基于混沌预测的雷达微弱目标检测研究综述

传统的雷达目标检测是将海杂波建模为随机过程,而最新的研究成果表明海杂波具有混沌特性,从而可将海杂波建模为非线性混沌模型。基于混沌预测检测微弱雷达目标信号是根据杂波信号和目标信号的动力学差异。通过海杂波训练预测器,假如待测信号当中含有雷达目标信号,则预测误差会突然增大,从而检测出目标信号。文章主要介绍了基于混沌预测检测雷达微弱目标在检测原理、国内外的研究现状以及未来的发展趋势。     

混沌理论在海杂波研究中的应用

混沌理论在雷达海杂波的研究中取得了令人鼓舞的成果.基于混沌理论的海杂波模型在信号检测方面表现出较好的性能,具有很好的杂波抑制能力,对传统的雷达信号检测技术形成了一定的挑战.本文概括了海杂波混沌模型的基本概念和研究方法,分析了混沌理论在该领域的应用现状及动态,探讨了该领域研究的发展趋势.     

基于混沌神经网络的海上目标图像的海杂波抑制方法

针对目前基于随机信号模型的海上目标图像海杂波抑制的常用方法效果不甚理想,提出了一种基于混沌神经网络的海上目标图像海杂波抑制方法。考虑到海杂波运动固有的混沌性导致其海上目标图像具有混沌特征,在海杂波混沌动力系统相空间重构的基础上构造海杂波动力学模型,运用径向基函数(RBF)神经网络提取模型参数,以此预测和抑制海杂波。用实际海上目标图像进行海杂波抑制实验,并与最小均方(LMS)算法和最大Lyapunov指数法相比,实验结果表明,本文方法对海杂波具有良好的抑制效果,使其平均绝对误差(MAD)减小了30%,信噪比(SNR)提高了4到6dB,可为海上弱小目标检测提供新的解决思路。     

基于混沌的误差检测方法在掠海小目标探测中的应用

论述了混沌信号的特性和海杂波的混沌特性，提出了基于混沌的误差预测检测方法在检测掠海小目标中的应用，并说明了其有效性。     

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.     

基于神经网络预测器的混沌海杂波弱信号检测

针对海杂波中的弱信号检测问题，借鉴杂波的混沌动态建模思想，重点讨论非线性混沌序列的神经网络建模、预测及信号检测方案。基于神经网络拟合非线性函数的能力．提出神经网络预测混沌时间序列的算法和信号检测方案。介绍了所提算法的原理和步骤，针对具体应用问题，用计算机仿真和实测数据试验验证了所提算法检测混沌噪声中弱小的暂态信号的有效性。     

混沌研究方法在雷达海杂波分析中的应用

本文讨论了混沌信号的基本特性,相空间重构,Lyapunov指数,关联维、功率谱指数等用于表征未知动态系的混沌中的重要概念,并将它们应用于来自海洋表面雷达后向散射海杂波信号的分析中。通过对海杂波的分析,计算得出:海杂波有有限的关联维和正的Lyapunov指数,功率谱指数呈指数下降。这说明海杂波具有混沌特性。     

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.     

基于回声状态网络的OTHR海杂波抑制方法

在短相干积累时间(CIT)情况下,天波超视距雷达(OTHR)中低速目标检测很困难:低速目标靠近强大的海杂波频谱;短CIT导致多普勒分辨率低,使目标信号与海杂波更难区分。传统方法一般利用海杂波与目标信号的时频特征不同来抑制海杂波,目标速度较高时这些方法很有效,然而在短CIT、低速目标情况下目标与海杂波信号的时频特征的区分度很小,使得传统方法难以有效抑制海杂波。针对上述问题,考虑到海杂波与目标信号具有不同的动力学特征,提出一种基于回声状态网络的天波雷达海杂波抑制方法。该方法首先用海杂波参考信号训练回声状态网络,使该神经网络"记住"海杂波的混沌动态特征;然后用前述训练好的网络重构和预测天波雷达回波中...     

一种优化的微弱信号检测方法

针对混沌海杂波背景下的微弱信号检测问题,结合互补集成经验模态分解理论,提出了一种优化的核极限学习机微弱信号检测方法。采用互补集成经验模态分解法将混沌信号分解为一系列固有模态函数,通过核极限学习机对经相空间重构后的各模态函数分别建立预测模型,利用人工蜂群算法对核极限学习机的正则化系数和核参数进行优化,重构预测信号,从预测误差中检测出混沌海杂波背景中的微弱信号(瞬态信号与周期信号)。分别以Lorenz 系统和IPIX 雷达海杂波数据为例进行了仿真,并研究了不同强度的噪声对微弱信号检测的影响。结果表明:该方法可以有效地从混沌背景中检测出微弱目标信号,当系统不存在噪声时,Lorenz 系统得到的均方根误差0. 000 000 12 (-118. 959 1 dB)比传统极限学习机方法的均方根误差0. 001 345 08(-80. 154 7 dB)降低了4 个数量级;若SNR逸0 dB,噪声对微弱目标信号检测的影响可以忽略;但当SNR<-7 dB,则无法检测出微弱信号。     

