可形成峰值,而海杂波难以积累出有效峰值.结合这些特性,本文提出了在FRFT域内多重分形特性联合检测小目标的方法.在多重分形基础上,比较了时域和FRFT域分形维轨迹,证明了FRFT能有效聚集目标单元能量,加大了纯海杂波与目标的差异.将FRFT域多重分形维和截距联合起来作为检测小目标的二维判决空间,用实测数据证明了海杂波和小目标在判决空间存在明显的差异性,验证了本文所提方法有效地提高了海杂波中小目标检测的能力.     

改进的高频天波雷达空间谱重构算法

提出一种适用于波束形成后数据的改进的高频天波雷达空间谱重构算法．由于不同接收阵元的目标相位叠加在波束形成后的数据中,当缺少独立阵元输出数据时,已有算法对相同波束宽度内的相干目标难以形成可分辨的空间谱．为此,利用伪逆变换处理波束形成后的数据以获得等效阵列数据,通过结合Toeplitz矩阵构造方法和MUSIC算法重新构造了空间谱,从而实现了相干目标的超分辨处理并改善了方位估计精度．仿真分析了所提方法的有效性以及不同的加权窗对其性能的影响．     

声纳探测信号自适应脉冲噪声对消算法

针对浅海环境噪声严重影响声纳探测信号检测性能的问题,提出了一种非线性变换的自适应脉冲噪声对消算法。算法首先对回波信号和参考通道噪声信号同时进行非线性变换,对脉冲噪声进行软阈值滤波,在此基础上,采用最小均方误差算法实现自适应噪声对消,可获得稳健的收敛性能。α-稳定分布脉冲噪声条件下的仿真和某次实验中的声纳探测回波信号处理证明了算法的有效性。     

基于神经网络的自适应噪声抵消器的研究

在系统阐述了自适应滤波器和自适应噪声抵消器基本原理的基础上,利用神经网络的特点,设计了基于四层神经网络的自适应噪声抵消系统,克服了传统自适应滤波器需要两路输入信号统计相关的特点。理论分析和计算机仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声消除能力和鲁棒性。     

复合高斯海杂波模型下最优相干检测进展

 不同于噪声背景下的目标检测,增加雷达发射功率对海杂波背景下的目标检测性能并不能带来重大的改善,因此海杂波的精细化建模和海杂波特性的充分利用成为改善目标检测性能的最重要途径。复合高斯模型是目前广泛使用的海杂波模型,为海杂波特性的精细描述提供了有力工具,而相应的最优检测理论和方法为目标检测性能改善提供了技术支持。本文综述复合高斯海杂波模型下最优及近最优相干检测理论和方法。首先,对K分布、广义Pareto分布及逆高斯纹理3种复合高斯模型进行了概述,并介绍了3种模型下已有的最优及近最优检测方法;然后,对目前复合高斯杂波加噪声混合模型下相干检测方法的进展和应用瓶颈进行了分析;最后,针对未来该方面研究的进一步完善,探讨了几种计算可实现近最优检测方法的研究思路。     

非高斯噪声背景下的自适应信号提取方法研究

为实现对非高斯背景噪声干扰条件下用信号的提取,将BP神经网络作为自适应噪声对消滤波器,以与干扰噪声强相关的噪声源作为参考噪声,实现对背景噪声的抑制,达到了有用信号提取的目的。BP神经网络自适应噪声对消技术不仅适用于线性相关参考噪声,同时也适用于非线性相关参考噪声,可以有效提高信号传递和接收的信噪比。     

基于遗传算法的多传感器自适应噪声抵消器

讨论了同一噪声源多传感信号的自适应噪声抵消器的设计方法·针对同一信号源的多传感信号,采用快速遗传算法获取多路信息融合器(LC)的权系数及自适应噪声抵消器的系数,克服了基于梯度的搜索算法和随机搜索等算法获取最优滤波器参数难的问题·利用遗传算法自适应调整LC的权系数,克服了采用并行噪声抵消器的输出平均作为估计信号时,可能造成估计误差太大的缺陷·仿真结果表明,该自适应噪声抵消器的设计方法,不仅实现简单、运行时间短,而且充分利用了多传感信号的信息,其去噪效果良好·     

基于粒子群算法的自适应滤波器研究及应用

针对神经网络自适应滤波器易于陷入局部极小的缺陷,采用抑制局部最优的粒子群算法优化神经网络的权系数,设计了基于改进粒子群算法训练的三层神经网络的自适应滤波器,并将其应用于自适应噪声抵消器.仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声抵消能力,信噪比大大提高.     

一种变步长符号梯度脉冲噪声对消算法

针对最小均方误差(least mean square,LMS)自适应噪声对消器在脉冲噪声干扰条件下实现噪声对消失效的问题,提出了一种变步长符号梯度最小均方误差(variable step size sign LMS,VSSLMS)脉冲噪声对消算法?VSSLMS算法利用符号函数对误差信号?参考噪声信号取符号运算构成符号梯度? 符号算子的量化操作可以抑制脉冲噪声对自适应算法的影响,为进一步提高VSSLMS脉冲噪声对消性能,采用误差功率归一化准则设计步长控制函数,给出了一种变步长算法,该算法能减小由于符号算子引入的量化误差对收敛速度和收敛精度的影响?利用计算机仿真把提出的VSSLMS脉冲噪声对消算法与改进的归一化LMP算法(MNLMP)进行了比较,结果表明,VSSLMS算法具有更快的收敛速度,同时具有与MNLMP算法相近的稳态剩余误差?因此,VSSLMS算法在脉冲噪声对消中具有实际应用价值?