基于IMF能量分布重构的目标检测技术

为提高海杂波中慢速目标的检测性能,提出了一种基于IMF能量分布重构的目标检测技术。该算法对原始信号尖峰区域经经验模态分解后得到的固有模态函数进行分段数据重构,计算前端IMF分量与后端IMF分量的能量比,并将其输入非参量检测器中进行目标检测。研究表明,相比于海杂波单元,目标单元尖峰区域有更小的前后端IMF分量能量比,适用于慢速目标的检测。     

基于CEMD的旋翼微动目标杂波抑制方法

针对旋翼微动目标杂波抑制问题,研究了一种基于复数据经验模态分解（CEMD）的微动目标杂波抑制方法。首先,建立了地杂波背景下的旋翼微动目标信号模。然后,根据杂波和微动信号在时频域的差异性,基于CEMD和Gabor变换,通过新定义的不同本征模态函数（IMF）的能量所占总能量的比重,选择出微动信号占优所对应的几个IMF分量,并基于这些IMF对旋翼微动目标进行时域和时频域重构,实现旋翼微动目标和杂波的分离,达到抑制杂波提取微动目标回波的目的。最后,与常规杂波抑制方法进行了对比,仿真结果验证了所提方法的有效性。     

基于非线性自适应滤波器的海杂波抑制技术

海杂波会严重影响雷达对海洋表面目标的检测。为了提高海洋表面目标的检测性能,基于非线性自适应滤波器,提出了海杂波抑制方法,实现了海杂波抑制。介绍了非线性自适应滤波器的原理以及利用梯度下降法训练滤波器的方法。利用IPIX雷达实测海杂波数据,分别针对岸基雷达和机载雷达,进行了此方法的仿真试验,从均方预测误差(MSE)和信杂比改善因子(IF)两个方面,分析了此方法的性能。并与基于线性预测的LMS算法进行了比较,得出了此方法对慢速目标的检测性能优于线性方法。     

高海况条件下海面漂浮小目标特征提取与分析

在高海况条件下,海面小目标回波信杂比很低,且在海浪影响下,小目标姿态变化引起的能量起伏严重,以能量为主导的目标检测方法具有较大的性能损失。从不同表示域提取小目标与海杂波差异特征,并进行特征检测是解决该问题的有效途径。以此为背景,通过开展海面小目标数据采集试验,分别从时域、频域、时频域、时频脊变换域进行特征提取与可分性分析,在 4个表示域共提取出 10个特征,包括时域相对平均幅度(RelativeAverageAm-plitude,RAA)、频域相对多普勒向量熵(RelativeVectorEntropy,RVE)、时频脊累积量(RidgeIntegration,RI)等,通过分析得到了 4级海况条件下不同特征可分性程度的结论,为后续多特征融合以及多维特征目标检测工作提供支撑。     

涡轮叶片早期裂纹的三维叶尖间隙EEMD能量熵融合诊断方法

为了解决航空发动机涡轮叶片早期裂纹故障信号微弱、难以识别的问题,提出一种基于三维叶尖间隙集成经验模态分解（EEMD）能量熵融合的涡轮叶片早期裂纹诊断方法。采集涡轮叶片三维叶尖间隙信息,利用EEMD分别对三维叶尖间隙各维信号进行处理,得到相应的固有模态函数(IMF),以此计算每一维信号分量EEMD能量熵,构建能表征叶片裂纹状态的不同EEMD能量熵高维矢量集。建立多个堆叠自动编码器(SAE)分别对各高维矢量集进行特征学习并提取所学习的深层特征表达。利用支持向量机算法(SVM)和遗传算法(GA)融合各维深层特征以综合不同维度信息进而充分判定叶片裂纹状态。通过涡轮叶片裂纹诊断试验,结果表明:所提方法能有效提高叶片早期裂纹诊断精度,其平均准确率达到98.415%,标准差仅为0.697%,具有很好的稳定性、泛化性和自适应性。     

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。     

分数傅立叶变换用于抑制SAR杂波背景检测慢速动目标

慢速运动目标在时、空、频域上都落入主杂波区。利用单通道SAR图像中静止背景的信息抑制静止杂波,可改善检测动目标的性能。分数傅立叶变换是线性变换,不存在交叉项,采用分数傅立叶变换搜索匹配动目标信号,使其能量汇聚。对称计算旋转角正负对称的分数傅立叶变换,在两个对称的分数傅立叶域中得到两个复信号,这两个复信号中静止背景的模处处相同,而包含动目标的区域,模的幅度有很大差别,计算对称的分数傅立叶域信号对应位置模的差,取绝对值,可对消静止背景,敏锐地检测动目标。实测数据表明本算法有效。     

基于EMD样本熵-LLTSA的故障特征提取方法

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.     

