基于FBM的海杂波建模方法

为了建立具有多重分形特性的海杂波模型,提出了基于分式Brown运动模型的海杂波建模方法。该方法通过将分式Brown运动模型与随机时间序列模型结合,产生了一个近似多重分形的随机过程来模拟海杂波序列。Matlab仿真与实测数据进行对比，结果表明:模型产生序列具有多重分形的性质,可以有效地对海杂波进行模拟。     

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.     

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.     

中国和国际汇率市场的多重分形比较

使用MF-DFA方法对中国汇率市场和国际汇率市场主要汇率的收益和波动的多重分形性质进行了实证分析,发现中国汇率市场和国际汇率市场的收益以及波动都存在明显的多重分形特征,且中国汇率市场的收益和波动的多重分形性质更为强烈.进一步验证了汇率收益以及波动序列的胖尾分布和长记忆性是多重分形产生的原因.     

滑动窗口MF-DFA方法在大坝变形监测中的运用

为了探索大坝变形与时间序列的相关性,通过引入滑动窗口技术对多重分形消除趋势波动法MF-DFA进行改进,与传统的MF-DFA计算结果进行比较分析.实例结果表明多重分形更能刻画大坝变形过程,滑动窗口MF-DFA法比传统MF-DFA法的精度更高,定标指数H(q)值更快趋于较稳定的值,同时从整体上描述变形数据序列的相关性,为后续预测提供依据.     

金融时间序列的多重分形类型的确定

为了探索股票时间序列的无标度性,利用多重分形消除趋势涨落分析的方法(MF-DFA)来研究沃尔玛股票指数(WMT)日收盘价.结果表明沃尔玛股票指数日收盘价的变化具有多重分形的特性.然后,随机打乱时间序列的次序,用MF-DFA方法分析打乱序列的多重分形性质,得出沃尔玛股票指数的多重分形主要是由概率密度函数产生的,分布多重分形占主导地位.比较原始序列和打乱序列的多重分形性质,得出打乱序列的多重分形性弱于原始序列的多重分形性.     

股市时间序列的多重分形消除趋势分析

为了探索股票时间序列的无标度性,应用多重分形消除趋势分析的方法(MF-DFA)来研究沃尔玛指数(WMT)日收盘价.研究结果表明,沃尔玛指数日收盘价的变化具有多重分形的特性,广义Hurst指数显著依赖于波动函数的阶数,并随之变化;尺度函数表现出明显的非线性性质;多重分形谱呈现单峰钟形图像.     

中国债券市场多重分形特征及其成因问题分析

以中国交易所债券市场为例,运用多重分形消除趋势波动分析法(MF-DFA)和多分形谱分析方法对债券市场的多重分形特征与成因问题进行分析。研究结果表明,中国债券市场的国债指数和企债指数的收益率序列存在多重分形特征;指数收益率序列的多分形特征由序列的长期相关性和肥尾分布两个因素共同决定,这其中肥尾分布所造成的影响更为重要。     

基于电磁散射模型的宽带雷达海杂波特性分析

宽带雷达在抗干扰、目标识别与跟踪等方面具有独特优势。基于粗糙面电磁散射模型对宽带雷达海杂波特性进行了分析。首先利用PM谱函数建立二维海洋粗糙面,引入锥形入射波来克服粗糙面的边缘衍射;然后利用物理光学电磁散射模型,并结合子带合成法,得到宽带条件下散射单元的杂波幅度;最后对宽带雷达杂波回波信号进行建模与仿真,得到海面环境杂波的频谱特性和一维距离像,进而分析了雷达工作带宽、入射擦地角和海面风速对海杂波特性的影响。仿真结果表明:雷达工作带宽增加,入射擦地角减小,海杂波回波幅值均有明显下降,而海面风速对海杂波幅值影响不太明显。     

中国地区相对湿度与温度多分形特征对比分析

应用多分形去趋势涨落分析(MF-DFA)方法, 研究了中国地区相对湿度和温度序列的多分形特征差异, 并对比分析了其对应的奇异谱3个参数(奇异谱宽度Δα、奇异谱不对称性Δα_as和长程相关性α₀)的特征。结果表明: 1) 相对湿度序列的多分形强度弱于温度序列; 2) 相对湿度序列多分形性强的地区与温度序列有较大差异, 前者主要位于我国西南地区, 后者主要在华南和黄河以北地区; 3) 相对湿度序列的多分形不对称性强于温度序列; 4) 相对湿度序列的奇异谱均为左偏, 温度序列则基本是对称的; 5) 相对湿度序列的长程相关性大于温度序列。奇异谱的3个特征参数的组合完整地刻画了特定的长程相关特性, 相对湿度和温度序列多分形特征的不同, 揭示了其生成动力过程的差异。     

天波超视距雷达一阶海杂波后向散射特性分析

为了得到天波超视距雷达一阶海杂波后向散射系数变化范围及总体变化规律,以及雷达频率、海面风速、风波角、海浪有向波高谱关于海面风向的扩展程度等各参数对一阶海杂波后向散射的影响规律,针对天波超视距雷达探测的特点,引入Barrick等给出的高频雷达一阶海杂波后向散射系数模型,运用仿真分析的方法得知,无向幅度谱达到饱和时,一阶海杂波后向散射系数大概在-39 dB--14 dB,无向幅度谱未达到饱和时,一阶海杂波后向散射系数范围在-460 dB--18 dB,且频率与风速的相对大小决定了探测环境处于饱和区或非饱和区,又进一步仿真分析雷达频率、海面风速、风波角、海浪有向波高谱关于海面风向的扩展程度等参数对一阶海杂波后向散射的影响,得出各参数对一阶海杂波后向散射影响的规律,这对天波雷达目标探测策略及高频海杂波建模和滤除有指导意义.     

基于球不变随机过程的相干相关K分布海杂波仿真

海杂波仿真对测试雷达在杂波环境下的检测性能是极其重要的.K分布可以很好地描述高分辨低入射余角雷达的杂波特性.使用球不变随机过程法模拟产生相干相关K分布的海杂波,该方法允许对杂波的协方差阵和分布函数分别独立进行控制,从而克服了传统零记忆非线性方法产生相干相关K分布杂波的困难.仿真结果证明了该方法的有效性.     

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。     

基于径向基函数的海杂波时间序列预测方法

介绍基于混沌理论的海杂波分析方法,依据加拿大McMaster大学IPIX雷达实测海杂波数据,按照TAKENS的嵌入定理,设计了混沌预测器.预测器采用径向基函数神经网络重建海杂波的混沌动力系统,即建立海杂波的精确预测模型.实验表明,基于径向基函数的混沌时间序列预测器精度完全能够实现单步预测功能.学习误差为0.0232,预测误差为0.0277.     

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.     

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。