基于非线性分析的海杂波处理与目标检测

论文摘要

海杂波通常是指海洋表面的雷达后向散射回波,严重干扰了雷达对海面目标的检测性能,因此海杂波研究对于雷达系统设计、雷达信号处理和海面目标检测具有非常重要的意义。混沌和分形都是非线性科学的重要分支,它们在诸多领域获得了广泛应用。本文关注的是如何使用混沌、分形等非线性理论来处理海杂波和检测弱小目标这一前沿课题。在研究中注重将理论研究和实证研究相结合,一方面采用最新的非线性理论对海杂波进行分析和研究,另一方面结合IPIX雷达实测数据来检验海杂波处理和弱小目标检测方法的有效性。本文分析了海杂波在统计模型建模后运用最大似然比检测准则下,很难检测出弱小目标的缺陷,改进了非广延分布模型在海杂波建模和弱小目标检测领域的应用。使用替代数据法分析了海杂波非线性性质,根据海杂波和弱小目标非线性性质差异,提出了基于替代数据的弱小目标检测方法。在确定海杂波具有非线性性质后,使用混沌和分形两种非线性方法对海杂波进行了研究。首先,使用Cao方法弥补了伪临近点法进行海杂波相空间重构不准确的缺陷,并使用该方法定性分析出海杂波是由随机成分和确定成分共同组成的。其次,通过仿真实验和实际数据分析,发现噪声严重影响了关联维数和最大Lyapunov指数的计算,指出使用这两种不变量判断时间序列是否具有混沌特性的局限性。最后,使用分形理论分析了海杂波的分形特性,提出基于空间分形特征差异的目标检测算法,提高了海杂波中弱小目标的检测性能。本文使用非线性理论分析了海杂波性质,拓展了非线性理论的实际应用领域,深化了海杂波研究领域对海杂波性质和物理机制的理解。研究了关联维数和最大Lyapunov指数等混沌不变量在处理海杂波时间序列的局限性,为其他领域实际时间序列的非线性分析提供了借鉴。根据海杂波和弱小目标数据的非线性特征差异,改进了非广延模型的目标检测算法,提出了基于替代数据和空间分形特征差异的目标检测方法。这些非线性目标检测方法,能在不增加硬件成本的前提下,提高海杂波中弱小目标的检测能力,因此具有一定的理论价值和实际应用的指导意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本课题的研究背景和意义
• 1.2 基于混沌理论的海杂波研究历史和现状
• 1.2.1 基于混沌理论的海杂波研究历史
• 1.2.2 基于混沌理论的海杂波研究现状和尚需解决的问题
• 1.3 基于分形理论的海杂波研究历史和现状
• 1.3.1 基于分形理论的海杂波研究历史
• 1.3.2 基于分形理论的海杂波研究现状和尚需解决的问题
• 1.4 本文的主要研究内容和研究成果
• 1.5 本文的总体结构和章节安排
• 第2章 海杂波的非广延分布模型与弱小目标检测
• 2.1 本文所用雷达实测海杂波数据说明
• 2.2 常用统计模型和似然比检测理论的局限性
• 2.2.1 海杂波常用统计模型和拟合结果
• 2.2.2 统计模型和似然比检测理论的局限性
• 2.3 非广延熵和幂率敏感性
• 2.4 海杂波的非广延分布模型和弱小目标检测
• 2.4.1 海杂波数据的非广延分布模型
• 2.4.2 基于非广延分布参数的目标检测方法
• 2.4.3 非广延分布参数q的分析
• 2.5 本章小结
• 第3章 基于替代数据的弱小目标检测新方法
• 3.1 引言
• 3.2 替代数据法检验海杂波的非线性性质
• 3.2.1 常用零假设
• 3.2.2 零假设数据的产生方法
• 3.2.3 检验统计量
• 3.2.4 统计检验方法
• 3.3 海杂波数据的非线性性质和基于替代数据的弱小目标检测方法
• 3.3.1 海杂波的弱非线性性质
• 3.3.2 基于替代数据的弱小目标检测新方法
• 3.4 替代数据方法和分形方法检测效果的比较
• 3.5 本章小结
• 第4章 海杂波的相空间重构与定性分析
• 4.1 引言
• 4.2 独立确定时间序列的延迟时间
• 4.2.1 自相关函数法
• 4.2.2 平均位移法
• 4.2.3 复自相关法
• 4.2.4 互信息法
• 4.3 独立确定时间序列的嵌入维数
• 4.3.1 几何不变量法
• 4.3.2 伪最邻近点法
• 4.3.3 伪最邻近点法的缺陷
• 4.3.4 Cao方法—伪最邻近点法的改进
• 4.4 同时确定嵌入维和延迟时间的时间窗方法
• 4.4.1 时间窗长度
• 4.4.2 C-C方法
• 4.4.3 海杂波的相空间重构参数
• 4.5 基于Cao方法定性分析海杂波性质
• 4.6 本章小结
• 第5章 海杂波的关联维数
• 5.1 引言
• 5.2 常用分形维数的定义和计算方法
• 5.3 海杂波的G-P关联维数
• 5.4 海杂波的高斯核关联维数
• 5.4.1 高斯核关联维数的计算
• 5.4.2 高斯核关联维数的应用和局限性
• 5.5 本章小结
• 第6章 海杂波的最大Lyapunov指数
• 6.1 Lyapunov指数的概念和意义
• 6.1.1 Lyapunov指数的基本概念
• 6.1.2 一维动力系统的Lyapunov指数
• 6.1.3 n维动力系统的Lyapunov指数
• 6.2 Lyapunov指数谱的计算方法
• 6.3 计算最大Lyapunov指数的轨道跟踪法
• 6.3.1 Wolf法计算最大Lyapunov指数
• 6.3.2 Rosenstein小数据量法计算最大Lyapunov指数
• 6.3.3 Kantz法计算最大Lyapunov指数
• 6.4 海杂波和目标的小数据量最大Lyapunov指数
• 6.4.1 海杂波和目标的小数据量Lyapunov指数
• 6.4.2 使用最大Lyapunov指数和替代数据法检测海杂波的非线性特性
• 6.5 海杂波和目标数据的时间相关指数
• 6.5.1 时间相关指数和尺度相关Lyapunov指数的计算方法
• 6.5.2 基于时间相关指数的海杂波和目标混沌性质分析
• 6.6 本章小结
• 第7章 基于海杂波空间分形特性差异的目标检测新方法
• 7.1 引言
• 7.2 分数布朗运动模型及其性质
• 7.3 Hurst指数计算方法分析
• 7.3.1 波动分析法
• 7.3.2 消除趋势波动分析法
• 7.3.3 小波分析法
• 7.4 海杂波的分形特征和分形目标检测方法
• 7.4.1 海杂波的分形特征和时间分形尺度分析
• 7.4.2 分形门限检测方法的局限性
• 7.5 基于空间分形特性差异的目标检测新方法
• 7.6 本章小结
• 第8章 结束语
• 8.1 结论
• 8.2 本文研究工作有待进一步解决的问题
• 参考文献
• 攻读学位期间公开发表论文
• 致谢
• 研究生履历