稀疏字典学习海面微弱动目标检测

针对强海杂波背景下微弱动目标信号提取困难、雷达检测性能差的问题,在稀疏表示理论的基础上,提出利用字典学习算法抑制海杂波、重构目标信号。该算法通过K类奇异值分解（K-singular value decomposition,K-SVD）算法学习海杂波和目标的稀疏域主成分特征,得到相应的学习字典,抑制海杂波并对目标信号稀疏重建,解决了以往固定字典与高海况下雷达回波匹配度低、目标信号提取效果差的问题;并通过算法参数的分析和优化,进一步提高了算法性能和工程实用性。基于实测数据的实验结果表明,相比传统检测方法,所提算法能够有效检测高海况下微弱动目标,显著提升检测性能。     

基于图像分割的高频雷达射频干扰提取算法

高频雷达必需射频干扰抑制,而抑制效果常受制于干扰样本质量。针对雷达正常工作如何提取干扰样本的问题,首次提出基于距离-多普勒(range-Doppler, RD)图图像分割的射频干扰提取方法。通过将常规处理的RD图转换为灰度图像,然后设计去海杂波、边缘检测、分段和整段直线检测算法,从而确定干扰边缘线并提取出干扰区域。由此恢复的干扰数据,不受海杂波影响,能够准确估计干扰特性和提高抑制效果。实践表明,该算法准确度高,能提取被海杂波覆盖达75%的干扰线。为验证其应用,采用该算法辅助改进滤波器设计,能够取得良好的干扰抑制效果。     

基于可调Q因子小波变换的海杂波抑制算法

针对海杂波背景下弱目标检测中存在的信杂比低的问题，提出了改进的基于可调Q因子小波变换的海杂波抑制算法。由于海杂波能量远大于目标信号能量，提出选取与海杂波振荡特性相匹配的参数进行可调Q因子小波变换，得到各小波子带的系数，并对小波系数进行稀疏优化后重构海杂波信号。为了判断弱目标信号是否存在，提出一种自适应的阈值检测方法，将原始回波信号与海杂波重构信号的差作为检测样本，实现对弱目标信号的检测。该算法不依赖海杂波具体模型。最后对某实测海杂波数据集进行实验，验证了所提算法的正确性。     

基于改进型YOLOv3的SAR图像舰船目标检测

传统合成孔径雷达(synthetic aperture radar, SAR)图像目标检测的方法依赖于人工设计特征且易受复杂背景干扰, 泛化能力较差。深度学习的方法可以自动提取特征且具有良好的抗干扰特性, 对于未来雷达智能感知具有重要意义。不同于其他只能对固定区域进行检测的常规卷积神经网络, 本文提出一种改进型YOLOv3的SAR图像舰船目标检测方法, 该方法基于舰船尺寸与形状自适应采样的可变形卷积、ResNet50变体特征提取器和ShuffleNetv2轻量化思想等设计YOLOv3模型。通过SSDD数据集验证, 在检测效果方面, 相较于原YOLOv3模型, 平均精度从93.21%提高至96.94%, 检测概率从95.51%提高至97.75%;在模型大小方面, 轻量化设计模型仅为原YOLOv3模型的八分之一, 可实现嵌入式的使用。     

基于Faster R-CNN的电子海图和雷达图像的数据融合

船载导航雷达和电子海图(electronic navigational chart, ENC)是船舶重要的导航仪器,雷达图像和ENC图像的融合能够给出更加丰富的航行和避碰信息。为此,提出了一种基于深度学习理论的提取雷达图像中鲁棒特征的数据融合算法,实现了ENC和雷达图像较高层次的数据融合。首先,利用深度学习算法对雷达图像进行目标检测,识别船舶雷达的特征目标。其次,对检测到的特征区域执行图像处理,并确定用于ENC和船舶雷达图像配准的参考点。最后,根据参考点进行仿射变换,实现融合算法。利用连续时间段的狭窄水域中的真实船舶雷达图像数据对融合算法进行验证,结果显示船舶雷达图像和ENC的海岸线边缘信息匹配良好且满足实时性要求。该算法与简单的像素级图像融合算法相比鲁棒性更强,实现了ENC与雷达图像的特征级融合。     

基于Hough变换的低可观测海面运动目标检测

针对一般信号检测方法无法检测低可观海面运动目标的问题,提出了运用Hough变换方法对海杂波背景下运动目标进行检测的方法。首先,用无记忆非线性变换法模拟海杂波,在此基础上模拟海面微弱运动目标的雷达回波;然后通过Hough变换对模拟所得的雷达回波数据进行处理;并根据处理结果进行了检测目标。另外用蒙特卡罗方法对Hough变换目标检测进行仿真,讨论了检测概率与雷达回波信噪比(SNR)及其它一些参量的关系。仿真结果证明了用Hough变换方法进行目标检测的可行性。     

