隨著人口的不斷增加以及科技的快速發(fā)展,人類對(duì)海洋的開(kāi)發(fā)力度越來(lái)越大。海面弱目標(biāo)探測(cè)技術(shù)不僅是走向海洋、認(rèn)知海洋和利用海洋的重要一環(huán),也是實(shí)施“建設(shè)海洋強(qiáng)國(guó)”這一國(guó)家戰(zhàn)略的基礎(chǔ)。然而,復(fù)雜的海洋環(huán)境使得高精度的海面弱目標(biāo)智能探測(cè)面臨諸多特別的挑戰(zhàn)。針對(duì)此問(wèn)題,本文對(duì)海雜波的特性和檢測(cè)器的設(shè)計(jì)進(jìn)行了深入分析,包括海雜波的分布建模、恒虛警檢測(cè)器設(shè)計(jì)以及智能檢測(cè)器設(shè)計(jì)等。本文的主要研究?jī)?nèi)容包括:1、研究了復(fù)雜海況下對(duì)海雜波機(jī)理的精準(zhǔn)認(rèn)知。針對(duì)復(fù)雜海況,我們提出了一種基于核密度估計(jì)的海雜波分布建模框架。在所提框架中,我們考慮了兩個(gè)基本的關(guān)鍵問(wèn)題,即核函數(shù)和最優(yōu)窗寬的確定。為了解決這兩個(gè)問(wèn)題,我們采用高斯、伽馬以及威布爾分布作為核函數(shù),推導(dǎo)了它們各自的最優(yōu)窗寬的閉式等式,并發(fā)現(xiàn)這些閉式等式符合不動(dòng)點(diǎn)方程的基本特征�；诓粍�(dòng)點(diǎn)理論我們提出了快速迭代的窗寬選擇算法求解這些不等式,以獲得不同核函數(shù)的最優(yōu)窗寬。我們利用核函數(shù)與其相應(yīng)的最優(yōu)窗寬在所提框架下對(duì)海雜波信號(hào)進(jìn)行建模,能有效降低擬合誤差并大幅提升目標(biāo)的檢測(cè)概率。2、研究了適配海況變化的恒虛警檢測(cè)器設(shè)計(jì)。基于所提的海雜波分布模型,我們利用海雜波信號(hào)與目標(biāo)信號(hào)在時(shí)間相關(guān)性上的差異,提出了單元平均時(shí)間相關(guān)的恒虛警檢測(cè)算法。為了確定該檢測(cè)算法中的關(guān)鍵參數(shù)(即,去相關(guān)時(shí)間),我們建立了其與海況參數(shù)(即,風(fēng)速和有效浪高)的線性回歸問(wèn)題,并利用梯度下降法求解該問(wèn)題,獲得了在不同風(fēng)速和有效浪高下對(duì)去相關(guān)時(shí)間的最優(yōu)估計(jì)。我們基于復(fù)雜海況下最優(yōu)估計(jì)的去相關(guān)時(shí)間以及所提檢測(cè)算法構(gòu)建適配海況變化的單元平均時(shí)間相關(guān)恒虛警檢測(cè)器,能夠有效提升低信雜比和低虛警率環(huán)境下目標(biāo)的檢測(cè)概率。3、研究了基于多維度特征空間的智能檢測(cè)器設(shè)計(jì)。針對(duì)動(dòng)態(tài)變化的海況,我們借助人工智能技術(shù)在分類問(wèn)題上的天然優(yōu)勢(shì),設(shè)計(jì)了基于機(jī)器學(xué)習(xí)的智能檢測(cè)器。首先,我們利用基于信號(hào)處理的特征分析方法在時(shí)域和頻域中提取了三種具有代表性的特征。然后,我們分析了不同維度的特征空間對(duì)海雜波和目標(biāo)回波的區(qū)分度。