论文部分内容阅读
海杂波是雷达照射海面的后向散射回波,其产生受海风、海浪等不同因素的影响。研究表明,海杂波具有混沌和分形特性,是一种典型的非平稳信号,研究利用海杂波的特性完成海面情况监视和低空小目标检测具有重要的理论意义与实际应用价值。通常海面小目标的雷达散射截面积较小,且雷达回波易受到诸如雷达测量噪声和海面动态噪声的影响,目标往往会淹没在海杂波和噪声背景中。因此,如何从复杂的海情中准确、稳定地识别出小目标已成为信号处理领域的研究热点和难点。本文研究了混沌系统相空间重构参数的确定,提出了LS-SVM和AD法相结合的改进型相空间重构参数确定方法。研究了海杂波背景中的噪声抑制,提出了自适应海杂波去噪算法。研究了海杂波背景下的小目标检测,分别提出了一种基于多尺度最优变阶分形差量的小目标检测算法和一种优化的核极限学习机（KELM）微弱信号检测方法。具体研究如下:针对混沌系统相空间重构参数确定的问题,本文基于嵌入窗理论,将平均移位法（AD）和最小二乘支持向量机（LSSVM）相结合,提出了一种确定混沌系统相空间重构参数的改进型方法,利用AD法和LSSVM分别确定嵌入窗宽度和嵌入维数,并最终求得最佳延迟时间。以Lorenz系统为例,对所提方法进行了仿真,并研究了噪声对混沌系统相空间重构参数确定的影响,结果表明:在一定噪声（SNR>0dB）环境下,该方法能够准确的确定混沌系统相空间重构参数,较BP神经网络和传统的SVM,均方差MSE降低了近一个数量级。为了抑制噪声对混沌海杂波背景下微弱信号检测的影响,基于自适应噪声完备集成经验模态分解（CEEMDAN）理论和独立成分分析（ICA）,提出一种自适应海杂波去噪算法。通过CEEMDAN将含噪混沌信号分解为一系列固有模态函数（IMF）,利用每层IMF分量与原信号间的互相系数识别出信号与噪声的分界,并根据互相关系数第一个局部极小值分布情况自适应地对含噪IMF分量进行ICA滤波处理,重构滤波后的模态分量与剩余分量,得到去噪后的信号。分别以R?ssler、Lorenz信号和IPIX雷达数据为例进行仿真实验,结果表明:本文所提方法可以较好地滤除海杂波中的噪声成分,提高微弱信号检测的精度,去噪后的均方根误差(6.3558*10-4)较去噪前（0.0058）降低了近一个数量级,与EEMD-SG等其他去噪方法相比,均方根误差也提高了47.04%-69.73%。为了克服小目标检测对海情的依赖,本文研究了海杂波在FRFT域的分形特性,提出一种基于多尺度最优变阶分形差量的小目标检测算法。采用分数布朗运动对IPIX雷达海杂波数据进行建模,结合双树复小波变换多重分形去势波动分析法研究不同海情、距离单元和极化方式下的分形特征。利用分数维数和Hurst指数定义分形差量,并在最佳变换阶数和最优尺度的基础上依据分形差量的分布情况实现了海杂波背景下的小目标检测。实验结果表明:该方法可以放大目标单元同纯海杂波单元的分形特征差异,抑制小目标检测对海情的依赖,较传统的FRFT域单尺度变阶方法,其检测门限大多提高90%以上。为了进一步提高混沌海杂波背景下的微弱信号的检测精度,结合互补集成经验模态分解（CEEMD）理论,提出了一种优化的核极限学习机微弱信号检测方法。采用互补集成经验模态分解法将待检测信号分解为一系列固有模态函数,通过核极限学习机对经相空间重构后的各模态函数分别建立预测模型,利用人工蜂群算法（ABC）对核极限学习机的正则化系数和核参数进行优化,重构预测结果,从预测误差中检测出海杂波背景中的微弱信号。分别以Lorenz系统和IPIX雷达海杂波数据为例进行了仿真,并研究了不同强度的噪声对微弱信号检测的影响。结果表明:该方法可以有效地从混沌背景中检测出微弱目标信号,当系统不存在噪声时,Lorenz系统得到的均方根误差0.00000012（-118.9591dB）比传统极限学习机方法的均方根误差0.00134508（-80.1547dB）降低了4个数量级;若SNR?0dB,噪声的影响可以忽略;但当SNR（27）-10dB,则无法检测出微弱信号。通过对海杂波噪声背景下的小目标特性进行分析,结合相空间重构、经验模态分解、独立成分分析、核极限学习机和分形等理论,本文建立了海杂波背景下的微弱信号检测模型,较好地缓解了小目标检测对海情的依赖,对海面小目标的识别和海面安全监测具有一定的理论和实用价值。