强海杂波背景下目标检测方法综述

高频地波雷达被广泛应用于海面目标的检测,而由于海杂波的分布散射具有很强的动态特性,通常情况下成为了海面目标检测的主要干扰成分.因此,在强海杂波背景下进行目标检测的关键在于如何有效抑制海杂波.从循环对消、子空间分解、模型预测以及分形特征这几方面对海杂波抑制技术进行综述、分析和总结,为后续对海面目标检测提供参考.     

基于改进PSO-WNN的高频地波雷达 电离层杂波抑制方法

高频地波雷达的海上目标探测能力与电离层杂波的抑制效果息息相关,而电离层杂波的复杂性与变化多样性又为抑制带来了难题。为实现电离层杂波的抑制,分析了电离层杂波的混沌特性,在此基础上提出一种基于改进粒子群算法优化小波神经网络的抑制方法,解决了粒子群算法易早熟和易陷入局部最优的缺点;提出一种自适应概率变异的策略,丰富了种群多样性,使得整个迭代过程中粒子群能够跳出当前最优,寻得全局最优。实测实验表明,基于改进粒子群算法优化的小波神经网络（PSO-WNN）能够基本预测电离层杂波的数值,进行电离层杂波的抑制,有效改善了信噪比,对电离层杂波的抑制研究具有重要意义。     

基于改进ALO-RBF的高频地波雷达海杂波预测模型

高频地波雷达是海上动目标检测的重要手段，其中海杂波是影响海面目标检测性能的主要因素。为了提高海杂波的预测精度进而有效抑制海杂波，本文提出了一种基于改进蚁狮算法（Ant Lion Optimizer，ALO）优化RBF神经网络的海杂波预测模型（MGPALO-RBF，Multiple elites dynamic guidance Ant Lion Optimizer based on Gaussian difference variation-based learning with Perturbation factor-radial basis function）。由于标准蚁狮算法具有易陷入局部最优且收敛速度慢的缺点，本文在蚂蚁进行随机行走的过程中加入扰动因子以增加种群的活跃性和多样性，并提出多个精英动态引导机制，强化算法前期的探索能力和后期的开发能力，同时对种群中较差蚁狮进行高斯差分变异以提高算法的收敛速度。仿真结果表明：改进的蚁狮算法在对比算法中具有更高的收敛精度和收敛速度，MGPALO-RBF模型具有更好的海杂波预测性能。