收藏本站
《西安电子科技大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

基于分形和多重分形的海面微弱目标检测方法研究

范一飞  
【摘要】:复杂海杂波背景下的微弱目标检测技术一直是一个研究的热点。传统的海面目标检测方法均是基于某种海杂波幅度统计模型,其检测概率十分依赖于模型的匹配程度和目标的信杂比(SCR)。由于很难通过一个准确的分布函数来建模具有复杂特性的海杂波,在高海情和低SCR条件下,传统目标检测方法的性能急剧下降。由于传统检测算法的局限性,本文着重研究了海杂波的分形和多重分形特性,以及它们在海面微弱目标检测中的应用。论文的主要研究工作如下:1.针对已有基于分形的目标检测方法在低SCR条件下性能下降的问题,提出了一种基于海杂波AR谱分形的微弱目标检测方法,能够有效的提取出高分辨率的AR谱分形参数,提高了微弱目标检测性能。首先,我们以分数布朗运动(FBM)模型为例,证明了功率谱具有分形特性。其次,为了克服了傅里叶分析的缺点,采用现代谱估计的方法来计算海杂波的功率谱。由于AR模型是一个线性预测模型,它通过序列的自相关函数矩阵来估计功率谱,并且具有更精确的频谱分辨率,因此我们研究了海杂波AR谱的分形特性。通过X波段实测雷达数据验证了海杂波AR谱的分形特性,并分析了AR谱Hurst指数及其影响因素。最后,我们以AR谱Hurst指数为检验统计量,设计目标的CFAR检测方法。实验结果表明:该算法具有海杂波背景下微弱目标检测的能力,且检测性能优于传统的恒虚警率(CFAR)检测算法和基于频域Hurst指数的目标检测算法。2.多重分形谱函数是描述海杂波多重分形特性的重要参量。针对全局多重分形谱检测性能不稳定的问题,提出了一种基于海杂波局部多重分形谱的微弱目标检测方法,提高了微弱目标检测的性能。首先,我们分析了判定海杂波多重分形特性的三个要素,即非高斯性、长时相关性和尺度不变性。其次,根据Legendre变换计算出海杂波的多重分形谱,并从能量分布的角度分析了海杂波局部多重分形谱与奇异性强度函数之间的联系。根据海杂波距离单元与目标距离单元在局部多重分形谱上的能量分布差异,我们对多重分形谱进行加窗处理,提取出多重分形谱的局部均方和来进行目标检测。其中,矩形窗的长度根据奇异性强度函数的斜率自适应选取。最后,通过实测X波段和S波段雷达海杂波数据验证了该算法的有效性。与传统的CFAR检测方法和已有多重分形的目标检测方法相比,该算法在低SCR条件下的检测性能较优。3.针对已有频域多重分形检测算法谱分辨率较低的问题,提出了一种基于海杂波AR谱多重分形的微弱目标检测方法,提高了功率谱估计的分辨率,改善了微弱目标检测的性能。首先,我们将多重分形引入到了现代谱估计理论,并采用AR谱估计法来计算海杂波的功率谱。根据X波段雷达的实测海杂波数据,通过多重去趋势分析法(MF-DFA)验证了海杂波AR谱的多重分形特性,并计算出无标度区间内的AR谱广义Hurst指数。最后,分析了海杂波AR谱的广义Hurst指数及其影响参数,提取出AR谱广义Hurst指数在特征区间内的局部积分,以此为统计检验量设计恒虚警检测算法。实验结果表明,该检测方法具有海杂波背景下微弱目标检测的能力,与现有的多重分形检测方法和传统CFAR检测方法对比,该算法在低SCR情况下具有较好的检测性能。4.针对已有扩展分形方法在低SCR条件下检测性能下降的问题,提出了一种基于海杂波AR谱扩展分形的微弱目标检测方法,提高了扩展分形特征参数的准确性,改善了微弱目标检测的性能。为了克服傅里叶分析的缺陷,我们将AR谱估计理论引入到海杂波扩展分形特性分析,该方法是对AR谱分形和多重分形的推广,能够分析海杂波不同尺度条件下的分形特征。根据X波段雷达的实测海杂波数据,分析了海杂波AR谱的多尺度Hurst指数及其最优尺度区间。最后,我们分析了海杂波AR谱多尺度Hurst指数的影响参数,并提取最优区间的AR谱多尺度Hurst指数进行目标检测。实验结果表明,该检测方法具有海杂波背景下微弱目标检测的能力,与现有的扩展分形检测方法和传统CFAR检测方法对比,该算法在低SCR情况下具有较好的检测性能。
【学位授予单位】:西安电子科技大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:TN957.51

