基于固有模态能量熵的微弱目标检测算法

该文分析了海杂波能量在各固有模态函数(IMF)间的分布特点,研究了目标对海杂波能量在各IMF间分布的影响。研究发现,无目标时,海杂波的能量主要集中于先分解出的3个IMF中,而当目标出现时,海杂波的能量将向后分解出的6个IMF扩散,且固有模态能量熵恰能描述目标出现引起的海杂波能量分布的这种变化,因此该文提出了采用固有模态能量熵检测微弱目标的算法。仿真结果表明,与基于盒维数的微弱目标检测算法、频域CFAR检测方法和多脉冲CA-CFAR(100个脉冲)检测算法相比,该算法的检测性能较好,有效增强了雷达对海杂波中微弱目标的检测能力。     

基于低频IMF能量比的微弱目标检测算法

为检测海杂波中的微弱目标,该文分析了海杂波的低频固有模态函数（IMF）特点以及目标的影响,发现无目标时,海杂波的能量主要集中于前3个高频IMF中,而当目标出现时,海杂波的能量将向后面的低频IMF扩散,导致低频IMF能量在整个信号能量中所占的比例明显增大,在此基础上提出了采用低频IMF能量比检测微弱目标的算法。仿真结果表明,与基于盒维数的微弱目标检测算法和多脉冲CA-CFAR(100个脉冲)检测算法相比,该算法的检测性能较好,对海杂波中的慢起伏目标具备较强的检测能力。      

基于EMD和盒维数的固定微弱目标检测

为了对强海杂波中的固定微弱目标进行检测,论文提出了基于EMD和盒维数的目标检测算法。该算法首先采用EMD方法在时域内提取海杂波的低频分量,并计算低频分量的盒维数,然后利用盒维数对固定微弱目标进行检测。与仅基于盒维数的微弱目标检测算法相比,该算法扩大了固定目标对海杂波盒维数的影响,明显提高了对固定微弱目标的检测概率。      

基于海杂波循环平稳特性的纹理分量抑制技术

利用海杂波的循环平稳特性,提出了一种基于奇异值分解的纹理分量抑制算法,并对其性能进行了分析。首先结合海杂波的循环平稳模型,推导了循环均值和循环自相关函数的封闭表达式。利用海杂波强度数据构造Hankle矩阵并进行奇异值分解,由于奇异值分解后得到的奇异值主要成分是与纹理分量谐波频率对应的特征量,而循环均值在纹理分量谐波频点处出现峰值,因此可以通过抑制奇异值主要成分实现循环均值的峰值抑制。奇异值抑制后,通过矩阵重构和数据恢复,最终实现纹理分量的抑制。最后,分析了Hankle矩阵维数对抑制性能的影响,并分别采用仿真数据和实测数据验证了算法的有效性。      

基于局部Hilbert边际谱隶属度的微弱目标检测算法

文章采用Hilbert-Huang变换处理海杂波数据,获得海杂波的Hilbert边际谱,并分析了海杂波的Hilbert边际谱特点及其目标的影响。分析发现:无目标时,海杂波信号的Hilbert边际谱的谱宽较宽,低频成份较弱;而当目标出现时,其谱宽明显变窄,低频成份明显增强。为了描述目标对海杂波Hilbert边际谱的这种影响,将隶属度引入Hilbert边际谱,并采用目标出现频率处的海杂波局部Hilbert边际谱计算隶属度,通过分析发现,目标出现时,该隶属度明显减小,在此基础上,提出了基于局部Hilbert边际谱隶的微弱目标检测算法。仿真结果表明,对于实测和仿真目标数据,该算法都具备较好的检测性能,其检测性能明显优于基于盒维数的微弱目标检测算法、频域检测方法和多脉冲CA-CFAR检测算法的检测性能,对海杂波中的慢起伏目标具备较强的检测能力。      

基于Hilbert谱脊线盒维数的微弱目标检测算法

 在目标检测领域,分形理论中的盒维数常被用来检测海杂波中的微弱目标,但直接采用盒维数检测目标却得不到的较好检测性能.为提高采用盒维数检测目标方法的检测性能,文章在Hilbert-Huang变换域分析了实测海杂波数据的Hilbert谱脊线盒维数特性以及目标的影响,提出了采用Hilbert谱脊线盒维数检测目标的方法.仿真结果表明,目标出现时海杂波的Hilbert谱脊线盒维数明显减小,采用Hilbert谱脊线盒维数检测海杂波中的微弱目标能够获得较好的检测性能,其性能要优于直接采用盒维数的目标检测方法和多脉冲单元平均恒虚警检测方法的检测性能.     

