单舰舰载雷达发现概率定量算法及功能模拟

未来海战中,水面舰艇编队所面临的最大威胁主要来自空中。如何提高单舰防空作战效能,舰载雷达发现目标的效率是衡量总体效能的一个重要指标。首先从雷达作用距离方程出发,分析和求取了在有源和无源干扰下单个脉冲的信干比,在此基础上引出了Swerling公式计算其发现概率的方法,并用功能模拟框图进一步明确了求取单舰发现概率的步骤,最后通过计算机仿真得到了舰载雷达对某个目标在干扰情况下的发现概率。

面向船载雷达图像的船只检测方法

提出一种适用于船载雷达图像的船只检测方法,对相邻的多幅雷达图像进行叠加处理,采用概率神经网络模型估计海杂波雷达后向散射的概率分布,利用恒虚警率技术确定全局阈值,根据连通区域的大小去除虚警。使用X波段船载雷达图像序列对该方法进行检验,结果表明,利用该方法得到的船载雷达图像的船只检测精度可达89.5%。

水面舰艇编队雷达探测网络研究

简要论述了舰载雷达在信息战条件下所面临的挑战 ,在分析了国外的水面舰艇编队的舰载雷达系统的基础上 ,对我国水面舰艇编队的舰载雷达系统的发展思路进行了探讨。

基于船载雷达图像的海上船只检测方法

随着雷达成像技术和高分辨率光栅显示技术的发展和应用,基于船载雷达图像的船只检测成为可能。海上船只检测的主要困难之一是雷达图像中包含固有的海面背景杂波。传统的雷达船只检测方法,如恒虚警率法(CFAR),以杂波分布模型为基础,计算待检测窗口中的信号统计分布来确定自适应阈值,取得了一些成果。但是,当海面背景杂波和船只目标的回波强度在同一数量级,甚至船只目标淹没在海面背景杂波中时,就难以确定一个有效的阈值将船只目标从雷达图像中提取出来。在分析海面背景杂波和船只目标的相关差异性基础上,提出了一种基于船载雷达序列图像的海上船只快速检测方法。该方法首先对相邻两幅图像进行互相关性分析,在两幅图像中的同一位置提取一定尺寸的移动窗口,计算其互相关函数值,窗口移动一个步长,重复操作直至遍布整幅图像,形成一幅由灰度图像互相关函数值组成的相关图像。然后使用概率神经网络模型(PNN模型)来估计相关图像背景杂波的灰度概率密度分布函数(PDF),应用CFAR技术,使用二分法求解一个区分船只和背景噪声的自适应整体阈值,并根据阈值将相关图像二值化,其中大于阈值的像元作为候选的船只目标信息,小于阈值的像元则为海面背景杂波。最后使用连通性8-邻域准则统计各个候选船只目标区域的像元数,并与预先定义的最小船只目标像元数进行比较,偏小的候选船只目标区域作为虚警去除,保留下来的候选船只目标区域即为船只检测结果。研究显示,如果图像序列中没有船只目标信息,则三维相关图像比较平整。相反,如果图像序列中含有船只目标信息,则三维相关图像上有峰值被检测出,通过测量峰值的高度,就能判断存在可能的船只目标。运用X波段船载雷达序列图像对本文提出的海上船只检测方法进行了测试。测试结果表明,该检测方法具有很好的船只检测效果,得到的船只检测结果与目视判别的结果一致。而且该检测算法原理简单,计算速度快,易于实时处理,具有广阔的应用前景。