海杂波FRFT域的分形特性及目标检测

通过对实测海杂波数据的仿真分析,论证了海杂波在分数阶Fourier变换域具有分形特征,而且有目标单元和无目标单元存在分数维差异,这种分数维差异在分数阶Fourier变换域存在一个最大值。基于此特征提出了基于分数阶Fourier变换域海杂波分数维差异的目标检测方法,此方法通过检测回波信号分数阶Fourier变换域分数维的变化的最大值达到检测目标的目的,这比基于时域分数维差异的方法具有更好的检测效果。最后通过对实测海杂波数据进行仿真,证实了该方法的有效性。     

基于高尺度分形差量的海杂波背景下小目标检测

为了降低复杂海情对海杂波背景下小目标检测的影响,提高微弱信号检测准确度,文中采用多重分形去势波动分析法分析了海杂波数据在高尺度条件下的分形特性,将分形尺度q 扩展到[-30,30],对多重分形参数H(q)的估计进行了研究,得到了高尺度分形差量驻H(q),分析了尺度q 的选取对驻H(q)的影响,提出了一种基于高尺度分形差量的海杂波中小目标检测方法。实验结果表明:IPIX 海杂波数据的分形特性受到海情和雷达极性的影响,选择高尺度指数q 时,所提方法能够有效地区分动目标与纯海杂波之间的分形差异性,降低海杂波背景下小目标检测对海情的依赖性,相较于单尺度去势波动分析检测方法,大部分海情的检测门限提高了40% 以上,发挥了海杂波数据在高尺度多重分形上的优势。     

DFA在海杂波标度特性分析及目标检测中的应用

采用消除趋势波动分析(DFA)方法,研究了非平稳海杂波的标度特性及其参数表征问题,并提出了一种基于标度特性差异的目标检测算法。首先,在海杂波建模为分数布朗运动模型的基础上,对比分析了DFA和波动分析(FA)得出的标度特性,并初步解释了交叉标度现象出现的机理。然后,在假定相邻尺度范围内海杂波与理想分形模型相吻合的前提下,引入分段标度指数来表征海杂波标度特性随尺度的变化关系,分析结果表明,在特定的尺度范围内该参数可以有效区分目标单元与海杂波单元。为此,以该尺度范围内的分段标度指数均值为检验统计量设计了一种新的目标检测算法,并对尺度区间范围的选取、检测性能等问题进行了分析。实测数据中的检测性能证实了检测算法的有效性。      

改进的分形检测海面漂浮小目标方法

为了提高海杂波中漂浮小目标的检测概率,提出了一种改进的分形检测海面漂浮小目标方法。首先,利用去趋势波动分析方法计算海杂波的分形维数;其次,利用计算过程中的“副产品”———截距组成二维判决空间;最后,通过聚类分析,检测出海杂波中的漂浮小目标。在实测数据基础上对改进算法进行了验证,结果表明：海杂波和小目标在判决空间存在明显的差异性;与Hurst指数法、神经网络集成预测法等方法比较,改进算法提高了目标检测概率;交叉极化方式( HV、VH)的检测效果优于同极化方式( HH、VV)的检测效果。     

海杂波AR谱多重分形特性及微弱目标检测方法

该文研究了海杂波功率谱的多重分形特性。为了克服频谱傅里叶分析的缺点,用现代谱估计的方法来计算海杂波的功率谱。AR模型是一个线性预测模型,它通过序列的自相关函数矩阵来估计功率谱,并且具有更精确的频谱分辨率。该文主要分析基于AR谱估计的海杂波功率谱的多重分形特性,以及在微弱目标检测中的应用。首先,以分数布朗运动(FBM)模型为例,证明其功率谱具有多重分形特性。其次,根据X波段雷达的实测海杂波数据,通过多重去趋势分析法(MF-DFA)验证了海杂波AR谱的多重分形特性。最后,分析了海杂波AR谱的广义Hurst指数以及影响参数,并提出一种基于局部AR谱广义Hurst指数的目标检测方法。实验结果表明,该种检测方法具有海杂波背景下微弱目标检测的能力。与现有的分形检测方法和传统的CFAR检测方法对比,该算法在低信杂比情况下具有较好的检测性能。     

国内外海杂波混沌分形特性及小目标检测研究进展

海杂波是来自于粗糙海面的雷达后向散射回波,研究海杂波内在物理特性对揭示海浪的物理本质和海杂波背景下小目标检测具有重要的理论和现实意义。本文论述和分析了国内外海杂波混沌特性、分形特性和海杂波背景下小目标检测的研究现状,指出了当前研究中存在的不足,说明了海杂波研究需要加强的方面。     

一种基于广义多尺度分形参数的小目标检测方法

复杂场景中小目标的检测是一个难点。本文从分数布朗随机场模型的描述出发，提出并构造了一种广义多尺度分形参数，用于描述图像的纹理信息。它可以作为区分分形集合与非分形集合的一种有效的测度。进一步，基于广义多尺度分形参数，本文提出了一种具有抗噪性能的稳健的目标提取算法，并用于海上小目标的提取。对于实际图像的实验结果表明，本算法具有极高的检测精度。本文的思想对于一般复杂自然场景中小目标的检测具有重要的借鉴意义     