基于图像化多帧积累滤波的慢小目标探测方法

针对慢小目标在雷达相邻帧间因不能连续检测,造成雷达丢失目标的问题,提出了一种基于图像化多帧积累滤波的慢小目标探测方法。利用帧间差分技术去除固定杂波对慢小目标的干扰,引入了最小外接矩形的长宽比(F3)、占空比(F2)和像素值(F1)3个参量值作为滤波的特征因子,运用图像标记技术提取积累区域上述特征因子,最后通过控制特征因子去除目标中慢动杂波,提高了雷达对慢小目标的探测性能。仿真实验结果验证了该算法的有效性。     

基于多特征信息融合的海面微弱目标检测

为改善海杂波背景下雷达检测微弱目标的性能,提出一种基于多特征信息融合的目标检测方法。首先,在分析时域回波信号的基础上,给出脉冲幅值离差比的概念,并用其表征离散回波信号的尖锐度。其次,结合回波信号的频率峰均比和局部分形度两种特征量,构建多特征信息融合张量。然后,采用交叉验证法训练支持向量机(support vectors machine, SVM)分类器,并依据分类器进行目标检测。最后,通过对实测海杂波数据的一系列实验分析,优选了所提方案的参数。进一步与已有传统方法对比,结果显示所提方法具有更好的鲁棒性。     

复杂背景下SAR图像近岸舰船目标检测

针对合成孔径雷达(synthetic aperture radar, SAR)图像近岸舰船目标易受背景杂波的影响, 造成SAR图像近岸舰船目标检测检测率低、虚警率和漏检率高的问题，提出一种适用于复杂背景下SAR图像近岸舰船目标检测的DFF-Yolov5(deformable feature fusion you only look once 5)算法。构建了一个专门用于SAR图像复杂背景近岸舰船目标检测的数据集, 基于Yolov5目标检测算法, 在特征提取网络中进行特征细化和多特征融合两个方面的改进。在特征提取网络中利用可变形卷积神经网络改变卷积对目标采样点的位置, 增强目标的特征提取能力, 提高复杂背景下SAR图像舰船目标的检测率。在多特征融合网络结构中采用级联和并列金字塔, 进行不同层级的特征融合。同时，使用空洞卷积扩大特征提取的视觉感受野, 增强网络对复杂背景近岸多尺度舰船目标的适应性, 降低复杂背景下SAR图像舰船目标检测的虚警率。通过在构建的复杂背景近岸舰船检测数据集上的测试实验, 结果表明: DFF-Yolov5的平均准确率为85.99%, 相比于原始的Yolov5, 所提方法平均准确率提高了5.09%, 精度提高了1.4%。     

基于全局感知机制的地面红外目标检测方法

针对地面场景下的红外目标检测易受复杂背景干扰、检测精度不高、易发生误检和漏检的问题, 以车辆红外特征为研究对象, 提出了基于全局感知机制的红外目标检测方法。在以Darknet-53为主干网络的基础上, 结合具有全局信息融合的空间金字塔池化机制, 在增大模型感受域的同时增强了模型的全局信息感知力和抗干扰能力; 设计了平滑焦点损失函数, 解决了图像内因目标相互影响而导致的检测精度不高、易出现误检、漏检等问题。实验表明, 在Infrared-VOC320数据集上, 该算法的平均检测精度为80.1%, 较YOLOv3提高了4.4%, 检测速度达到了56.4 FPS, 有效提高了复杂背景下红外目标的检测精度, 实现了对红外目标的实时检测。     

改进YOLOv5的合成孔径雷达图像舰船目标检测方法

针对合成孔径雷达图像目标检测易受噪声和背景干扰影响，以及多尺度条件下检测性能下降的问题，在兼顾网络规模和检测精度的基础上，提出了一种改进的合成孔径雷达舰船目标检测算法。使用坐标注意力机制，在确保轻量化的同时抑制了噪声与干扰，以提高网络的特征提取能力；融入加权双向特征金字塔结构以实现多尺度特征融合，设计了一种新的预测框损失函数以改善检测精度，同时加快算法收敛，从而实现了对合成孔径雷达图像舰船目标的快速准确识别。实验验证表明，所提算法在合成孔径雷达舰船检测数据集(synthetic aperture radar ship detection dataset, SSDD)上的平均精度均值达到96.7%,相比于YOLOv5s提高1.9%,训练时收敛速度更快，且保持了网络轻量化的特点，在实际应用中具有良好前景。     

舰载超视距雷达背景杂波统计特性分析

海杂波的统计特性对于岸基与舰载表面波雷达目标检测算法的设计非常重要。岸基雷达测试下海杂波的统计特性已有论述 ,主要阐述舰载雷达情形下背景海杂波的理论与数学统计模型 ,并提出了海杂波序列的参数自回归模型 ,对海杂波的重要统计参数如相关性进行了统计分析 ,最后得出了舰载雷达情形下一阶与二阶海回波皆为正态分布的结论 ,为在舰载雷达情形下进行信号检测奠定了理论基础。     

