基于四极化通道融合的海面漂浮微弱目标特征检测

海杂波背景下的微弱漂浮目标检测是雷达目标检测的热点和难点问题。由于海杂波背景下的微弱漂浮目标的回波能量低和多普勒频率通常位于主杂波区,传统的自适应类相参积累检测方法无法有效检测该类目标。基于特征类的目标检测方法是解决海面漂浮目标检测问题的有效途径。本文首先分别提取四个极化通道的三种时域和频域特征（相对平均振幅、相对多普勒峰高和向量熵）,然后在极化通道维度上进行融合,获得四极化通道融合特征。最后,在三维特征空间中使用快速凸包学习算法来确定海杂波的判决区域,从而完成检测。实测海杂波数据实验验证了新方法的有效性,并表明其具有优良的检测性能。      

基于图连通密度的海面漂浮小目标检测

海面漂浮小目标由于其能量弱,一直是海面目标检测的重难点.传统基于统计模型的漂浮小目标检测算法借助回波能量进行检测,没有利用数据频域幅度间的关联性,导致检测性能受损.该文借助图的处理方式,首先利用回波数据脉冲间频域幅度的关联性计算连通密度,生成邻接矩阵,接着将邻接矩阵转换为拉普拉斯矩阵,提取拉普拉斯矩阵的最大特征值作为检测特征,提出了一种基于图的连通密度的海面漂浮小目标检测算法.通过对实测的全相参的X波段(IPIX)雷达数据进行连通密度的分析,发现海杂波构成的图比较稠密,而海面漂浮小目标构成的图比较稀疏,故通过连通密度构成的图可以有效地检测海杂波中的漂浮小目标.进一步地,通过与对比算法实验分析发现,该文所提基于图的连通密度的检测算法检测性能明显优越.     

基于图连通密度的海面漂浮小目标检测

海面漂浮小目标由于其能量弱,一直是海面目标检测的重难点。传统基于统计模型的漂浮小目标检测算法借助回波能量进行检测,没有利用数据频域幅度间的关联性,导致检测性能受损。该文借助图的处理方式,首先利用回波数据脉冲间频域幅度的关联性计算连通密度,生成邻接矩阵,接着将邻接矩阵转换为拉普拉斯矩阵,提取拉普拉斯矩阵的最大特征值作为检测特征,提出了一种基于图的连通密度的海面漂浮小目标检测算法。通过对实测的全相参的X波段 (IPIX)雷达数据进行连通密度的分析,发现海杂波构成的图比较稠密,而海面漂浮小目标构成的图比较稀疏,故通过连通密度构成的图可以有效地检测海杂波中的漂浮小目标。进一步地,通过与对比算法实验分析发现,该文所提基于图的连通密度的检测算法检测性能明显优越。     

海面漂浮小目标的特征联合检测算法

该文研究了高距离分辨海杂波背景下漂浮小目标的检测问题。漂浮目标使得周围海面的散射特性发生了改变,目标所在的分辨单元的回波满足非加性模型,导致该模型中依赖于目标的参数难以统计建模。为了避开参数建模,该文将检测问题转化为二元分类问题,即确定海杂波所属于的类,目标检测就是判别回波是否属于该类。针对此分类问题,提出了基于非加性模型的特征联合检测算法,首先在回波中提取两个特征组成归一化向量,然后利用凸包训练算法获得判别区域,最后以判别区域是否包含该向量作为判别准则。实测的IPIX雷达数据实验结果表明,该文算法在高分辨海杂波下的检测性能优于对比算法,为海事雷达检测小目标提供了新的检测方案。     

基于频域多通道图特征感知的海面小目标检测

海洋物理环境和电磁环境日趋复杂,海杂波背景下的微弱慢速小目标检测始终是一个研究难点和重点。海面小目标的雷达散射截面积小、回波能量低,传统基于能量的检测方法存在性能瓶颈。基于特征的检测方法聚焦于提取纯杂波和目标回波的差异性特征来实现目标检测,且有效提升了检测性能。该文利用回波数据间频域中幅度的关联性,将图论的方法引入到特征检测中。首先将实测数据进行块白化处理,对海杂波进行一定的抑制,然后在频域提取各多普勒通道下的数据,借助图的处理方法,构建所提取数据的距离邻接矩阵,再转换为拉普拉斯矩阵。该方法计算不同时间序列下拉普拉斯矩阵的最大特征值,并将其与刻画频域能量信息的相对多普勒峰高进行融合,得到新的检验统计量来区分纯杂波和含有目标的回波。通过全相参的X波段(IPIX)实测数据验证,该文所提方法的检测性能更为优越。     

海杂波背景下基于RBF神经网络的目标检测

对海杂波背景下雷达目标检测的最新研究表明,海杂波具有混沌的许多典型特征.本文利用海杂波具有混沌行为这一先验信息,构造了一个神经网络预测器来重构海杂波的内在动力学,并引入一种基于混沌的检测方法对Swerling I型目标和雷达采集的实际海杂波数据进行检测分析,同时讨论了嵌入延迟τ对检测性能的影响.实验结果表明,这种检测方法能有效地实现海杂波背景下的目标检测,并且其检测性能随τ的增大呈下降的趋势.     

