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.     

基于WL-MF海面弱目标检测算法

为有效检测海杂波背景下的弱目标,研究一种基于小波领袖多重分形(WL-MF)分析的目标检测方法.该方法采用小波领袖法分析海杂波的多重分形特性,利用海杂波与目标的多重分形参数差异实现目标检测.采用IPIX雷达实测海杂波数据对该方法进行验证,结果表明:尺度函数与多重分形谱在不同海情下对海杂波和目标均具有良好的区分能力,且与传统的多重分形去势波动分析法相比,WL-MF计算量小,更便于检测.     

经验模式分解后海杂波的分形特性

针对实测海杂波数据信号进行分析,判定海杂波信号具有多重分形的特性.鉴于海杂波是一种非线性非平稳性的雷达回波信号,充分发挥经验模式分解(EMD)的优势,并结合多重分形的特性,提出一种新的海杂波背景下的目标检测方法.首先,使用EMD方法将海杂波信号分解为若干个固有模态函数分量(IMF);然后,利用多重分形趋势起伏分析法(MF-DFA)求主IMF分量的广义Hurst指数;最后,通过实测的海杂波数据进行训练和测试.研究结果表明,该方法可有效实现海杂波下的目标探测,且性能优于经典时域和分数阶傅里叶变换(FRFT)域下的广义Hurst指数的目标检测方法.     

基于分形和粗集理论的云杂波背景下序列图像弱目标检测

提出了云杂波背景下序列图像中弱目标检测新方法.基于粗糙集理论建立了云杂波背景下弱目标检测模型,使之符合两种不同图像边缘的局部分形维的奇异值改变,根据目标和背景的时域特征完成目标检测.实验及仿真结果表明,该算法能够抑制空间和时间相关性强的云杂波背景,且算法简单.     

基于LS-SVM的海杂波混沌预测

首先引入分形Brown运动模型，基于S波段雷达实测海杂波数据，计算得到了该分形模型的海杂波Hurst指数，进而求得了S波段雷达实测海杂波的分形维数.然后利用经典的Rosenstein方法，计算得到了S波段实测海杂波的最大Lyapunov指数，从而证实了S波段雷达海洋回波信号具有混沌分形特性.在此基础上，提出了一种基于LS-SVM的海杂波混沌序列预测方法.最后进行了计算机实验，仿真结果证明了该方法具有较高的预测精度.     

预检测红外弱小目标的灰度迭代法

为了提高检测红外弱小目标的速度和精度,提出了一种用于预检测红外弱小目标的灰度迭代法。通过由红外图像X的灰度均值、最大值和抑制比定义的迭代函数系统对X的灰度值进行分形迭代来降低X中的背景灰度值和噪声灰度值,从而增强X中红外弱小目标的亮度。运用这种方法对夜空、乌云和丛林三类单帧红外图像进行分形处理,预检测效果较好。     

基于分维像的红外弱小目标检测方法

针对红外图像的特点及分形分维的特性,提出了基于分维像的红外弱小目标检测方法.用滑动窗口在红外图像上滑动,根据分形布朗运动计算出窗口分维作为该窗口中心像素的分维,这样就可以计算出图像每一像素的分形分维,并以此为元素构造成分维像.在分维像中,人造目标的分维值小于自然背景的分维值,适当地选取阈值就可以把目标检测出来.实验结果表明,用分维像的方法检测红外目标可以取得很好的效果.     

时-空相关的相参K分布海杂波的仿真

对海面目标进行ISAR成像时,会受到海杂波的影响。基于海杂波的复合散射理论,分析了海杂波的统计分布模型、时间相关性和空间相关性。采用球不变随机过程产生时间和空间相关的相参K分布海杂波。对时间相关和空间相关性的引入方法进行了分析。最后设定仿真环境产生具有时间和空间相关的相参K分布二维海杂波,结果表明了该方法的有效性。     

采用核Rayleigh商二次相关滤波器的星图自适应杂波抑制

为了实现星图中弱小星点目标的检测,提出了一种基于核Rayleigh二次相关滤波器（KRQQCF）的星图自适应杂波抑制方法.采用星图模拟方法随机产生视轴指向,根据二维高斯模型产生训练样本,提取改进的加速鲁棒特征(SURF),通过训练学习构建KRQQCF.为了快速检测目标,对待测图像首先用频域残差法检测星图中星点可能存在的显著性区域,然后提取该显著区域改进的5维SURF特征.最后,通过KRQQCF识别目标,有效抑制杂波及噪声,提高星图的信噪比.实验结果表明,该算法快速、有效、可靠.
     

复杂背景下结合颜色和分形特征的多目标检测

针对复杂自然背景下的多目标检测,提出了结合颜色和分形特征的多目标检测算法.将RGB颜色空间转换到Lab颜色空间,采用改进K-means聚类算法,去除大片背景区域,计算区域分形维数和分形拟合误差.两种分形特征相结合能够准确排除小面积背景奇异区域的干扰,检测出待测图像中的多个目标.仿真结果表明:该算法能够正确检测出复杂自然背景下的多个目标,对彩色图像分割后的保留区域求分形特征,避免了搜索目标带来的计算量.相比于对全图提取分形特征的方法,本算法在时间上缩短约80%.     

