论文部分内容阅读
在海杂波背景下，海面漂浮小目标检测是雷达目标检测领域的一个难题，实现漂浮小目标的有效检测对于资源探测、失事救援和国防安全等具有重要的意义。由于海面漂浮小目标的雷达散射截面积小、运动速度低等因素致使雷达回波能量微弱且目标通常位于多普勒域的主杂波区，所以海杂波背景下的时、频域恒虚警检测方法、自适应检测方法存在严重的检测性能损失，难以应用于海面小目标检测。
以海杂波与目标回波的多方面差异作为检测特征，基于特征的检测方法可以有效地实现海面漂浮小目标检测。在已有的多个特征基础上，提出新的有效检测特征是提高检测性能的基础，联合多个特征的方法是实现多特征检测的关键。为了进一步提升雷达对海面漂浮小目标的探测能力，本论文提出了新的可用于海面小目标检测的有效特征，采用多种异常检测算法联合多个检测特征实现海面漂浮小目标检测并通过实测IPIX雷达数据验证了提出的检测器的检测性能。根据联合多个特征方法的不同，论文的主要研究内容可以分为如下三个部分：
(1)经典的快速凸包学习算法联合两个或三个特征实现小目标检测。通过分析海杂波与含目标回波的多普勒谱特性，提出了相对多普勒变差系数特征与相对多普勒能量积累特征，证实了两个检测特征对实测数据中目标回波与海杂波具有辨别性并采用快速凸包学习算法联合提出的两个检测特征与相对多普勒峰高特征构造了一个频域三特征检测器。
(2)简化修正的孤立森林算法联合多个检测特征实现海面漂浮小目标的快速高性能检测。基于孤立森林的多特征检测方法不受检测特征数目的限制，而且具有线性的计算复杂度。通过实测IPIX雷达数据的仿真实验证实，提出的基于孤立森林的多特征检测方法能够实现任意多个检测特征的联合，不仅提升了检测性能，而且大幅度地减小了计算复杂度。
(3)多种异常检测算法联合多个检测特征实现小目标检测。对比机器学习中的多种异常检测算法，包括局部异常因子(LOF)、一类支持向量机(OCSVM)等，基于角度异常检测(ABOD)的多特征检测方法在海面漂浮小目标检测中取得了较为满意的检测性能。相比已有的小目标检测方法，基于ABOD的多特征检测器不仅可以联合多个特征，而且进一步提升了检测性能。
以海杂波与目标回波的多方面差异作为检测特征，基于特征的检测方法可以有效地实现海面漂浮小目标检测。在已有的多个特征基础上，提出新的有效检测特征是提高检测性能的基础，联合多个特征的方法是实现多特征检测的关键。为了进一步提升雷达对海面漂浮小目标的探测能力，本论文提出了新的可用于海面小目标检测的有效特征，采用多种异常检测算法联合多个检测特征实现海面漂浮小目标检测并通过实测IPIX雷达数据验证了提出的检测器的检测性能。根据联合多个特征方法的不同，论文的主要研究内容可以分为如下三个部分：
(1)经典的快速凸包学习算法联合两个或三个特征实现小目标检测。通过分析海杂波与含目标回波的多普勒谱特性，提出了相对多普勒变差系数特征与相对多普勒能量积累特征，证实了两个检测特征对实测数据中目标回波与海杂波具有辨别性并采用快速凸包学习算法联合提出的两个检测特征与相对多普勒峰高特征构造了一个频域三特征检测器。
(2)简化修正的孤立森林算法联合多个检测特征实现海面漂浮小目标的快速高性能检测。基于孤立森林的多特征检测方法不受检测特征数目的限制，而且具有线性的计算复杂度。通过实测IPIX雷达数据的仿真实验证实，提出的基于孤立森林的多特征检测方法能够实现任意多个检测特征的联合，不仅提升了检测性能，而且大幅度地减小了计算复杂度。
(3)多种异常检测算法联合多个检测特征实现小目标检测。对比机器学习中的多种异常检测算法，包括局部异常因子(LOF)、一类支持向量机(OCSVM)等，基于角度异常检测(ABOD)的多特征检测方法在海面漂浮小目标检测中取得了较为满意的检测性能。相比已有的小目标检测方法，基于ABOD的多特征检测器不仅可以联合多个特征，而且进一步提升了检测性能。