基于ARLPM改进的海面目标检测新方法

舰载(或岸基)雷达对海面小目标检测是一个重要而且困难的课题。最大极点幅度检测(ARLPM)是目前实用性较强的一种方法,特别在短时检测方面有着不错的效果。但该算法的缺陷在于只利用了海杂波AR谱的最大幅度极点的谱宽特性,文中在ARLPM的基础上提出了一种新的基于AR模型的方法——双参量检测,它同时利用到了极点的谱宽和谱峰。最后,利用真实海杂波数据对该方法作了实验,通过比较表明,双参量检测优于原方法。

一种基于SPMAD估计的海杂波中低速小目标的检测方法

海洋环境中低速小目标的有效检测是许多领域所关心的问题．本文在Ｎｏｈａｒａ等提出的基于ＡＲ模型的ＡＲＬＰＭ（ＡｕｔｏＲｅｇｒｅｓｓｉｖｅＬａｒｇｅｓｔＰｏｌｅＭａｇｎｉｔｕｄｅ）检测方法的基础上，提出了一种新的基于Ｄｅｃｈｉｒｐ和谱峰差分绝对值平均值ＳＰＭＡＤ（ＳｐｅｃｔｒａｌＰｅａｋＭｅａｎＡｂｓｏｌｕｔｅＤｉｆｆｅｒｅｎｃｅ）的检测方法，仿真结果表明：该方法在性能上同ＡＲＬＰＭ方法相比有显著的改善．

LVQ神经网络用于海上小目标检测

舰载(或岸基)雷达对海面小目标检测是一个重要而困难的课题。最大幅度极点检测(ARLPM)是目前实用性较强的一种方法,特别是在短时检测方面有着不错的效果。本文在AR-LPM的基础上提取了最大幅度极点的两个目标特征———频率和谱宽,然后采用学习矢量量化(LVQ)神经网络进行目标检测。该方法有强大的非线性运算和相似特征聚类功能,不仅简单易行,还具备一定的自适应性。最后本文利用真实海杂波数据对该方法作了实验,通过比较表明,LVQ神经网络检测优于原方法。