基于分形和多重分形的海面微弱目标检测方法研究

发布时间：2018-03-19 00:03

本文选题：海杂波　切入点：分形　出处：《西安电子科技大学》2016年博士论文　论文类型：学位论文

【摘要】：复杂海杂波背景下的微弱目标检测技术一直是一个研究的热点。传统的海面目标检测方法均是基于某种海杂波幅度统计模型,其检测概率十分依赖于模型的匹配程度和目标的信杂比(SCR)。由于很难通过一个准确的分布函数来建模具有复杂特性的海杂波,在高海情和低SCR条件下,传统目标检测方法的性能急剧下降。由于传统检测算法的局限性,本文着重研究了海杂波的分形和多重分形特性,以及它们在海面微弱目标检测中的应用。论文的主要研究工作如下：1.针对已有基于分形的目标检测方法在低SCR条件下性能下降的问题,提出了一种基于海杂波AR谱分形的微弱目标检测方法,能够有效的提取出高分辨率的AR谱分形参数,提高了微弱目标检测性能。首先,我们以分数布朗运动(FBM)模型为例,证明了功率谱具有分形特性。其次,为了克服了傅里叶分析的缺点,采用现代谱估计的方法来计算海杂波的功率谱。由于AR模型是一个线性预测模型,它通过序列的自相关函数矩阵来估计功率谱,并且具有更精确的频谱分辨率,因此我们研究了海杂波AR谱的分形特性。通过X波段实测雷达数据验证了海杂波AR谱的分形特性,并分析了AR谱Hurst指数及其影响因素。最后,我们以AR谱Hurst指数为检验统计量,设计目标的CFAR检测方法。实验结果表明：该算法具有海杂波背景下微弱目标检测的能力,且检测性能优于传统的恒虚警率(CFAR)检测算法和基于频域Hurst指数的目标检测算法。2.多重分形谱函数是描述海杂波多重分形特性的重要参量。针对全局多重分形谱检测性能不稳定的问题,提出了一种基于海杂波局部多重分形谱的微弱目标检测方法,提高了微弱目标检测的性能。首先,我们分析了判定海杂波多重分形特性的三个要素,即非高斯性、长时相关性和尺度不变性。其次,根据Legendre变换计算出海杂波的多重分形谱,并从能量分布的角度分析了海杂波局部多重分形谱与奇异性强度函数之间的联系。根据海杂波距离单元与目标距离单元在局部多重分形谱上的能量分布差异,我们对多重分形谱进行加窗处理,提取出多重分形谱的局部均方和来进行目标检测。其中,矩形窗的长度根据奇异性强度函数的斜率自适应选取。最后,通过实测X波段和S波段雷达海杂波数据验证了该算法的有效性。与传统的CFAR检测方法和已有多重分形的目标检测方法相比,该算法在低SCR条件下的检测性能较优。3.针对已有频域多重分形检测算法谱分辨率较低的问题,提出了一种基于海杂波AR谱多重分形的微弱目标检测方法,提高了功率谱估计的分辨率,改善了微弱目标检测的性能。首先,我们将多重分形引入到了现代谱估计理论,并采用AR谱估计法来计算海杂波的功率谱。根据X波段雷达的实测海杂波数据,通过多重去趋势分析法(MF-DFA)验证了海杂波AR谱的多重分形特性,并计算出无标度区间内的AR谱广义Hurst指数。最后,分析了海杂波AR谱的广义Hurst指数及其影响参数,提取出AR谱广义Hurst指数在特征区间内的局部积分,以此为统计检验量设计恒虚警检测算法。实验结果表明,该检测方法具有海杂波背景下微弱目标检测的能力,与现有的多重分形检测方法和传统CFAR检测方法对比,该算法在低SCR情况下具有较好的检测性能。4.针对已有扩展分形方法在低SCR条件下检测性能下降的问题,提出了一种基于海杂波AR谱扩展分形的微弱目标检测方法,提高了扩展分形特征参数的准确性,改善了微弱目标检测的性能。为了克服傅里叶分析的缺陷,我们将AR谱估计理论引入到海杂波扩展分形特性分析,该方法是对AR谱分形和多重分形的推广,能够分析海杂波不同尺度条件下的分形特征。根据X波段雷达的实测海杂波数据,分析了海杂波AR谱的多尺度Hurst指数及其最优尺度区间。最后,我们分析了海杂波AR谱多尺度Hurst指数的影响参数,并提取最优区间的AR谱多尺度Hurst指数进行目标检测。实验结果表明,该检测方法具有海杂波背景下微弱目标检测的能力,与现有的扩展分形检测方法和传统CFAR检测方法对比,该算法在低SCR情况下具有较好的检测性能。
[Abstract]:......
【学位授予单位】：西安电子科技大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TN957.51

【相似文献】