基于分形和多重分形的海面微弱目標(biāo)檢測方法研究.pdf

1、復(fù)雜海雜波背景下的微弱目標(biāo)檢測技術(shù)一直是一個研究的熱點。傳統(tǒng)的海面目標(biāo)檢測方法均是基于某種海雜波幅度統(tǒng)計模型，其檢測概率十分依賴于模型的匹配程度和目標(biāo)的信雜比(SCR)。由于很難通過一個準(zhǔn)確的分布函數(shù)來建模具有復(fù)雜特性的海雜波，在高海情和低SCR條件下，傳統(tǒng)目標(biāo)檢測方法的性能急劇下降。由于傳統(tǒng)檢測算法的局限性，本文著重研究了海雜波的分形和多重分形特性，以及它們在海面微弱目標(biāo)檢測中的應(yīng)用。論文的主要研究工作如下:
　　1.針對已有基

2、于分形的目標(biāo)檢測方法在低SCR條件下性能下降的問題，提出了一種基于海雜波AR譜分形的微弱目標(biāo)檢測方法，能夠有效的提取出高分辨率的AR譜分形參數(shù)，提高了微弱目標(biāo)檢測性能。首先，我們以分?jǐn)?shù)布朗運動(FBM)模型為例，證明了功率譜具有分形特性。其次，為了克服了傅里葉分析的缺點，采用現(xiàn)代譜估計的方法來計算海雜波的功率譜。由于AR模型是一個線性預(yù)測模型，它通過序列的自相關(guān)函數(shù)矩陣來估計功率譜，并且具有更精確的頻譜分辨率，因此我們研究了海雜波AR譜

3、的分形特性。通過X波段實測雷達數(shù)據(jù)驗證了海雜波AR譜的分形特性，并分析了AR譜Hurst指數(shù)及其影響因素。最后，我們以AR譜Hurst指數(shù)為檢驗統(tǒng)計量，設(shè)計目標(biāo)的CFAR檢測方法。實驗結(jié)果表明:該算法具有海雜波背景下微弱目標(biāo)檢測的能力，且檢測性能優(yōu)于傳統(tǒng)的恒虛警率(CFAR)檢測算法和基于頻域Hurst指數(shù)的目標(biāo)檢測算法。
　　2.多重分形譜函數(shù)是描述海雜波多重分形特性的重要參量。針對全局多重分形譜檢測性能不穩(wěn)定的問題，提出了一種

4、基于海雜波局部多重分形譜的微弱目標(biāo)檢測方法，提高了微弱目標(biāo)檢測的性能。首先，我們分析了判定海雜波多重分形特性的三個要素，即非高斯性、長時相關(guān)性和尺度不變性。其次，根據(jù)Legendre變換計算出海雜波的多重分形譜，并從能量分布的角度分析了海雜波局部多重分形譜與奇異性強度函數(shù)之間的聯(lián)系。根據(jù)海雜波距離單元與目標(biāo)距離單元在局部多重分形譜上的能量分布差異，我們對多重分形譜進行加窗處理，提取出多重分形譜的局部均方和來進行目標(biāo)檢測。其中，矩形窗的長

5、度根據(jù)奇異性強度函數(shù)的斜率自適應(yīng)選取。最后，通過實測X波段和S波段雷達海雜波數(shù)據(jù)驗證了該算法的有效性。與傳統(tǒng)的CFAR檢測方法和已有多重分形的目標(biāo)檢測方法相比，該算法在低SCR條件下的檢測性能較優(yōu)。
　　3.針對已有頻域多重分形檢測算法譜分辨率較低的問題，提出了一種基于海雜波AR譜多重分形的微弱目標(biāo)檢測方法，提高了功率譜估計的分辨率，改善了微弱目標(biāo)檢測的性能。首先，我們將多重分形引入到了現(xiàn)代譜估計理論，并采用AR譜估計法來計算海雜

6、波的功率譜。根據(jù)X波段雷達的實測海雜波數(shù)據(jù)，通過多重去趨勢分析法(MF-DFA)驗證了海雜波AR譜的多重分形特性，并計算出無標(biāo)度區(qū)間內(nèi)的AR譜廣義Hurst指數(shù)。最后，分析了海雜波AR譜的廣義Hurst指數(shù)及其影響參數(shù)，提取出AR譜廣義Hurst指數(shù)在特征區(qū)間內(nèi)的局部積分，以此為統(tǒng)計檢驗量設(shè)計恒虛警檢測算法。實驗結(jié)果表明，該檢測方法具有海雜波背景下微弱目標(biāo)檢測的能力，與現(xiàn)有的多重分形檢測方法和傳統(tǒng)CFAR檢測方法對比，該算法在低SCR情

7、況下具有較好的檢測性能。
　　4.針對已有擴展分形方法在低SCR條件下檢測性能下降的問題，提出了一種基于海雜波AR譜擴展分形的微弱目標(biāo)檢測方法，提高了擴展分形特征參數(shù)的準(zhǔn)確性，改善了微弱目標(biāo)檢測的性能。為了克服傅里葉分析的缺陷，我們將AR譜估計理論引入到海雜波擴展分形特性分析，該方法是對AR譜分形和多重分形的推廣，能夠分析海雜波不同尺度條件下的分形特征。根據(jù)X波段雷達的實測海雜波數(shù)據(jù)，分析了海雜波AR譜的多尺度Hurst指數(shù)及其最