恒虚警处理在连发火炮多目标检测中的应用

针对连发火炮的复杂多目标环境,传统的单元平均恒虚警处理方法不能满足信号检测的要求。为了充分利用目标的运动信息,通过距离-多普勒二维恒虚警方法估计背景噪声,采用修正的单元平均恒虚警处理剔除目标之间的相互干扰,并结合双门限检测对连发火炮多目标回波进一步处理,引入动态阈值增强检测的鲁棒性。工程实践表明,该方法提高了回波信号的信噪比和信杂比,有效地实现了连发火炮多目标的检测,为下一步目标参数提取提供基础。     

海杂波FRFT谱的多重分形特性与目标检测

本文主要研究海杂波在分数阶傅里叶变换（FRFT）域所表现出的多重分形特性及其在海杂波目标检测中的应用。由FRFT数学定义的尺度性质可推得,自相似过程在某一变换阶数下的FRFT谱在各尺度下不具有统一的自相似特性。针对这一特性,本文将多重分形理论引入到对海杂波FRFT谱的自相似结构分析中并研究FRFT域多重分形参数的影响因素,经S波段和C波段雷达实测数据验证表明,海杂波FRFT谱具有多重分形特性且FRFT域广义Hurst指数对海杂波和目标具有良好的区分能力。在此基础上,本文利用FRFT域广义Hurst指数与双参数恒虚警检测器相结合设计海杂波中目标检测方法并分析检测性能,结果表明本文所提方法相比于经典的时域分形检测方法具有较明显地性能提升。      

海杂波背景下的GRNN小目标检测

根据海杂波混沌特性,建立了其相空间重构模型,构造了广义回归神经网络（GRNN,Genera lized Regression Neural Network）目标检测器,并利用加拿大McMaster大学采用IPIX雷达在Dart—mouth地区海域实测带有目标的海杂波数据对此方法进行验证,结果表明：在混沌海杂波背景下GRNN小目标检测法具有良好的预测性和时速性。     

基于波动分析的海上小目标检测

该文通过建立不同尺度下的平均波动,分析了海杂波的自仿射性质,提出一种基于波动分析的海上小弱目标检测方案。根据波动曲线的线性特征,以q阶归一化波动曲线斜率作为区分目标和海杂波的分形特征值。对实测数据的试验结果表明,该文方法对不同环境、不同极化情况下获取的实测数据能够从海杂波背景下可靠地检测出目标。     

扫描模式海杂波中目标的多重分形检测

主要研究雷达扫描模式下海杂波的局部多重分形特征以及多重分形理论在雷达目标检测中的应用。目前绝大多数研究都是建立在雷达工作在驻留模式基础上的,而当雷达工作在扫描模式时,由于采样点数不足,一般难以运用分形理论来解决目标检测问题。将多重分形理论应用到雷达周期扫描所得回波序列中,解决采样点不足的问题,并运用模糊集理论中模糊决策的方法进行目标检测。最后,采用X波段与S波段海杂波实测数据进行验证并分析其目标检测的性能,实验结果表明文中所提检测方法对海杂波和目标具有良好的分类能力。     

实测海杂波数据的多重分形特性分析

为充分描述海杂波时变特性和局部奇异性,将多重分形理论应用到雷达海杂波特性分析中,理论分析了海杂波的多重分形参数,并进一步分析了实测海杂波数据的多重分形谱、质量指数和奇异指数,结果表明海杂波具有明显的多重分形特性,该分析方法可以很好地解释海杂波内在非线性特性,并比传统的统计特性分析方法更加能确切地描述杂波的产生机理,为基于多重分形特性的雷达目标检测提供了依据。     

海杂波数据的多重分形谱分析

由于海杂波的复杂多变性,多重分形谱被用来分析舰载雷达海杂波数据。从距离向观察纯净的海杂波数据,把有完整起伏的波包作为一个分析单元,通过单独和组合的方式进行多重分形谱分析,谱曲线均表现出很强的相似性。使用分段谱分析和整帧谱分析方法对复杂背景环境(包含人工目标和地杂波)中的海杂波进行研究,表现出与纯净海杂波不同的特性,可用于海杂波仿真和抑制。     

基于极化特征分解的海上小目标检测算法研究

该文首次从全极化信息处理角度解决低擦地角下,海杂波中的低可观测小目标检测问题,提出了一种基于极化特征分解的海上小目标检测方法。通过对实测全极化数据分析,验证了海杂波已被阐述的极化特性。并对回波特征矩阵进行极化特征分解,对比了纯海杂波与包含目标回波时海杂波的极化特征量。据此,提出了一个新的极化特征量-联合熵间距()。根据海杂波与小目标DBEA反映的散射机理差异,给出了小目标检测方法,得到了正确的检测结果。经过不同海况数据进行多次验证,得出该方法具有良好的检测能力和较强的鲁棒性。     

基于Hurst指数差异的海面小目标检测

针对传统舰载雷达和岸基雷达很难检测出海杂波背景下小目标的现状,提出一种基于Hurst指数差异的方法来检测海杂波背景下小目标。该算法基于小波分析法：计算各种极化方式下不同距离门的海杂波的Hurst指数,分析发现距离门含有小目标的Hurst指数明显大于距离门只含有海杂波的Hurst指数,而只含有海杂波的不同距离门间Hurst指数变化较小,因此可基于不同距离门的Hurst指数差值作为检测小目标的标准。实验证明,该算法可在没有任何先验知识条件较准确地检测出海杂波背景下的小目标。