一种应用海杂波分数维检测海面目标的方法

论证了雷达海洋回波存在分形特征的可能性.大量研究表明,波浪起伏的海面及其反射的雷达回波信号都具有分形的特征.海面船只存在会改变海面及其回波信号的分数维.因此可以通过测算回波信号的维数变化达到检测目标的目的.从长时间以及大范围来看,海面运动是不规则的,但在短期以及局部范围内,海面运动是有规律可循的,可以将相邻时段以及区域间海面回波的分数维差别作为检测目标的方法,这比直接测量回波信号维数要有效得多.提出一种通过比较相邻时段、相邻距离元的雷达海洋回波信号分数维差值来检测海上目标的方法.通过对某条船航行海域的雷达回波信号数据实验数据分析,可以看到轮船的微弱轨迹.     

紧凑型地波超视距雷达海杂波区目标检测影响因素研究

针对紧凑型地波超视距雷达海杂波周边及区域内目标难以检测问题，通过相关影响因素的理论及实测数据统计分析，对系统信号积累时间选取、目标航行状态与海杂波区的关联以及实测数据的联合域展开研究,分析结果为雷达相干积累时间的选取制定了取值范围。研究表明海杂波区内远距离非机动目标潜在驻留时间超过雷达积累时间，且导致的回波多普勒变化量有限，但海杂波和目标在时空及极化域具有相对较大的差异，可作为海杂波区目标检测的重要依据。     

紧凑型地波超视距雷达海杂波区目标检测影响因素研究

针对紧凑型地波超视距雷达海杂波周边及区域内目标难以检测问题，通过相关影响因素的理论及实测数据统计分析，对系统信号积累时间选取、目标航行状态与海杂波区的关联以及实测数据的联合域展开研究,分析结果为雷达相干积累时间的选取制定了取值范围。研究表明海杂波区内远距离非机动目标潜在驻留时间超过雷达积累时间，且导致的回波多普勒变化量有限，但海杂波和目标在时空及极化域具有相对较大的差异，可作为海杂波区目标检测的重要依据。     

基于地图信息的机载雷达对海探测目标检测算法

机载雷达在对临近陆地的海面目标进行探测时会受到很强的陆地杂波干扰,海面附近的强陆地杂波会导致探测范围内虚警概率升高,严重影响雷达的对海探测性能. 针对该问题本文提出了一种基于地图信息的机载雷达对海探测目标检测算法,所提算法通过载机惯导系统提供的载机姿态及天线指向等信息计算天线波束照射区域的经纬度,并将其与地图数据匹配实现海陆分割,进而剔除陆地虚警,输出海面目标. 基于X波段雷达探测实验数据的实验结果表明,本文所提算法能够快速准确判断目标的海陆位置,通过海陆目标的筛选与剔除,提高机载雷达在陆地杂波较强的情况下对海探测性能.      

基于多背景模型的海面运动目标检测

提出一种在反射光较强的条件下基于多背景模型的海面运动目标检测方法.使用基于统计模型的变化检测方法将被监控场景区分为海浪波动显著的背景区域和海浪波动不显著的背景区域;对这两种区域中的像素点分别以Weibull分布模型和Gauss分布模型建立背景模型;使用建立的背景模型检测海面的运动目标.实验结果表明,在海面反射光较强且波浪波动较大的情况下,用该方法可以比较准确地检测到海面的运动目标.     

Radar Sea Clutter Suppression and Target Indication with a Spatial Tracking Filter

It is an important issue to study sea clutter suppression because it could interfere with the detection of targets above the sea surface severely. Spatial spectrum analyses show that the majority of sea clutter has low-frequency characteristics, compared to the high-frequency characteristics of the targets. This paper proposes a frequency-based spatial tracking filter to suppress sea clutter to facilitate targets identification. Experimental results show that the signal-to-clutter ratio can increase by more...     

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．     

基于分形的人造目标与自然物体区别

提出一种基于物体分形特征的人造目标与自然物体的区分方法.该方法根据人造目标和自然物体的固有差异,将分形维数作为估计表面粗糙度的一个重要参数,结合“毯子”维算法来计算物体表面粗糙度.该算法快速、简单、有效.实验表明,人造目标的分形维数较低,自然目标的分形维数较高,用此算法计算物体分形维数区别人造目标和自然物体是可行的.     

基于卡尔曼滤波器的背景抑制及小目标检测

提出了一种采用卡尔曼滤波器作为杂波背景预测器的小目标检测方法，相比较于传统的梯度下降算法，该方法充分利用了假设的杂波图像模型，并且算法中也没有影响检测性能的步长参数，因而具有更好的检测性能，实验表明，该方法能有效地抑制杂波，并同时增强小目标的信号。