基于实测数据的海杂波与海面小目标特征分析

目标特性是雷达目标检测识别等精细化处理的基础。设计检测器主要是设计 1个检测统计量,使之在有无目标时有尽可能大的差别。经典的检测主要用幅度特性、相关性等。利用 X波段雷达 2~5级海况下航道浮标实测数据,分别对比分析海况连续变化下海杂波和海面小目标的时间相关性、空间相关性、相对平均幅度(RelativeAver-ageAmplitude,RAA)、相对多普勒峰高(RelativeDopplerPeakHeight,RDPH)和相对多普勒向量熵(RelativeVector Entropy,RVE)5种特征的变化情况。大量实测数据验证表明,随着海况等级增加,海杂波与海面小目标的时空强相关数值逐渐变小:2~5级海况下,RAA具有较好的可区分性;2~3级海况下,RDPH据有较好的可区分性,4~5级海况下区分效果不理想;5级海况下,RVE的具有较好的可分效果。结论对于海杂波背景下雷达目标特征检测方法优化设计具有重要意义。     

大入射余角海杂波相关特性分析及幅度拟合

对入射余角44°到74°的海杂波实测数据进行时间相关性、空间相关性分析,并提出了一种新的海杂波幅度拟合混合分布。实验表明,海杂波相关时间维持在毫秒量级,且随着入射余角增加,先增加后减小,时间相关性最强的入射余角在60°左右,而平均相关距离单元个数一直增加。通过KK分布、Rayleigh分布与K分布的对比,表明新的混合分布对大入射余角海杂波的拖尾特性具有良好的拟合效果。     

海杂波谱的机理及时变特性分析

针对海杂波背景下目标检测问题的实际需求,在机理分析的基础上,利用实测数据对海杂波谱的时变特性进行了分析。首先,分析了波束照射区域内由海表面波浪运动引起的多普勒频移和展宽现象,以及随雷达工作参数之间的依赖关系;然后,对已有海杂波谱机理研究结果进行了分析和总结。在此基础上,利用加窗的周期图法估计得到海杂波的时间-多普勒谱,进而从相关时间的统计特性、谱宽与时域海杂波拖尾程度的依赖关系两个层面对海杂波谱的时变特性进行了分析。分析结果可为海杂波谱建模、海杂波抑制及目标检测方法设计提供理论指导。     

海杂波FRFT域分形特征在动目标检测中的应用

文中研究了海上动目标雷达回波与海杂波在分数阶Fourier域(FRFT域)的分形特性,利用两者幅值起伏程度的不同,提出了一种基于FRFT域分形维数差异的动目标检测方法。该方法以处处连续而不可导的非平稳不规则信号模型——分数布朗运动作为FRFT域分形模型,通过仿真分析实测海杂波数据的分形曲线,证明海杂波在FRFT域的无标度区间内具有分形特性。提取出FRFT域海杂波与动目标回波的分形维数,并利用其固有的差异进行目标检测。经不同极化方式下海杂波数据仿真,验证了算法的有效性。     

基于小波变换的海杂波分布特性分析

提出了用小波变换对海杂波分布进行统计分析,利用小波多分辨分析估计海杂波的概率密度函数,通过拟合识别分布并求取参数,改变以往先假定海杂波分布识别的方法,克服了因为噪声的存在直接由海杂波数据估计分布参数不准确的缺点。通过适当地调整小波多分辨分析的阈值,可以获得更逼真的海杂波概率密度函数,适应各种海况下的海杂波分析。     

大入射余角实测高分辨 海杂波数据幅度统计特性

基于Ku波段高分辨大入射余角(擦地角)海杂波数据,采用瑞利分布、韦布尔分布、对数正态分布、K分布和KK分布进行仿真,并与实测数据对比,分析了这些分布方式的拟合效果。结果表明,海杂波的幅度在大入射余角情况下基本还是逼近瑞利分布的,海杂波在某些距离单元上的幅度分布曲线尾部偏离瑞利分布,此时K和KK分布可在拖尾处达到更好的拟合效果。     

海杂波条件异方差特性分析与波动信息提取

由于低擦地角、高海况等易引起雷达海杂波序列的局部剧烈波动,传统的统计分布模型难以描述突然出现的具有冲激特性的强回波,因此,针对这一问题,将广义自回归条件异方差(Generalized Auto Regressive Conditional Heteroskedasticity,GARCH)模型引入海杂波建模中,通过 GARCH模型阶数步进搜索结合残差序列方差齐性检验,实现了海杂波数据的波动信息提取。经 X波段雷达实测数据验证,所提出的波动信息提取方法,可以很好地提取实测海杂波数据在局部区域或时间段内的波动信息,为特征检测方法设计提供有效的特征支撑。     

雷达海杂波时频谱特性分析

针对海杂波背景下目标检测问题的实际需求,整理分析了STFT、WVD、PWVD和SPWVD 4种常见时频分析方法及其优缺点,并基于实测数据对海杂波的时频处理结果进行了对比分析。分别对纯海杂波单元和目标单元实测数据进行处理,将利用4种时频分析方法得到的结果进行对比、分析和总结。对4种方法在时频分辨率、目标能量积累程度、对海杂波抑制能力和平滑程度上各自特点进行分析,并总结得到相应的结论。     