基于局部Hilbert谱平均带宽的微弱目标检测算法

该文采用实测海杂波数据分析了目标出现频段内海杂波局部Hilbert谱的脊线及其平均带宽,研究了目标和天线极化方式对海杂波局部Hilbert谱脊线及其平均带宽的影响。研究发现,目标的出现将导致目标所处频段的海杂波局部Hilbert谱脊线起伏趋于和缓,局部Hilbert谱平均带宽减小,在此基础上,借鉴恒虚警检测技术提出了一种新的微弱目标检测算法。该算法先采用目标所处频段的局部Hilbert谱脊线计算平均带宽,以提取目标与海杂波的差异,然后将平均带宽作为检测统计量,实现对海杂波中的微弱目标进行检测。与基于海杂波盒维数的方法和单元平均恒虚警(CA-CFAR, 100个脉冲)方法相比,该方法有效提高了对海杂波中微弱目标的检测性能。     

基于迭代对消的外辐射源雷达目标检测方法

本文介绍一种外辐射源雷达目标检测中的杂波抑制算法,该算法首先将源自轨道卫星的连续波观测信号重构为观测矩阵,并对观测矩阵进行奇异值分解,利用迭代的方式将大奇异值对应的杂波成分逐渐从观测矩阵中减去,进而实现观测信号中强烈杂波的对消。在杂波消除过程中,最佳迭代阶数由熵变的最小值确定。然后对杂波消除之后的观测矩阵进行相干积累进而实现微弱目标检测。最终的仿真实验结果验证了本文所提方法的有效性和鲁棒性,并且本方法相较于经典的扩展相消算法具备更低的计算量。     

基于改进的集成经验模态分解的海杂波去噪

针对海杂波信号因混有噪声而难以提取的特点,提出基于改进的集成经验模态分解(MEEMD)的海杂波去噪方法。文中提出的MEEMD 在补充的集成经验模态分解(CEEMD)的基础上,利用排列熵和Savitzky-Golay 滤波对CEEMD 分解后的固有模态函数进行处理,最后在经验模态分解分解重构后得到削噪后的信号。以IPIX 雷达实测得到的海杂波数据进行仿真实验,结合最小二乘支持向量机建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,并用均方根误差判断去噪效果。仿真结果表明,文中所提出的MEEMD 算法对模式混淆有很好的抑制效果,去噪后得到的均方根误差为0. 000 847,比去噪前的均方根误差0. 012 2 降低了两个数量级。     

基于分形可变步长LMS算法的海杂波中微弱目标检测

该文主要研究了基于Hurst指数与可变步长LMS算法相结合的分析方法在海杂波微弱目标检测中的应用。一直以来,分形理论与统计理论是分别应用到目标检测中的,该文将分形可变步长LMS算法引入到海杂波微弱目标检测中,并在此基础上提出一个海杂波中的微弱目标检测模型,初步实现了基于LMS算法的检测方法与基于单一分形特征的检测方法的结合。最后,采用X波段雷达实测海杂波数据进行验证,结果表明该检测模型具有良好的检测海杂波中微弱目标的能力。     

基于奇异值分解的空域海杂波抑制算法

为实现对高频地波雷达(high frequency surface wave radar, HFSWR)一阶海杂波谱中目标的检测,提出了基于奇异值分解(singular value decomposition, SVD)的空域海杂波抑制算法（简称空域SVD算法）. 空域SVD算法是利用海杂波较强的相关性,将邻近距离单元作为参考,对其阵列协方差矩阵进行SVD,估计空域的海杂波子空间和噪声子空间;再利用子空间的正交性,从阵列回波信号中去除其在海杂波子空间的投影分量,达到在空域抑制海杂波的目的. 该方法与现有的空域海杂波抑制方法相比,不需要预先知道海杂波的方位,利用阵列协方差矩阵的SVD来估计子空间,使得子空间的估计比较容易且准确,提高了输出信杂噪比(signal to clutter plus noise ratio, SCNR),有利于目标的检测.     

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(TQ...     

基于杂波白化处理的海面低速弱目标检测

为了检测平稳海杂波中的低速弱目标，本文引入杂波白化处理模块取代雷达常用的MTI滤波器和多普勒滤波器组。理论分析与基于真实和海杂波数据的仿真试验结果均表明本文方法对海面低速弱目标的检测具有独特的效果。     

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.