高阶分形特征在雷达信号检测中的应用

本文将高阶分形特征用于雷达信号的分析 ,提取出用于区分目标和杂波的新的分形特征———缝隙尺度变化率 .推导了缝隙值在加性分形噪声中的关系式 .实验表明 :利用缝隙特征进行海上雷达目标的检测 ,可以取得较分维值检测更高的准确率 .

基于高阶分形特征的海面运动目标检测方法

将高阶分形特征用于海面运动目标检测,提取出用于区分运动目标和海杂波的新的分形特征——缝隙特征。实验表明利用缝隙特征进行海面运动目标检测,可以取得较分形维检测更高的准确率。

纹理高阶分形特征在海面舰船目标检测中的应用

针对复杂海面环境下的舰船目标检测,分析了高阶分形特征缝隙在纹理分类中的应用,提出了一种基于分形维与缝隙的目标检测新方法,并利用该方法对海面舰船目标进行了检测。实验结果表明利用纹理分形维与缝隙特征进行海面舰船目标检测,可以取得较单一分形维检测更高的准确率。

基于边缘链码高阶分形特征的舰船目标检测算法

针对舰船目标和海杂波轮廓结构的不同,提出了基于边缘链码高阶分形特征的舰船目标检测算法,算法利用相对链码对5类舰船目标轮廓进行编码,分别计算分形维和缝隙,得到了舰船目标的4个分形特征的范围。实验结果表明边缘链码的4个分形特征能有效区分舰船目标和海杂波。

基于分形特征提取的调制信号识别

研究了非平稳分形随机噪声背景下的信号调制识别问题。提取了盒维数、信息维数和高阶分形特征-缝隙尺度变化率构成分类特征向量空间,这些特征包含了信号幅度、频率和相位的变化规律,集中了各种调制方式之间的差异信息,通过理论分析和仿真表明,当 SNR>5dB 时,(1)分形特征对分形随机噪声不敏感,能充分保证分类特征在决策空间存在一个较清晰的边界;(2)在相同的 SNR 环境下,分形特征在分形噪声环境下比在高斯白噪声环境下有更好的稳定性,对5种调制样式的识别率均大于92.5%。