雷达海杂波尖峰时频分布特性研究

对雷达海尖峰进行了重新定义,使用短时傅里叶变换、平滑伪维格纳分布以及平滑内维格纳分布的重排形式3种工具分析了IPIX雷达杂波数据的单个距离分辨单元内海尖峰与时频分布之间的关系。研究表明,伴随海尖峰的发生,杂波对应的时频能量分布也较强。

基于图连通密度的海面漂浮小目标检测

海面漂浮小目标由于其能量弱,一直是海面目标检测的重难点。传统基于统计模型的漂浮小目标检测算法借助回波能量进行检测,没有利用数据频域幅度间的关联性,导致检测性能受损。该文借助图的处理方式,首先利用回波数据脉冲间频域幅度的关联性计算连通密度,生成邻接矩阵,接着将邻接矩阵转换为拉普拉斯矩阵,提取拉普拉斯矩阵的最大特征值作为检测特征,提出了一种基于图的连通密度的海面漂浮小目标检测算法。通过对实测的全相参的X波段(IPIX)雷达数据进行连通密度的分析,发现海杂波构成的图比较稠密,而海面漂浮小目标构成的图比较稀疏,故通过连通密度构成的图可以有效地检测海杂波中的漂浮小目标。进一步地,通过与对比算法实验分析发现,该文所提基于图的连通密度的检测算法检测性能明显优越。

高质量LMSCT时频分析算法及其在雷达信号目标检测中的应用

针对线性调频小波变换(CT)引入的调频率参数不能完全匹配信号的瞬时频率及算法抗噪性能不佳等问题,提出高质量的局部最大值同步压缩线调频小波变换(LMSCT)算法,改善CT时频分布图能量扩散幅度出现的偏差.所提算法的核心思想是通过局部最大值同步压缩操作重新分配CT的频率点.实验结果表明,LMSCT算法具有较高的时频聚集度,并且能够较好地抑制噪声的干扰,在低信噪比的情况下仍然保持良好的时频聚集度.在IPIX处理雷达信号分析中,LMSCT算法能够较为清晰地描绘目标信号的时间-频率联合分布特性,并且确定目标出现的距离单元,为海杂波背景下的IPIX雷达信号小目标检测提供判断依据.

块白化杂波抑制的海面漂浮小目标检测方法

海杂波背景下对漂浮小目标的检测是海面搜索雷达面临的难点与重点.针对高分辨海杂波的非均匀、非平稳特性,在提出分块白化方法对海杂波进行抑制的基础上,利用纯杂波与含目标回波在时频平面上能量分布的差异,提出时频脊引导的Hough变换提取时频特征,并得到基于该特征的检测器.实测IPIX雷达数据表明当观测时间较短时,该检测器具有比基于分形的检测器更好的检测性能.

基于门控循环神经网络的海杂波幅度预测

海杂波是雷达在海洋表面采集到的海面电磁散射回波.受海洋环境要素(风速、风向、浪高、浪向等)和雷达参数的影响,其幅度随时间具有随机起伏性,海杂波的幅度预测精度的提高有助于增加目标检测准确度.本文结合海杂波非高斯非线性的特点,提出了基于门控循环神经网络的海杂波幅度预测方法.通过对IPIX雷达和P波段雷达海杂波实测数据的预测分析,结果表明,本文方法相对已有传统方法具有更高的预测精度.

基于实测数据的分时全极化雷达海杂波分布研究

首先基于IPIX分时全极化雷达的海杂波实测数据,分析了瑞利分布、韦布尔分布、对数正态分布和K分布对实测数据的拟合效果,发现对数正态分布拟合水平极化接收通道的杂波数据效果较好,K分布拟合垂直极化接收通道的杂波数据效果较好,但是仍然存在海杂波"拖尾"区域拟合不理想的情况.为此,假设海杂波中的布拉格散射体的回波服从K分布,离散海尖峰的回波服从对数正态分布,海杂波整体服从K分布和对数正态分布的叠加混合分布,提出了一种具有闭式表达式的混合分布,以改善海杂波分布"拖尾"部分的拟合效果.实测数据分析表明,本文提出的混合分布对海杂波幅度分布的拟合效果优于对数正态分布和K分布.

基于全极化信息融合的海杂波中漂浮小目标检测算法

强海杂波中的漂浮小目标检测是对海雷达探测的热点与难点问题。传统算法在单一域(时域,多普勒域以及时频域)中检测性能差,基于特征的检测算法是解决海面漂浮小目标检测的有效手段。提出了基于全极化信息的特征融合检测算法,选取时域与多普勒域的6特征,提取出基于全极化信息的6特征,分析特征的可分性,最后利用PCA异常检测器进行目标快速检测。在实测IPIX雷达数据集上进行验证,实验结果证明,相比于已有的PCA检测算法,所提算法具有优良的检测性能。

基于变换域分形的海面小目标快速检测

针对传统海杂波中分数阶傅里叶变换(FRFT)域分形检测算法确定最优阶次困难、性能不稳定等问题,提出改进的变换域分形的海面小目标快速检测算法。新算法利用快速估计算法快速确定目标回波在FRFT变换的最优阶次,目标回波经FRFT变换后使得能量得到积累,提高回波信杂比。在此基础上,利用优化多重分形去趋势波动分析算法(IMFDFA)进行海杂波的多重分形研究。对IPIX雷达实测数据进行目标检测,实验证明:新算法中提出的最优阶次寻优算法性能稳定;与传统算法分形结果对比,新算法性能得到明显改进且更稳定,在一定程度上有利于算法应用于检测海面小目标。

基于迁移学习的雷达杂波幅度统计模型选择

在对目标进行探测和识别的过程中,雷达杂波幅度统计模型选择是重要步骤。为了提升杂波幅度统计模型选择的准确率,基于样本分布适配,提出了一种加权再均衡分布适配的迁移学习方法,实现了仿真数据的信息向实测海杂波IPIX数据的迁移。通过与已有算法进行比较,实验结果表明改进后的算法在IPIX数据集上能取得更好的分类准确率,在迁移学习公共数据集Office-Caltech10上的验证结果也表明了算法的普适性。

基于WL-MF海面弱目标检测算法

为有效检测海杂波背景下的弱目标,研究一种基于小波领袖多重分形(WL-MF)分析的目标检测方法.该方法采用小波领袖法分析海杂波的多重分形特性,利用海杂波与目标的多重分形参数差异实现目标检测.采用IPIX雷达实测海杂波数据对该方法进行验证,结果表明:尺度函数与多重分形谱在不同海情下对海杂波和目标均具有良好的区分能力,且与传统的多重分形去势波动分析法相比,WL-MF计算量小,更便于检测.