基于经验模态分解的燃烧不稳定性分析

实验研究了在常温常压条件下贫燃预混旋流火焰的燃烧不稳定性,发生燃烧不稳定性时其压力脉动表现为非平稳信号.利用一种基于经验模态分解(EMD)的希尔伯特-黄变换(HHT)算法对在当量比分别为0.71和0.80工况下的压力脉动信号进行了时频分析.针对压力脉动信号进行经验模态分解,选取主要的固有模态函数(IMF),对IMF通过HHT变换得到瞬时频率并进行统计分析.结果表明:在当量比为0.71时,压力信号呈间歇式的脉动,其振型为拍振;在当量比为0.80时,脉动压力信号则呈现出极限环振型.在基于EMD的HHT变换中,IMF体现了燃烧不稳定性的固有模态且具有自适应性强的特点.      

基于HHT的航空直流串行电弧特征提取方法

由于飞机内部布线空间有限、电弧故障存在发生时间地点随机以及特征不明显等问题,导致检测困难。本文基于航空270 V高压直流（HVDC）系统开展直流串行电弧故障特征提取方法研究,采用希尔伯特黄变换（HHT）提取电弧电流交流分量的时域和频域特征量。选择HHT的固有模态函数IMF5瞬时幅值的峰峰值和标准差作为识别电弧故障的时域特征,与原始信号中提取的时域特征量对比,正常和电弧特征量的区分度更大;选择HHT的固有模态函数IMF1+IMF2、一定频带范围内的瞬时幅值计算得到的谐波功率和作为区分正常和电弧情况的频域特征量。与常用的快速傅里叶变换（FFT）方法相比,HHT三维时频谱能够反映信号的局部特征,HHT方法计算得到的正常和电弧特征量之间的区分度更大,电弧和正常特征量的比值最高可达346。基于HHT的电弧故障特征提取方法能够更好地区分正常和电弧情况,有助于提高电弧故障的检测率,降低虚警率,具有重要的工程应用价值。     

基于Hilbert谱脊线粗糙度的微弱目标检测算法

为检测海杂波中的微弱目标,文中采用实测数据分析了海杂波的Hilbert谱脊线及其粗糙度,研究了目标对其Hilbert谱脊线及其粗糙度的影响。研究发现,目标的出现将导致海杂波Hilbert谱脊线起伏趋予平滑,Hilbert谱脊线粗糙度减小,在此基础上,文中提出了采用Hilbert谱脊线粗糙度检测微弱目标的方法。仿真结果表...     

A novel target detection approach based on adaptive radar waveform design

To resolve problems of complicated clutter, fast-varying scenes, and low signal-clutterratio (SCR) in application of target detection on sea for space-based radar (SBR), a target detection approach based on adaptive waveform design is proposed in this paper. Firstly, complicated sea clutter is modeled as compound Gaussian process, and a target is modeled as some scatterers with Gaussian reflectivity. Secondly, every dwell duration of radar is divided into several sub-dwells. Regular linear frequency modulated pulses are transmitted at Sub-dwell 1, and the received signal at this sub-dwell is used to estimate clutter covariance matrices and pre-detection. Estimated matrices are updated at every following sub-dwell by multiple particle filtering to cope with fast-varying clutter scenes of SBR. Furthermore, waveform of every following sub-dwell is designed adaptively according to mean square optimization technique. Finally, principal component analysis and generalized likelihood ratio test is used for mitigation of colored interference and property of constant false alarm rate, respectively. Simulation results show that, considering configuration of SBR and condition of complicated clutter, 9 dB is reduced for SCR which reliable detection requires by this target detection approach. Therefore, the work in this paper can markedly improve radar detection performance for weak targets.     

HRR Detector for Slow-Moving Targets in Sea Clutter

The radar detection of targets in the presence of sea clutter has historically relied upon the radial velocity of targets with respect to the radar platform either by exploiting the relative target Dopplers (for targets with sufficient radial velocity) or by discerning the paths targets traverse from scan to scan. For targets with little to no radial velocity component, though, it can become quite difficult to differentiate targets from the surrounding sea clutter. This paper addresses the detection of slow-moving targets in sea clutter using a high resolution radar (HRR) such that the target has perceptible extent in range. Under the assumption of completely random sea clutter spikes based on an epsiv-contaminated mixture model with the signal and clutter powers known, optimal detection performance results from using the likelihood ratio test (LRT). However, for realistic sea clutter, the clutter spikes tend to be a localized phenomenon. Based upon observations from real radar data measurements, a heuristic approach exploiting a salient aspect of the idealized LRT is developed which is shown to perform well when applied to real measured sea clutter.     

Adaptive Rectification Filter for Detecting Small IR Targets

Clutter suppression is one of the most important subjects in the field of small target detection under infrared (IR) strong clutter background. While removing the clutter background, however, such methods may reverse the relative energy distribution of target and noise in the clutter suppressed image, and disturb the subsequent target segmentation and detection. This paper analyzes the causation of such problems, does research on the relationship between target energy characteristics and detection probability, and presents a novel filter of energy distribution adaptive rectification (EDARF). Based on the EDARF, an improved framework of dim small target detection is proposed to rectify the energy distribution in the clutter-suppressed images by conventional adaptive filters. The proposed EDARF's performance is estimated by experimental comparisons of three linear/nonlinear filters before and after using EDARF. Extensive experimental results show that the proposed EDARF improves efficiently the performance of detecting dim small targets against strong undulant cloud-cluttered backgrounds.     

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。     

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。