最后,我們基于這三種特征構(gòu)造了三維特征空間,并將回波信號(hào)在多域特征空間中的表征輸入到機(jī)器學(xué)習(xí)分類器中進(jìn)行訓(xùn)練,實(shí)現(xiàn)在復(fù)雜海況下對(duì)海面弱目標(biāo)信號(hào)的智能檢測(cè)。特別地,我們改造了傳統(tǒng)機(jī)器學(xué)習(xí)算法,將虛警率由輸出變?yōu)檩斎?實(shí)現(xiàn)了智能檢測(cè)器的虛警率可控,滿足了海面弱目標(biāo)探測(cè)中不同的應(yīng)用需求。我們基于回波信號(hào)的三維特征空間和虛警率可控的機(jī)器學(xué)習(xí)算法構(gòu)建可感知復(fù)雜海況的智能檢測(cè)器,能夠有效提升不同海面檢測(cè)環(huán)境下目標(biāo)的檢測(cè)概率。綜上所述,本文致力于實(shí)現(xiàn)復(fù)雜海況下的海雜波精準(zhǔn)認(rèn)知,進(jìn)而設(shè)計(jì)適配海況變化的恒虛警檢測(cè)器以及基于多維度特征空間的智能檢測(cè)器,從而實(shí)現(xiàn)對(duì)復(fù)雜海況下海面弱目標(biāo)的精準(zhǔn)與智能探測(cè)。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2019
【中圖分類】：U675.79
【文章目錄】：
摘要
Abstract
英文縮略詞
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀與挑戰(zhàn)
    1.3 論文的研究?jī)?nèi)容及章節(jié)安排
2 基礎(chǔ)知識(shí)
    2.1 雷達(dá)系統(tǒng)簡(jiǎn)介
    2.2 雷達(dá)回波信號(hào)模型簡(jiǎn)介
    2.3 海面弱目標(biāo)探測(cè)原理概述
    2.4 IPIX雷達(dá)實(shí)測(cè)數(shù)據(jù)集介紹
    2.5 本章小結(jié)
3 復(fù)雜海況下海雜波機(jī)理的精準(zhǔn)認(rèn)知
    3.1 海雜波統(tǒng)計(jì)特性分析
    3.2 基于核密度估計(jì)的海雜波分布建模
    3.3 實(shí)驗(yàn)結(jié)果與性能比較
    3.4 本章小結(jié)
4 適配海況變化的恒虛警檢測(cè)器設(shè)計(jì)
    4.1 恒虛警檢測(cè)器介紹
    4.2 海況自適應(yīng)的恒虛警檢測(cè)器設(shè)計(jì)
    4.3 性能對(duì)比和分析
    4.4 本章小結(jié)
5 基于多維度特征空間的智能檢測(cè)器設(shè)計(jì)
    5.1 回波信號(hào)的多維度特征空間構(gòu)建
    5.2 虛警率可控的智能檢測(cè)器設(shè)計(jì)
    5.3 檢測(cè)器性能的驗(yàn)證實(shí)驗(yàn)和結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 下一步工作展望
致謝
參考文獻(xiàn)
附錄1 攻讀博士學(xué)位期間的主要成果
附錄2 攻讀博士學(xué)位期間參與科研項(xiàng)目