低空雷达导引头海面目标检测性能分析

该文以雷达导引头低空检测海面目标为背景,综合分析了多径环境和海杂波环境对雷达导引头目标检测的影响。通过对目标回波、多径散射的镜反射、漫反射以及海杂波进行建模,结合具体场景,仿真分析了镜反射、漫反射以及海杂波对雷达导引头接收信号的影响,进而分析了多径散射和海杂波对雷达导引头检测不同大小目标时检测性能的影响效果。仿真结果表明:雷达导引头检测RCS低于1 m2的小目标时,海杂波是影响雷达导引头检测性能的主要因素;雷达导引头检测RCS大于10 m2的目标时,多径效应是影响雷达导引头检测性能的主要因素;雷达导引头检测RCS大于104 m2的目标时,雷达导引头的检测性能不受海杂波和多径效应影响。     

海杂波背景下漂浮小目标检测新算法

针对海杂波背景下漂浮小目标检测问题,提出一种海杂波背景下漂浮小目标检测新算法.利用互补自适应噪声集合经验模式分解-鲁棒性独立主成分分析与Savitzky-Golay滤波算法(EEMDCAN-Robust ICA&SG)联合去噪算法处理海面回波信号,对重构信号用改进蝙蝠算法优化KELM模型做混沌预测.实验结果表明:新算法在不破坏海杂波混沌特性的前提下,极大地抑制了海杂波.在同等条件下,与传统混沌预测算法相比,训练时间短、预测精度高.新算法的检测性能稳定,低信杂比下的检测性能显著优于传统算法,证明新算法能快速实现对漂浮小目标的有效检测.     

一种舰载毫米波雷达海杂波背景下的慢速小目标检测算法研究

掠海飞行慢速小目标的检测一直是雷达信号处理领域研究的热点问题。分析了海杂波数据的统计特性,利用天线扫描间海杂波非相关特性,采取单次扫描脉冲间非相参积累,结合天线扫描间积累和杂波图迭代平滑处理技术,抑制海杂波,积累目标能量,改善检测性能。仿真结果表明利用本方法毫米波雷达能有效检测海杂波环境下的慢速小目标。     

船舶导航雷达的海杂波自适应抑制算法

船舶导航雷达的海杂波抑制技术是提高海面目标检测性能的关键和难点技术,具有很高的军事和民用价值。文中基于数理统计理论,提出了多模型选择的海杂波自适应抑制方法,通过对雷达多次扫描的回波数据建立海杂波模型库,统计、估算各模型相应参数选择与雷达回波数据最佳匹配的模型,作抑制海杂波的对消处理。计算机仿真及实测数据处理,都验证该方法的有效性和可行性。     

海杂波中基于可控虚警K近邻的海面小目标检测

由于高分辨海杂波具有复杂的特性以及海面小目标具有多样性,没有精确的简单统计模型可以较好地描述海杂波和目标回波时间序列,这导致目标检测遇到了很多阻碍。为了区分海杂波和目标回波,分别提取它们的特征将检测问题转化为特征空间中的分类问题是一种有效的方法。基于特征的检测可以归结为在特征空间中的一种2元假设检验问题,但是其有两个问题需要解决:一是目标回波数据远少于杂波数据;二是虚警概率不可控。为了解决第1个问题,一种典型小目标的仿真回波产生器被用于产生充足的典型目标回波数据,以辅佐后续检测器的设计。K近邻(K-NN)是一种简单有效的分类方法,但是因为无法精确地控制虚警率而不能直接在目标检测中使用。该文提出一种基于改进K-NN的海面小目标检测方法,可以很好地实现可控虚警。经IPIX雷达数据集验证,所提出的方法在观测时间分别为0.512 s和1.024 s时获得了85.1%和89.2%的检测概率,相比现有的检测器获得了7%和5%的提升,具有良好的检测效果和稳定性。      

X波段雷达对海探测试验与数据获取年度进展

针对雷达海上目标探测关键技术攻关对雷达实测数据的迫切需求,2019年提出了“雷达对海探测数据共享计划”。该计划旨在通过开展雷达试验获取数据,公开共享。2020年度该计划继续推进,开展了雷达目标RCS定标、不同海况海杂波与目标探测、海上机动目标检测跟踪3个方面的多次试验,获取了不同距离处不锈钢球定标体的雷达慢速扫描模式测量数据、不同方位下海杂波凝视模式测量数据、海上目标凝视模式探测数据、海上机动快艇雷达扫描模式测量数据,并同步获取了风和浪要素数据、目标AIS数据、可见光/红外数据等配合传感器数据。      

基于已知传播模式数目的海杂波抑制方法研究

天波超视距雷达海杂波谱受电离层多模传播影响大幅展宽, 需进行杂波抑制才可实现舰船目标检测, 利用电离层返回散射探测可获得海杂波谱先验模式数目信息.针对常用的两种海杂波抑制方法——特征值分解法和循环对消法, 仿真分析了传播模式数目识别准确性对海杂波抑制效果的影响.结果表明:若传播模式数目识别错误, 则会造成目标漏检或虚警.在传播模式数目已知的前提下, 利用仿真和试验数据研究了目标与一阶海杂波多普勒相对位置和多普勒分辨率对上述两种方法海杂波抑制效果的影响.目标与一阶海杂波越接近, 海杂波抑制效果越差, 当二者相对多普勒位置小于分辨率时, 两种方法均失效; 多普勒分辨率越低, 海杂波抑制效果越差; 目标与海杂波越接近, 对多普勒频率分辨率要求越高.     