基于杂波对消-自聚焦的多通道SAR-GMTI

对超高频(UHF)波段多通道合成孔径雷达(SAR)动目标检测技术进行研究,解决了长相干积累时间导致动目标在方位向散焦严重的问题。采用分块自聚焦技术对多通道SAR地面移动目标指示(GMTI)系统自适应杂波抑制后的SAR图像进行处理,改善杂波抑制后的SAR图像中动目标的聚焦情况,增强动目标与周围剩余杂波的对比度,进而提高恒虚警率(CFAR)检测的性能。与传统杂波抑制后直接进行CFAR检测方法相比较,该方法降低了检测虚警概率。实测数据处理结果显示动目标的信杂比明显提高,动目标方位向聚焦成功,证明了该方法的有效性。     

三种两样本非参量CFAR检测算法分析

介绍了3种两样本非参量CFAR检测算法的基本工作原理,利用实测未知统计概率分布海杂波数据对它们的检测性能进行了研究,并与参量CA-CFAR检测器进行了对比.研究表明:在强海杂波条件下,GS-CFAR检测器的检测性能最优;在弱海杂波条件下,Savage-CFAR检测器的检测性能最优;相比于CA-CFAR检测器,3种两样本...     

无线电引信抗海杂波干扰方法

无线电引信抗海杂波的能力决定了舰空导弹无线电引信低空和超低空工作性能,针对海杂波对无线电引信的影响,分析了海面回波的平均功率、海面散射系数、海杂波的多普勒频谱等海杂波特性,提出了无线电引信抗海杂波干扰方法。     

一种基于FPGA的海杂波产生器设计

海杂波是反舰导弹末制导雷达回波的主要背景噪声,在末制导雷达模拟器的设计中,海杂波产生器是一个重要组成部分。在研究海杂波噪声概率分布密度的基础上,给出了一种基于FPGA技术的海杂波产生器的设计方案,并利用Altera公司的cyclone II系列芯片和QuartusII开发软件对设计进行了仿真验证。采用FPGA技术可以方便地对设计方案、海杂波的分布形式、数据量大小进行修改。仿真结果表明,该设计能够产生符合要求的海杂波信号,并且具有结构简单、集成度高、易于修改等特点。     

Detection of small objects in clutter using a GA-RBF neural network

Detection of small objects in a radar or satellite image is an important problem with many applications. Due to a recent discovery that sea clutter, the electromagnetic wave backscatter from a sea surface, is chaotic rather than purely random, computational intelligence techniques such as neural networks have been applied to reconstruct the chaotic dynamic of sea clutter. The reconstructed sea clutter dynamical system which usually takes the form of a nonlinear predictor does not only provide a model of the sea scattering phenomenon, but it can also be used to detect the existence of small targets such as fishing boats and small fragments of icebergs by observing abrupt changes in the prediction error. We applied a genetic algorithm (GA) to obtain an optimal reconstruction of sea clutter dynamic based on a radial basis function (RBF) neural network. This GA-RBF uses a hybrid approach that employes a GA to search for the optimum values of the following RBF parameters: centers, variance, and number of hidden nodes, and uses the least square method to determine the weights. It is shown here that if the functional form of an unknown nonlinear dynamical system can be represented exactly using an RBF net (i.e., no approximation error), this GA-RBF approach can reconstruct the exact dynamic from its time series measurements. In addition to the improved accuracy in modeling sea clutter dynamic, the GA-RBF is also shown to enhance the detectability of small objects embedded in the sea. Using real-life radar data that are collected in the east coast of Canada by two different radar systems: a ground-based radar and a satellite equipped with synthetic aperture radar (SAR), we show that the GA-RBF network is a reliable detector for small surface targets in various sea conditions and is practical for real-life search and rescue, navigation, and surveillance applications     

A Quantitative Analysis of Sea Clutter Decorrelation with Frequency Agility

A brief statement of the sea clutter problem in surface-search radar operation illustrates the need for some form of signal-to-clutter enhancement. Post-detection integration used in the simpler radars is limited by the pulse-to-pulse correlation of the clutter. Analysis of the effect of changing frequency from pulse to pulse leads to an expression for the correlation between pulses in the sequence. Knowing this correlation, the reduction in the fluctuating clutter component produced by integration can be determined. This is described by an equivalent number of independent pulses, Nc. For the particular case of sinusoidal modulation of the transmitted frequency, N6 is computed. The critical dependecne of Nc upon the modulating frequency fm is illustrated by spectrum photographs. Choice of an optimum fm is discussed. The results of computations of N4 for optimum fm are presented as a family of normalized curves. These data permit the tradeoff of the radar parameters against their quantitative effect on radar performance.     

利用神经网络的海杂波幅度分布参数估计方法

海杂波是制约对海雷达探测性能的主要因素之一,掌握其特性,具有十分重要的意义。经典海杂波统计模型在参数估计方法上以传统统计学理论为基础,在样本数较少的情况下,估计结果往往较差,导致建模准确度下降。此外,在复杂非均匀探测背景下,难以实现海杂波模型参数的准确实时估计。针对该问题,文章将深度神经网络模型引入海杂波参数估计领域,通过构建合理的模型,使其具备海杂波幅度分布模型的高精度参数估计能力。该方法采用直方图统计的方法进行数据预处理,合理划分输入数据标签的分组区间,构建数据集训练神经网络,并利用测试数据得到神经网络估计结果。仿真数据和X波段IPIX雷达实测数据验证结果表明,与传统数理统计估计方法相比,该算法明显提升了海杂波统计模型参数估计精度。     

基于海杂波对消技术的无线电引信超低空技术研究

无线电引信超低空性能实现的关键就是抑制海杂波,提取出目标信号.目前常用的距离波门截止技术和频谱识别技术所能达到的超低空性能还分别有其不足之处.文中针对以上两种技术的缺点,从海杂波对消的角度出发,提出了一种简单而有效的海杂波抑制方法.