最大熵法在高频雷达角度超分辨中的应用

角度超分辨技术近年来得到了迅速的发展,但是大部分的研究工作都是在假定阵元间噪声不相关的情况下进行的,而对于阵元间噪声(干扰)相关的情况的研究还没有看到。 本文在研究了各种角度超分辨算法的基础上,针对地波超视距雷达的海杂波干扰背景,采用最大熵法作为实现角度超分辨的主要手段,进行了计算机仿真。根据大量的仿真结果,分析了海杂波、信杂比、目标的起始相位等因素对于分辨效果的影响。最后得出结论:最大熵法能够有效地解决海杂波背景下,高频雷达的多目标分辨问题。     

基于时域特性的非相参雷达目标检测与跟踪

将跟踪雷达的目标检测策略应用于搜索雷达数据处理,提升对复杂低空空域非相参雷达图像中小弱目标的检测与跟踪能力。首先,根据跟踪目标的生命周期等时域特性,修正“最优分类面”中目标预估位置邻域内的分割阈值,以提高目标检测灵敏度。然后,利用杂波在雷达图像序列中的时域特性进一步修正“最优分类面”,剔除剩余杂波。最后,将本算法与已经实现的基于空域特性的杂波抑制算法相结合,分别应用于仿真和实测数据,并采用多种方法评价检测结果。检测结果表明,本算法能够在提高检测率的同时,进一步降低虚警率。     

基于相位的岸基雷达地海杂波分割方法

岸基对海雷达在杂波测量和海防预警中占有重要地位,针对近岸海杂波观测受地物杂波影响的问题,基于岸基S波段相参雷达测量的杂波数据,分析了基于典型地理特征进行地海杂波分割的不足,进一步从地海杂波多普勒特性差异入手,提出了基于相位的岸基雷达地海杂波分割方法。对近岸不同距离门杂波的幅度分布特性进行对比,发现分割为地杂波和海杂波的单元在幅度分布特性上存在明显差异,侧面验证了地海杂波分割结果的正确性。该分割方法为岸基雷达杂波数据的处理提供了依据。     

基于视觉对比度机制的红外弱小目标检测算法

针对红外图像中空天、海天等复杂背景及像素点噪声容易造成检测虚警的问题,提出一种基于视觉对比度机制的红外弱小目标检测算法。首先,通过新定义的局部对比度算子获取对比度增强的图像,该步骤可抑制背景杂波与像素点噪声对检测的干扰,提高图像的信杂比,增强目标区域的视觉显著性。然后,利用多尺度方法优化图像的显著区域,以增强算法的适用性,从而实现算法对不同尺寸的弱小目标的有效检测。最后,利用自适应阈值分割方法获取待检测的真实目标。实验结果表明,该算法无需图像预处理环节即可实现对不同尺寸的弱小目标的鲁棒性检测,对比常用算法具有快速性、高效性和较强的适用性。     

全息穿透雷达非平整表面杂波抑制算法研究

针对全息穿透雷达应用于无损探测时非平整表面杂波干扰难题,提出一种基于双频对消的非平整表面杂波抑制方法。该方法首先在设定条件下获取高低两种频率下的雷达回波数据,并建立相应回波信号模型。通过分析不同频率雷达回波中目标信号与非平整表面信号特点,结合理论推导估算模型中的各项参数,并拟合出表面回波的近似值,最后与原回波对消以抑制雷达图像中的非平整表面杂波。通过仿真与实测数据实验,验证了所提方法的有效性。     

海杂波环境中基于混沌的目标检测

介绍了基于混沌理论的海杂波分析方法,计算了加拿大McMaster大学IPIX雷达实测海杂波数据的各种混沌特征量,分析了该数据的混沌特性。分析结果表明,该数据在一定程度上具有混沌特性。设计了混沌检测器,该检测器采用径向基函数神经网络来重建海杂波的混沌动力结构,即建立海杂波的精确预测模型,并通过设定合适的预测误差门限来检测掩埋在海杂波中的微弱目标。计算结果验证了该检测器的可行性。     

基于多层显著性模型的SAR图像舰船目标检测

针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候选区域的虚警,提取目标轮廓,从而实现目标的精确检测。所提方法能够由粗到细地快速捕获目标区域,从而实现高效、高分辨率合成孔径雷达图像舰船检测。最后,在真实SAR数据集进行了测试,与其他经典的舰船检测方法相比,所提算法不仅有效地抑制了海杂波的影响,而且在检测精度上有较大提高。     

在强杂波背景SAR图像中检测动目标

针对强杂波环境提出了一种新的从SAR图像中检测动目标的方法。在搜索动目标的二次相位时,对称减去和加上同一二次相位误差修正值,在时域得到两幅图像。这两幅图像中,静止杂波的锐度处处相等。计算这两幅图像各区域的锐度比对数,可在强背景杂波环境下敏锐地检测到动目标。这种方法不但可检测有切向速度或径向加速度的动目标,而且还可检测到强反射径向慢速动目标。实测数据表明本算法有效。