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。     

基于固有模态奇异值熵的微弱目标检测算法

为检测海杂波中的微弱目标,文中首先提出采用固有模态函数构建海杂波的特征矩阵,解决采用延时嵌入法构建时间序列的特征矩阵时嵌入维数和延迟时间难以确定的困难,然后经奇异值分解获得海杂波的固有模态奇异值,并分析海杂波固有模态奇异值的特点以及目标的影响。分析发现,当目标出现时,海杂波的后6个固有模态奇异值明显增大,而固有模态奇异值熵可以描述目标对海杂波固有模态奇异值的这种影响。在此基础上,文中提出了采用固有模态奇异值熵检测微弱目标的方法。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单元平均恒虚警检测算法相比,该文所提算法的检测性能较好。     

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。     

基于分形维与缝隙参数的海杂波目标检测

针对分数布朗运动模型在不同尺度上粗糙度相同的缺陷,提出一种将高阶分形特征作为分形维数补充的目标检测算法。该方法将Hurst指数和缝隙特征相结合,分析比较了海杂波和目标的特性。在此基础上,对IPIX雷达实测数据进行实验分析。结果表明,对海杂波背景下的小目标检测,提出的算法比仅基于分形维数的检测算法性能更优。     

基于LGF的海杂波中微弱目标检测方法

该文主要研究了海杂波的模糊分形特性以及模糊分形理论在海杂波微弱目标检测中的应用。模糊分形理论是在融合了模糊理论与分形理论的基础上提出来的,其两个重要概念是局部模糊分形维数与局部分形度。海杂波序列的分形程度可以构造为一种模糊属性,即模糊集,其具有良好的模糊理论中定义的 “度”的概念,且对海杂波与目标具有良好的区分能力。局部模糊分形维数与局部分形度是针对短时海杂波序列进行处理的,对长时间海杂波序列进行处理可以滑动处理单元实现。经X波段实测海杂波数据验证,该文所提方法具有良好的微弱目标检测能力。      

海杂波中基于混沌预测的目标检测方法改进

基于记忆库非线性预测的NP-CFAR方法是目前混沌海杂波背景中目标检测的一种典型而先进的方法.考虑到海杂波功率与特征的时变不稳定性,本文提出运用旋转超盒分类取代这一方法中的NP-CFAR进行目标检测,并探讨了运用盒维数特征提取进行预处理以节省运算开销的问题.仿真实验验证了本文所提改进方法的有效性.     

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...     

On the fractal dimension of sea surface backscattered signal at low grazing angle

Fractal analysis of sea surface backscattering signal (sea clutter in radar terminology) represents a novel technique for the study of sea surface roughness. When Kirchhoff's assumption is satisfied, the fractal dimension of the signal is linearly related to the fractal dimension of the sea surface. Moreover, such a relationship is independent of transmitted frequency, polarization, time, space, sea wave propagation direction, incident angle (within the constraint of Kirchoff's assumption) and significant wave height. Nevertheless, for a low grazing angle, the Kirchhoff approximation does not hold and the behavior of the sea clutter fractal dimension cannot be theoretically predicted. The purpose of this paper is to investigate the fractal dimension of the sea clutter at low grazing angle, in order to extend the theoretical results. Moreover, the effects of the presence of a target on the sea surface are analyzed by means of the fractal dimension. Such an analysis is performed by using live recorded clutter data. In detail, the fractal dimension's dependence on space, time, sea wave propagation direction, sea wave height, transmitted polarization and presence of targets is investigated. A discussion on the use of the sea clutter fractal dimension for sea surface monitoring is addressed.     

采用改进型时频滤波的海杂波抑制方法

海洋环境下，海杂波具有明显的非平稳、非高斯特性，海杂波谱中心频率不固定、谱宽较宽，严重影响了雷达对海面目标的检测。传统的频域滤波器难以对复杂多变的海杂波进行有效抑制。本文通过分析海杂波的时频谱频率变化特征，定量计算各距离单元时频谱的中心频率平滑度，提出了采用基于时频谱能量分布的改进型时频滤波方法进行海杂波抑制。通过实测海杂波数据对杂波抑制效果进行分析，验证了该算法能够有效滤除海杂波信号和保护低速目标信号能量，提高目标信杂噪比，对提升雷达检测能力具有重要的作用。      

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。     

基于分形特性改进的EMD目标检测算法

为克服原有检测算法在目标和海杂波混叠时检测性能下降的问题,该文提出一种基于分形特性改进的经验模态分解(EMD)目标检测算法。该算法对原始信号经经验模态分解后得到的固有模态函数进行数据重构,再采用快速傅里叶变换获得去噪后的海杂波单元和目标单元的频谱,计算两者的单一Hurst指数,并将其输入非参量检测器中进行目标检测。研究表明,虽然目标和海杂波在频谱中难以区分,但两者在无标度区间内的单一Hurst指数存在差异,因此所提检测算法相比于原有频域检测算法性能更优。