海雜波中小目標的特征檢測方法.pdf

1、海面監(jiān)視雷達可以完成對大范圍海面的預警、監(jiān)視和探測，在軍事和民用領域均有廣泛應用。由于高分辨海雜波的空時非平穩(wěn)特性，傳統(tǒng)目標檢測方法面臨低檢測概率，高虛警的問題，使得海雜波背景下的對海面目標特別是慢速、漂浮小目標的檢測成為國內(nèi)外專家和學者研究的重點與難點。本文在對實測雷達海雜波數(shù)據(jù)特性分析的基礎上，主要研究在高分辨海雜波背景下海面慢速、漂浮小目標的檢測問題。研究的問題包括:海雜波分形特性分析與目標檢測方法、基于快速凸包學習的三特征聯(lián)合檢

2、測方法、匹配與高分辨海雜波多普勒譜特性的檢測方法以及基于塊白化海雜波抑制的海雜波時頻特性分析與目標檢測方法。本文主要研究成果概括如下:
　　1.分析了海雜波幅度時間序列的多尺度分形特性與分形特征的空時變性。在對海雜波擴展自相似建模的基礎上，利用多尺度Hurst指數(shù)討論了在三個尺度區(qū)間內(nèi)海雜波時間序列的起伏的主導因素，定性的分析了噪聲對序列分形特性的影響;通過對不同時間不同海況條件下采集的實測數(shù)據(jù)分析發(fā)現(xiàn)海雜波的分形特征如Hurst

3、指數(shù)隨外界條件如海態(tài)、雷達照射方向與浪向的夾角的不同而改變。提出了兩個基于改進分形特征的海面漂浮小目標檢測方法。實測數(shù)據(jù)表明，由于利用了海雜波序列的多尺度性和空時變性，基于多尺度Hurst指數(shù)和基于相對Hurst指數(shù)相比基于Hurst指數(shù)的方法有更好的檢測性能。
　　2.討論了傳統(tǒng)目標檢測問題與異常檢測中單分類問題的聯(lián)系，為海面目標檢測問題提供了新的解決途徑。由于海面目標的復雜性和多樣性，通常無法獲取所有種類目標回波，因此我們將純

4、雜波回波看作正常觀測，含目標回波看作異常觀測，并從回波中提取三個在兩種觀測模式下具有明顯差異的特征，分析了兩種模式下特征向量在三維特征空間上的可分性。提出了利用正常觀測訓練回波樣本，通過快速凸包學習算法在特征空間獲得檢測判決區(qū)域的非參數(shù)方法，并提出了三特征聯(lián)合檢測方法。與基于海雜波分形特性的目標檢測方法相比，該方法可以在短的觀測時間獲得較好的檢測結果。
　　3.在實測海雜波數(shù)據(jù)基礎上，對海雜波多普勒功率譜建模。與地雜波相比，海雜波

5、具有較寬的多普勒帶寬。我們在多普勒域將海雜波功率譜分為雜波占優(yōu)單元、噪聲占優(yōu)單元以及雜波噪聲混合單元，并將海雜波多普勒譜建模為一個正隨機過程，該隨機過程在每個多普勒單元滿足具有不同形狀參數(shù)和尺度參數(shù)的K分布模型?？紤]到海面漂浮目標在多普勒域的能量擴散現(xiàn)象，提出了匹配于海雜波多普勒譜特性的雙重檢測方法。實測數(shù)據(jù)的實驗表明當信雜比較高時該檢測器具有很好的檢測性能。
　　4.高分辨海雜波的非平穩(wěn)性導致在較長觀測時間下，傳統(tǒng)雜波白化方法在

6、估計雜波協(xié)方差矩陣時無法得到足夠的參考單元回波樣本，降低了雜波抑制的有效性，進而限制了檢測器在長時間積累條件下的目標檢測性能。針對這一問題，我們提出了塊白化的海雜波抑制方法，將海雜波背景下的檢測問題轉化為在近似白噪聲背景下的檢測問題，有效抑制時頻平面上交叉項對回波能量累積的影響，在此基礎上給出了:(1)基于時頻脊引導的Hough變換的目標檢測方法。提出的時頻脊引導的Hough具有比傳統(tǒng)Hough變換更小的計算復雜度，并能較好的積累目標能

7、量，具有較強的實際應用價值;(2)基于改進凸包學習算法的時頻雙特征檢測方法。利用特征分布的先驗知識，改進的凸包學習算法可以更高效的獲得檢測判決區(qū)域。針對純雜波回波和目標所在單元回波在時頻平面上的時頻脊的差異，給出了兩種提取脊能量和脊全變差的方法，并用Bhattacharyya距離定量的評估了兩種提取方法提取的兩種模式下的特征在特征平面上的可分性。兩個特征對于檢測海面漂浮目標來說具有較好的互補性，通過實測數(shù)據(jù)驗證，得到的雙特征檢測器具有很