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝芝亮;;基于實(shí)測(cè)數(shù)據(jù)的海雜波數(shù)據(jù)管理系統(tǒng)設(shè)計(jì)[J];信息化研究;2018年05期

2 朱德林;王學(xué)田;高洪民;趙嘉斐;;時(shí)空相關(guān)K分布海雜波仿真軟件[J];微波學(xué)報(bào);2018年S1期

3 倪代紅;高振國(guó);;海雜波混沌分形理論研究進(jìn)展[J];電子世界;2018年01期

4 廖美紅;;特征知識(shí)在高頻1階海雜波識(shí)別中的應(yīng)用[J];艦船科學(xué)技術(shù);2016年24期

5 行鴻彥;楊岑睿;;基于高尺度分形差量的海雜波背景下小目標(biāo)檢測(cè)[J];現(xiàn)代雷達(dá);2017年03期

6 王斌;劉春生;盧義成;;地/海雜波背景下機(jī)載火控雷達(dá)效能評(píng)估[J];火力與指揮控制;2017年06期

7 昝航;宋萬(wàn)杰;陳伯孝;;基于多普勒頻率相關(guān)性的海雜波目標(biāo)檢測(cè)[J];雷達(dá)科學(xué)與技術(shù);2017年03期

8 魏明珠;;機(jī)載預(yù)警雷達(dá)海雜波的抑制方法[J];雷達(dá)科學(xué)與技術(shù);2015年06期

9 劉慶林;夏海寶;安磊;欒韶徽;;地海雜波下機(jī)載預(yù)警雷達(dá)探測(cè)仿真[J];計(jì)算機(jī)仿真;2015年01期

10 舒亞海;;空間相關(guān)的二維海雜波仿真與混沌評(píng)估[J];現(xiàn)代雷達(dá);2015年03期

相關(guān)博士學(xué)位論文 前10條

1 周宏寬;復(fù)雜海況下海面弱目標(biāo)的精準(zhǔn)與智能探測(cè)研究[D];華中科技大學(xué);2019年

2 辛志慧;多通道海雜波建模及海面目標(biāo)信息獲取[D];西安電子科技大學(xué);2017年

3 朱永鵬;天發(fā)艦收高頻雷達(dá)海雜波建模與抑制方法研究[D];哈爾濱工業(yè)大學(xué);2018年

4 施賽楠;海面弱目標(biāo)最優(yōu)相干和聯(lián)合特征檢測(cè)方法研究[D];西安電子科技大學(xué);2018年

5 金燕;海雜波背景下的弱目標(biāo)檢測(cè)算法研究[D];武漢大學(xué);2015年

6 徐湛;海雜波建模及其背景下目標(biāo)檢測(cè)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

7 楊俊嶺;海雜波建模及雷達(dá)信號(hào)模擬系統(tǒng)關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2006年

8 姜斌;地、海雜波建模及目標(biāo)檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2006年

9 劉明;海雜波中微弱運(yùn)動(dòng)目標(biāo)自適應(yīng)檢測(cè)方法研究[D];西安電子科技大學(xué);2016年

10 李亞軍;天發(fā)地收高頻雷達(dá)展寬海雜波建模與抑制技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 趙新宇;X波段對(duì)海探測(cè)雷達(dá)目標(biāo)檢測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2019年

2 朱鵬勇;天發(fā)艦收體制下電離層對(duì)海雜波影響分析與建模[D];哈爾濱工業(yè)大學(xué);2019年

3 穆璀;海上小目標(biāo)探測(cè)與識(shí)別[D];西安電子科技大學(xué);2019年

4 張隆;基于查找表和算法移植的海雜波FPGA仿真方法研究[D];西安電子科技大學(xué);2019年

5 王樂(lè);海雜波幅度模型參數(shù)估計(jì)研究[D];西安電子科技大學(xué);2019年

6 杜宇翔;基于分組機(jī)制的海面目標(biāo)檢測(cè)算法研究[D];南京郵電大學(xué);2019年

7 張婷婷;某岸基警戒雷達(dá)實(shí)測(cè)數(shù)據(jù)的海雜波特性分析及抑制方法研究[D];西安電子科技大學(xué);2019年

8 蘆凱;海雜波模型參數(shù)估計(jì)和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法研究[D];西安電子科技大學(xué);2019年

9 曾威良;海雜波特性參數(shù)的遞歸貝葉斯估計(jì)方法研究[D];西安電子科技大學(xué);2019年

10 王麗偉;海面建模及雜波模擬預(yù)測(cè)方法研究[D];西安電子科技大學(xué);2019年

本文編號(hào)：2889417