工学 >>> 信息与通信工程 >>> 雷达工程 >>>
搜索结果: 1-9 共查到雷达工程 海杂波相关记录9条 . 查询时间(0.132 秒)
针对海上微动目标回波信号具有稀疏性的特点,该文研究了稀疏域微动特征提取和检测方法,提出一种基于形态成分分析(MCA)的海杂波抑制与微动目标检测方法.该方法充分利用海杂波和微多普勒信号组成成分的形态差异性,对不同源信号采用不同的字典进行稀疏表示,区分海杂波与微动目标.此外,提出的稀疏域海杂波抑制方法,能够在抑制海杂波的同时积累更多的信号能量,改善信杂比.仿真和实测数据验证了算法的正确性.
针对在复杂海杂波背景下,雷达目标检测中动目标检测(Moving Target Detection,MTD)技术的检测性能显著下降的问题,以及局部最优检测器(Locally Optimum Detector,LOD)仅适用于低信杂比背景下弱目标检测的问题,基于分数低阶统计量理论,提出了一种分数低阶匹配滤波检测方法.该方法通过幂变换抑制杂波的非高斯特性,通过应用杂波分数低阶协方差矩阵特征值分解的方法白...
海杂波由纹理分量调制散斑分量构成,本文着重研究纹理分量和散斑分量的平稳特性.首先,通过DFT调制滤波器组将海杂波分解到各个子带,提出两种一致性因子分别衡量各个子带海杂波的纹理分量和散斑分量的平稳性,实验结果表明海杂波的非平稳特性主要体现在纹理分量上,强杂波区的纹理分量体现出显著的非平稳性,弱杂波区的纹理分量具有平稳特性.进一步针对海杂波在不同多普勒频率分量上具有不同的平稳特性,将纹理分量的一致性因...
该文主要研究了基于Hurst指数与可变步长LMS算法相结合的分析方法在海杂波微弱目标检测中的应用。一直以来,分形理论与统计理论是分别应用到目标检测中的,该文将分形可变步长LMS算法引入到海杂波微弱目标检测中,并在此基础上提出一个海杂波中的微弱目标检测模型,初步实现了基于LMS算法的检测方法与基于单一分形特征的检测方法的结合。最后,采用X波段雷达实测海杂波数据进行验证,结果表明该检测模型具有良好的检...
该文研究了海杂波的多重分形关联特性及其在海杂波微弱目标检测中的应用。多重分形关联是对多重分形“单点”统计的推广,研究具有不同奇异性强度的两点之间的空间关联特性。该文首先从多重分形理论引出多重分形关联理论,给出了多重分形关联谱的计算方法,然后,以多重分形关联谱为特征进行相似度分析,并把目标检测问题归为一个二元分类问题,采用支持向量机(SVM)进行目标检测。最后,采用不同波段、不同极化方式和不同分辨率...
该文研究了线性调频(LFM)信号和单频信号分数阶Fourier变换(FRFT)模函数的一些性质,根据这些性质提出了两种基于FRFT模之差的海杂波背景下匀加速运动目标检测的新方法。一种方法利用接收信号与其延时信号的FRFT模之差,另一种方法利用接收信号正旋转角的FRFT模与负对称旋转角FRFT模的镜像之差。两种方法能较有效地抑制海杂波,对信杂比有一定的改善,在低信杂比下具有较好的检测效果。对实测海杂...
本文讨论了混沌信号的基本特性,相空间重构,Lyapunov指数,关联维、功率谱指数等用于表征未知动态系的混沌中的重要概念,并将它们应用于来自海洋表面雷达后向散射海杂波信号的分析中。通过对海杂波的分析,计算得出:海杂波有有限的关联维和正的Lyapunov指数,功率谱指数呈指数下降。这说明海杂波具有混沌特性。
S波段海杂波信号表现了非线性和频谱时变性,传统的谱分析方法,无法反映该信号在时间上的演化规律。该文首先引入分形布朗运动模型,基于S波段雷达实测海杂波数据,计算了该分形模型的海杂波Hurst指数,进而求得了其分形维数。然后利用经典的Rosenstein方法,计算了S波段实测海杂波的最大Lyapunov指数,从而证实了S波段雷达海洋回波信号具有混沌分形特性。最后进行了计算机实验,验证了本文的结论。该文...
高掠海角情况下,目标完全淹没在杂波里面,这使得雷达难以对海面目标进行三维成像。该文提出一种基于Radon变换的适用于高掠海角情况下三维成像处理的海杂波抑制方法。利用ISAR技术得到回波二维像,差波束补偿之后,对其进行Radon变换,再利用该文提出的结合边缘检测技术的搜索算法得到的参数,完成目标与海杂波分离处理。三维成像仿真结果表明该方法对克服海杂波影响是有效的。

中国研究生教育排行榜-

正在加载...

中国学术期刊排行榜-

正在加载...

世界大学科研机构排行榜-

正在加载...

中国大学排行榜-

正在加载...

人 物-

正在加载...

课 件-

正在加载...

视听资料-

正在加载...

研招资料 -

正在加载...

知识要闻-

正在加载...

国际动态-

正在加载...

会议中心-

正在加载...

学术指南-

正在加载...

学术站点-

正在加载...