摘要:随着雷达高新技术的进展,海杂波探讨越来越深入,海杂波目标检测与提取成为海面雷达信号处理的重要组成部分,在军用上,能够帮助海面上低慢速小目标飞行提供依据,为我导弹部队提供准确的位置和目标信息,提升打击的准确率;在民用上,为境外捕捞,海上救生,偷渡提供了准确的位置信息,为我国海面安全提供了屏障。海杂波含有混沌特性是探讨课题的主线,利用RBF(径向基函数)神经网络对混沌时间序列具有很好的预测效果这一特点,在海杂波目标检测上利用RBF神经网络一步预测误差检测法。由于海杂波目标检测与提取历程中恒虚警率检测器选择至关重要,依据恒虚警率原理,恒虚警率检测器分类对杂波模型的要求程度,恒虚警率的保持等方面都有严格要求。由此,本课题的主要探讨内容分为两步:即探讨和浅析海杂波混沌特性,恒虚警率检测器的改善在预测误差法检测模型中的运用。很多国内外学者针对海杂波具有混沌特性进行了推断,本论文对海杂波混沌特性做了进一步探讨,在海杂波最大Lyapunov指数估计上利用小数据量法,并首次利用功率加权的策略来计算海杂波时间序列的平均周期;线性区域按最大无波动区间的的策略求得,这种策略可以提升海杂波最大Lyapunov指数的计算速度、精度。建立RBF神经网路一步预测模型,对海杂波时间序列进行预测。通过对RBF神经网路结构参数进行浅析,调整RBF神经网络的隐含层扩展系数,减小训练误差,提升海杂波时间序列的预测效果。依据对具有混沌特性的海杂波时间序列的RBF神经网络一步预测误差数据,实现海杂波目标检测与提取,建立RBF神经网络一步预测误差检测模型,并首次采取改善的恒虚警率检测器对误差数据进行目标检测与提取,该恒虚警率检测器通过对有序类恒虚警率检测器的改善,可以不依靠杂波幅度模型,不用随着杂波幅度的变化而影响恒虚警率损失,检测微弱目标的同时,很好保持虚警率。本论文主要工作有以下内容组成:1、以海杂波的最大Lyapunov指数、相关维数、Kolmogorov熵等方面考虑判断海杂波是否具有混沌特性。利用McMaster公布在网站上的IPIX#17组海杂波真实数据,用Wolf法和小数据量法计算不同点数海杂波数据最大Lyapunov指数,并进行比较浅析;相关维数利用G-P算法; Kolmogorov熵利用最大似然估计法,得出利用的海杂波数据具有混沌特性。2、依据海杂波具有混沌特性这一观点,对混沌的基本论述、特点进行浅析。由于RBF神经网络对混沌的时间序列具有很好的拟合特性,所以建立了RBF神经网络一步预测的模型。对海杂波时间序列进行预测,利用建立的模型对洛伦兹时间序列进行仿真,混沌时间序列相空间重构是采取C-C策略和互信息法、cao策略对延时时间和嵌入维数进行浅析比较之后,获得准确的,m。根据RBF神经网络的结构、原理对隐含层参数(扩展系数)进行调整浅析减小训练误差,提升海杂波时间序列的预测效果。3、通过对恒虚警率原理的浅析发现平均单元恒虚警率检测器和有序类恒虚警率检测器在预测误差检测法中有着不足。本论文采取改善的有序统计类恒虚警率检测器,通过对结构原理和性能指标的浅析证明改善的检测器符合恒虚警率检测器的要求。建立恒虚警率检测器对RBF神经网络一步预测误差的检测模型,采取核函数估计法求出恒虚警率预测检测单元含有时间序列的误差数据的概率密度函数,利用概率密度函数和对应的恒虚警率求出目标的门限阈值。用含有混沌背景的矩形目标信号和混沌背景的单脉冲目标信号去验证模型。最后采取建立的模型对海杂波目标进行检测与提取。关键词:海杂波论文恒虚警率论文混沌论文微弱目标检测论文
摘要4-6
Abstract6-13
第1章 绪论13-21
1.1 论文探讨背景13-15
1.2 海杂波目标检测的进展与探讨15-18
1.3 论文的主要内容与结构18-21
第2章 混沌时间序列预测21-39
2.1 混沌论述基本知识21-23
2.1.1 混沌的定义21-22
2.1.2 混沌的基本特点22-23
2.2 相空间重构论述23-27
2.2.1 时间序列的延迟时间25
2.2.2 时间序列的嵌入维数25-26
2.2.3 时间序列的嵌入窗宽26-27
2.3 RBF 神经网络模型27-35
2.3.1 RBF 神经网络结构28-29
2.3.2 RBF 神经网络原理29-31
2.3.3 RBF 神经网络学习31-34
2.3.4 RBF 神经网络参数的确定34-35
2.4 RBF 神经网络一步预测35-37
2.4.1 一步预测原理35-37
2.4.2 预测模型37
2.5 本章小结37-39
第3章 海杂波混沌特性浅析与预测39-61
3.1 IPIX 雷达实测海杂波数据介绍39-41
3.2 海杂波混沌特性41-49
3.2.1 相空间重构42-43
3.2.2 Lyapunov 指数43-46
3.2.3 相关维数46-48
3.2.4 Kolmogorov 熵48-49
3.3 模拟海杂波预测49-57
3.3.1 模拟海杂波相空间重构50-54
3.3.2 模拟海杂波误差调整54-55
3.3.3 模拟海杂波仿真结果55-57
3.4 基于 RBF 神经网络海杂波时间序列预测57-60
3.4.1 海杂波时间序列预测57-58
3.4.2 海杂波时间序列预测误差调整58-59
3.4.3 海杂波时间序列预测仿真结果59-60
3.5 本章小结60-61
第4章 海杂波目标检测与提取61-75
4.1 恒虚警率处理原理介绍61-62
4.2 恒虚警率检测器原理浅析62-66
4.2.1 均值类恒虚警率检测器62-63
4.2.2 有序统计类恒虚警率检测器63-64
4.2.3 利用的恒虚警率检测器64-66
4.3 混沌时间序列目标检测与提取66-72
4.3.1 混沌时间序列目标检测与提取门限确定66-67
4.3.2 混沌背景下目标检测与提取67-71
4.3.3 混沌背景下目标检测与提取仿真与结论71-72
4.4 海杂波目标检测与提取72-74
4.4.1 海杂波目标检测与提取门限确定72-73
4.4.2 海杂波混沌背景下目标检测与提取73
4.4.3 海杂波混沌背景下目标检测与提取仿真与讨论73-74
4.5 本章小结74-75
第5章 总结与展望75-77
5.1 总结75-76
5.2 展望76-77