【相似文献】
中国期刊全文数据库 前10条
1 张骏温,陈海文,陈常嘉;因特网业务量多重分形性本质成因的研究[J];软件学报;2002年03期
2 张博;陈魏鑫;俞柏锋;;多重分形网络流量判别方法和产生方法[J];计算机工程与设计;2009年03期
3 张大陆,李晨;混合网络业务量多重分形分析[J];计算机工程;2004年09期
4 郑婷婷;毛军军;宋杰;程家兴;;蛋白质序列中的多重分形分析[J];计算机工程与应用;2007年20期
5 贾岩;谭献海;何平;胡玉清;;网络业务多重分形特性研究[J];计算机仿真;2009年04期
6 洪飞,吴志美;基于小波的多重分形业务排队分析[J];计算机研究与发展;2004年06期
7 郭科,施泽进,唐菊兴,陈聆,刘二永,魏友华;用多重分形研究元素的共生组合性[J];电子科技大学学报;2004年02期
8 胡俊;邱涛;魏娟;胡玉清;;多重分形下不同网络流量的合成模型[J];计算机应用;2008年03期
9 徐建;许满武;严悍;李千目;;一种基于多重分形的软件衰退分析方法[J];计算机科学;2010年08期
10 陈捷,陈克安,孙进才;一种时间序列多重分形分析的改进方法及其应用[J];数据采集与处理;1999年03期
中国重要会议论文全文数据库 前10条
1 宁新宝;王俊;;生理信号中的多重分形[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年
2 谢淑云;鲍征宇;;地球化学场的分形与多重分形特征[A];中国矿物岩石地球化学学会第九届学术年会论文摘要集[C];2003年
3 林勇;赵国庆;喻祖国;;多重分形分析在经济中的应用[A];2002年中国管理科学学术会议论文集[C];2002年
4 那木吉拉;陈志军;;戈壁覆盖区遥感信息提取阈值确定的多重分形方法探讨[A];第十二届全国数学地质与地学信息学术研讨会论文集[C];2013年
5 谢平;刘彬;王霄;林洪彬;;多重分形熵及其在非平稳信号分析中的应用研究[A];第七届青年学术会议论文集[C];2005年
6 郑婷婷;毛军军;吴涛;宋杰;;多重分形和商空间理论在蛋白质结构类分析中的应用[A];第二十六届中国控制会议论文集[C];2007年
7 蒋志强;周炜星;;中国证券市场的多重分形特征[A];中国数学力学物理学高新技术交叉研究学会第十二届学术年会论文集[C];2008年
8 吴飞;王翠香;;随机数的几种产生方法及其在多重分形模型中的应用研究[A];中国地球物理第二十一届年会论文集[C];2005年
9 曹广喜;史安娜;;上海股市收益的多重分形特征的实证研究:一种新的MFDFA方法[A];第八届中国管理科学学术年会论文集[C];2006年
10 张颖;路影;;时尚商品价格时间序列的多重分形分析[A];2007中国控制与决策学术年会论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 倪黄晶;人脑磁共振数据的多重分形研究[D];南京大学;2015年
2 范一飞;基于分形和多重分形的海面微弱目标检测方法研究[D];西安电子科技大学;2016年
3 谢淑云;地球化学场的分形与多重分形特征[D];中国地质大学;2003年
4 苑宝;多重分形理论及其在中国股票市场中的应用研究[D];东北大学;2007年
5 李大辉;网络视频流量的多重分形建模与多步预测研究[D];哈尔滨工程大学;2012年
6 王访;作物诊断的叶片图像多重分形方法与建模[D];湖南农业大学;2013年
7 陈洪涛;石油期货市场多重分形特征及相关问题研究[D];南京航空航天大学;2009年
8 高歆;基于小波变换的二维地球化学景观多重分形建模[D];中国地质大学(北京);2010年
9 于雷;基于多重分形频谱技术的木材CT检测及其三维结构重建[D];东北林业大学;2010年
10 陈存;材料压缩变形中的数学问题研究[D];郑州大学;2015年
中国硕士学位论文全文数据库 前10条
1 邓强强;基于Agent的股市建模与市场分形特征研究[D];南京信息工程大学;2015年
2 韩彦;中国境内外股市间的多重分形交叉相关性研究[D];南京信息工程大学;2015年
3 郭凌俐;黄土区露天煤矿排土场重构土壤孔隙分布的多重分形表征[D];中国地质大学(北京);2015年
4 雷玺;多重分形在海洋波高数据分析中的应用[D];中国海洋大学;2015年
5 颜天晓;基于多重分形与灰色模型的渐开线圆柱齿轮接触寿命预测[D];太原理工大学;2016年
6 廖建栋;新疆惠井子南山地球化学异常信息的识别与综合评价[D];西北师范大学;2015年
7 侯捷;多重分形在时间序列中的几个应用[D];江苏大学;2016年
8 陈艳茹;多重分形视角下中国股市波动建模研究[D];福州大学;2014年
9 常静雅;小波域多重分形和能量谱参数的病理嗓音识别研究[D];苏州大学;2016年
10 洪维嘉;POTTS模型的非线性金融系统及统计分析[D];北京交通大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026