在强海杂波背景下的潜望镜检测

分析了目标特性和海杂波特性,分析了在强海杂波干扰背景下检测潜望镜的一种方法,着重叙述了三维滤波器－检测前跟踪的处理方法和抑制海杂波的原理,给出了仿真及试验结论。     

基于EMD的海杂波特性与目标检测

非线性非平稳是海杂波的重要特性之一,希尔伯特-黄变换（HHT）是一种全新的非线性非平稳信号的分析方法。含有目标的雷达信号在希尔伯特-黄变换过程中经过经验模式分解（EMD）后,其趋势分量及部分固有模态函数分量与海杂波的具有明显的区别。利用这种区别,本文提出一种海杂波环境下的目标检测新方法——趋势检测法,通过实测海杂波计算验证,该方法能够明显改善淹没于海杂波中的慢速小目标检测能力。     

基于实测海杂波特性分析

为使对海雷达更好地处理海杂波,本文在介绍了W eibull分布和K分布特点和参数估计方法的基础上,应用实测海杂波数据,比较了不同海况下分布模型参数计算算法的优劣性。针对不同的海态,可以采取相应的海杂波处理方法。     

波导环境下雷达后向散射系数研究

海上大气波导会显著改变雷达电磁波的传播性能,反应到雷达图像上表现为强烈的海杂渡回波信息。为了探究大气波导的影响因素,采用改进的GIT模型仿真方法模拟出波导背景下不同风速对雷达后向散射系数的影响,并且利用谱估计技术计算出掠射角随距离的变化。通过仿真结果分析,风因子对雷达后向散射系数影响显著,仿真结果对进一步利用海杂波反演大气渡导及提高舰载雷达探测性能具有重要指导意义。     

大入射余角下的海杂波建模方法研究

大入射余角下的海杂波模型适用于探测雷达发现强海杂波下的隐蔽目标,是目前最新的一种雷达海杂波回波建模方法。基于随时间变化的海表面动态模型和依赖探测雷达波束几何分割的有效照射区域模型,计算出的照射区域内海杂波回波是由该区域分割的众多散射单元的回波合成的。根据雷达特性将海表面用网格分割成小块,相关模型中的每一块都可当做一个RCS单元,仿真结果证实了杂波模型的有效性。     

基于杂波特征评估的雷达目标点迹过滤方法

雷达在目标检测和跟踪时常面临地杂波、海杂波、气象杂波等复杂强杂波的干扰,而雷达回波信号经过传统的动目标显示(MTI)和恒虚警(CFAR)检测处理后的剩余杂波,在距离-时间(脉冲)上的二维分布与目标非常相似,无法区分。对此,提出一种基于杂波综合特征评估的雷达目标点迹过滤方法,综合考虑目标与杂波在幅度起伏、距离/俯仰/方位相关性、相位变化等多维特征的不同,利用综合特征因子评估区分目标和杂波。最后,利用雷达实测数据对所提方法进行验证。结果表明,杂波有效抑制率较传统方法有显著提升。     

分布式卫星SAR的慢速目标检测与成像

基于分布式卫星SAR的正侧视工作模式,该文建立了分布式卫星SAR的回波模型,提出了通过杂波抑制进行慢速目标检测和成像的算法。理论分析和仿真结果表明;该方法能有效地抑制杂波,提高运动目标的动态检测范围。     

基于去趋势波动分析的多普勒域海杂波分形分析

相对于粗糙海洋表面,海面小目标的后向散射比较微弱,导致了海杂波背景下的微弱目标很难检测。由于海面目标和海面波浪在速度上的差异,多普勒频率成为海面微弱目标检测可以利用的一个有效线索。近年来分形几何在海杂波分析方面有了比较深入的研究。将多普勒频率和分形几何概念相结合,将有助于对海面杂波背景下的微弱目标进行检测。去趋势波动分析是提取分形对象分形参数的有效工具。通过去趋势波动分析,对多普勒域海杂波进行分形参数提取,利用不同距离单元分形参数的不同可以有效地判断微弱目标存在。最后,利用IPIX实测雷达数据对所提算法进行仿真实验,实验结果表明,该方法能够有效判断海面微弱目标存在。     

时频联合处理方法在地波高频雷达中的应用

一般采用时域或频域的方法对雷达信号进行分析。时频联合处理方法在时间-频率二维空间对信号的特性进行分析,从而进一步得到信号频谱分量在时间轴上的分布图。因此,对于具有时变频率分量的空中目标回波而言,时频联合处理方法是一种有效的分析方法。文中简要介绍了时频联合处理方法的基本方程,采用时频联合处理方法对具有多个频谱分量的混合信号、噪声加信号和高频雷达在强海杂波背景下的空中机动目标回波信号进行了分析和说明。结果表明,时频联合处理方法的应用能大大提高高频雷达对目标的探测能力。     

一种基于ARMA 和NGARCH 过程的海杂波建模方法

使用自回归滑动平均(ARMA)和广义自回归条件异方差(GARCH)过程对金融数据建模是经济学常用手段。文中结合ARMA 过程和GARCH 过程的非线性化扩展模型,将其扩展到复数域,适合于海杂波建模应用。相比传统的海杂波模型及原始的GARCH 模型,文中提出的模型在概率密度函数拟合上具有明显的优势。此外,新模型还可准确地捕获相邻海杂波中存在的强相关性。实际雷达海杂波数据验证了该模型的准确性和有效性。