基于深度学习的海上目标一维序列信号目标检测方法

当前海面目标检测方法多基于统计理论,检测性能受背景统计特性假设的影响,本文从信号预测和特征分类两个角度,分别采用长短时记忆网络(LSTM)和卷积神经网络(CNN)对信号时间序列幅度信息进行处理,用于海上目标一维序列雷达信号检测,该方法不需事先假设背景统计特性,泛化能力更强。基于LSTM序列预测的目标检测方法通过用海杂波信号幅度时间序列对网络进行训练,再用训练后的网络对后续序列进行预测,并与后续实测信号进行比较,实现目标检测。基于CNN序列分类的目标检测方法中采用截取的海杂波信号和目标信号幅度序列作为数据集样本,对一维卷积核CNN进行训练,使其具有识别目标杂波信号特征能力,从而实现目标检测。最后,采用IPIX和CSIR实测海杂波数据对两种方法进行验证,结果表明两种方法均可实现一维序列信号中海面目标的检测,但LSTM预测方法对于长序列检测的实时性有待于进一步提高;CNN分类方法可实现实时检测,但仅利用信号幅度信息,检测性能仍需进一步提升。      

融合极化旋转域特征和超像素技术的极化SAR舰船检测

对海监视是极化SAR的重要应用,密集区域的舰船目标检测是当前面临的主要挑战之一。舰船密集区域受多目标串扰,传统的恒虚警率(CFAR)检测滑窗难以选取纯净的海杂波样本用于确定检测门限,将导致检测性能下降。针对这一问题,该文从特征提取和检测器设计两方面出发,提出一种融合极化旋转域特征和超像素技术的极化SAR舰船检测方法。在特征提取方面,雷达目标的后向散射敏感于目标姿态与雷达视线的相对几何关系,由此带来的散射多样性隐含信息可通过极化旋转域分析进行挖掘。该文利用极化相关方向图及导出的一系列极化旋转域特征,根据目标杂波比(TCR)分析,优选TCR最高的3个极化特征量用于构建目标检测器。在此基础上,该文在检测器设计方面提出了一种基于K均值聚类的杂波超像素筛选方法,有效避免了密集区域舰船目标对邻近杂波的影响,基于筛选的杂波像素点得到舰船目标CFAR检测结果。基于Radarsat-2和高分三号星载全极化SAR数据的对比实验表明,所提方法能有效实现密集区域舰船目标检测,检测品质因数达到95%。      

基于自适应可调Q因子小波变换的海杂波背景下的目标检测技术

本文针对海杂波背景下的慢速微弱目标的检测问题,根据海杂波和目标的振荡特性差异,提出了一种基于自适应可调Q因子小波变换（Adaptive Tunable Q-factor Wavelet Transform, A-TQWT）的海杂波背景下的目标检测算法。通过迭代计算、搜索出最能匹配海杂波和目标振荡特性的可调Q小波变换（TQWT）三元参数组合 ,运用形态分量分析法（Morphological Component Analysis, MCA)对海面回波信号进行分析,得到目标的最优稀疏表示;再根据目标分量各小波子带占总能量的比重,选取合适的门限确定重构小波系数集进行重构,得到目标的重构信号,从而实现目标和海杂波的有效分离。最后在IPIX实测数据集上添加慢速微弱运动目标进行算法验证,结果表明本文提出的算法可以有效检测出落入海杂波多普勒通道中的慢速微弱目标,且不需要任何目标和杂波的先验信息。      

基于INet的雷达图像杂波抑制和目标检测方法

强海杂波与海面目标的复杂特性使得海面目标回波微弱,有效的海杂波抑制和稳健快速的目标检测是雷达对海上目标探测需考虑的重要因素。然而,现有的海面目标检测算法对于复杂环境下的目标检测性能有限,环境和目标特性适应性差。该文设计了一种杂波抑制和目标检测融合网络(INet),通过层归一化-传递和连接方法提取关键目标特征,采用注意力网络抑制杂波和增强目标,构建跨阶段局部残差网络保证检测网络的轻量化和准确性。基于导航雷达在多种观测条件下采集的回波数据,构建了海面目标雷达图像数据集;通过模型的预训练和平面位置显示器(PPI)图像的帧间积累对INet进行了优化,得到了Optimized INet(O-INet)模型。经过多种天气条件下实测数据测试和验证,并与YOLOv3, YOLOv4,双参数CFAR和二维CA-CFAR对比后证明,所提方法在提高检测概率、降低虚警率和复杂条件下的强泛化能力有显著优势。