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.     

基于共轭FRFT模函数对消的运动目标检测

分析了回波信号以及其共轭信号的FRFT幅值特性,并利用此特性提出了一种基于共轭FRFT模函数对消的海面运动目标检测方法。该方法利用回波信号在最佳变换角度有较好的能量聚集,而其共轭信号在此最佳变换角度没有能量聚集。利用两者FRFT模函数之差对消部分杂波,在保证信号能量基本不被削弱的前提下达到抑制杂波、提高检测概率的目的。高斯噪声与IPIX雷达数据实验表明该方法在低信杂比条件下有较好的检测性能。     

基于空间分形特征差异的目标检测

为有效检测海杂波中的弱小目标,针对海杂波的分形特征随大时空变化的特点,提出使用短时间内空间分形特征差异来检测海面弱小目标的方法.该法充分利用短时间和局部海域上海杂波的分形维具有稳定性,目标区域和海杂波间存在较大空间Hurst参数差异的特点,克服传统分形维检测法使用固定门限检测效果不佳的缺陷.经理论分析和IPIX雷达实际数据检测,目标和海杂波的特征量均值差异约为3,优于原方法分形维的均值差异小于0.8的检测效果.     

基于小波变换的天波雷达舰船目标检测方案

针对天波超视距雷达(OTHR)舰船目标自适应检测的难题,提出一种基于修正的峰值信噪比(MPSNR)-离散小波变换(DWT)的方案.首先在预处理过程中拼接接收数据各通道中当前监视区域的距离多普勒谱,然后通过令MPSNR最大化实现海杂波的自适应抑制,最后利用排序统计-恒虚警率检测器进行舰船目标检测.理论上本方案中的MPSNR较已有方案中的峰值信噪比对海杂波被抑制的程度更为敏感,因此本方案较已有方案对海杂波的抑制更为充分,进而可以改善目标检测性能.仿真数据和实测数据的结果表明本方案对舰船目标的信杂噪比提升了2.6 dB.     

海杂波多重分形特性分析与仿真

多重分形消除趋势波动分析方法(MF-DFA)是描述非平稳时间序列复杂波动的有效方法,本文提出将其用于海杂波分析,发现海杂波具有多重分形特性。在此基础上,运用多重分形小波模型对海杂波进行建模与仿真。通过数学分析和MF-DFA方法对仿真结果进行检验,分别从概率密度分布特性和多重分形特性角度验证了该模型的有效性。     

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。     

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。     

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.     

强海杂波背景条件下海上目标检测方法

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，用径向基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MUSIC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．确定最小的相空间维数和时间间隔，采用更先进的神经网络算法，可以提高神经网络的预测速度．     

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.     

用于扩展目标检测的OFDM-MIMO雷达波形设计

为了检测扩展目标,该文提出一种已知统计特性的杂波和噪声背景下提高正交频率分集复用-多输入多输出(OFDM-MIMO)雷达检测性能的波形设计方法.利用扩展目标一维距离像的频率特性,基于匹配照射理论给出了雷达回波向量模型,在此基础上建立最大化检测信杂噪比的目标函数;通过交替迭代搜索获得优化发射波形和最优接收滤波器.仿真结果表明,经调制的OFDM-MIMO雷达发射波形具有稳健的抗杂波性能,可提高检测信杂噪比,改善OFDM-MIMO雷达检测性能.     

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.     

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。     

STFT和Zoom-FRFT联合的多分量LFM信号参数估计方法

针对传统基于分数阶傅里叶变换(FRFT)的多分量线性调频信号(MLFM)参数估计方法中计算量大,估计精度低等问题,提出了一种短时傅里叶变换(STFT)和Zoom-FRFT联合的参数估计方法.首先,利用STFT得到MLFM信号的短时傅里叶域频谱图,对其进行直线检测得到各个分量参数的粗略估计.然后,利用LFM信号在FRFT域的频谱分布特征和STFT窗函数的主瓣带宽,计算得到待估计信号在FRFT域变换阶次和频谱的分析范围;最后,在Zoom-FRFT域采用优选法对各个分量进行精估计,得到精确的变换阶次和峰值位置.仿真结果表明,该方法可以有效地对MLFM信号进行参数估计,可以根据实际需要灵活选择窗函数的宽度和细化倍数,与传统方法相比,提高参数估计精度的同时大大减小了计算量.     

混沌预测用于红外目标检测算法

提出一种基于混沌特性的红外云背景图像预测算法,在分析云背景红外图像空间分布上存在混沌现象的基础上,引入Volterra级数对云背景进行混沌预测.仿真结果表明,该算法对云背景杂波具有良好的抑制效果,能有效地提高云背景的预测精度,预测残差符合白噪声特性,显著提高目标的信杂比,从而改善目标的检测性能.     

基于稀疏恢复的直接数据域STAP算法

在机载/星载雷达系统中,空时自适应处理(STAP)可有效抑制杂波并实现动目标检测。基于统计的STAP算法通过平稳的训练样本来估计检测单元内的杂波协方差矩阵,并设计相应的滤波器以提高检测单元的输出信杂比。但训练样本的平稳性在实际快变的杂波环境中无法保证,因而此类算法在实际非均匀杂波环境中性能较差。该文通过挖掘检测单元数据在角度-Doppler域上的稀疏性,提出一种新的直接数据域STAP算法。该算法通过稀疏恢复来获得检测单元的高分辨空时谱估计,有效地避免杂波旁瓣对目标检测的影响,进而实现不经过杂波抑制而直接运动目标检测的目的。同时由于不使用训练样本,可很好地避免训练样本内的非均匀性,该算法在实际非均匀杂波场景中有更广泛的应用前景。     

图像分形维数计算及其边缘提取

为提高遥感影像中地物边缘信息的提取精度,以离散分形布朗随机场(DFBR:Discrete Fractal Brown Random field)模型为依据,尝试设计并利用Matlab编程实现一种基于遥感影像单个像元的分形维数计算算法.该算法将影像的灰度空间映射成分形维数空间,然后在该空间进行变换和边缘检测.地物空间分布...