【摘要】：海雜波背景下的目標(biāo)CFAR檢測一直是雷達(dá)探測技術(shù)中的熱點問題。傳統(tǒng)CFAR檢測算法多是利用某一雜波的統(tǒng)計分布模型來自適應(yīng)設(shè)計檢測門限,從而保持相對恒定的虛警概率。但是當(dāng)真實觀測模型與假設(shè)統(tǒng)計分布模型不一致或者雜波參數(shù)估計存在誤差時,CFAR檢測器的恒虛警性能很難得到保證,甚至惡化嚴(yán)重。論文以復(fù)雜海雜波下的CFAR檢測技術(shù)為研究背景,主要工作包括:復(fù)雜海雜波的建模仿真、海雜波背景下的CFAR檢測以及基于多幀的CFAR檢測技術(shù)研究等。論文內(nèi)容概括如下:第二章首先介紹了海雜波模擬常用的各種統(tǒng)計分布模型,包括Log-Normal分布、Rayleigh分布、Weibull分布,分析了各自特點和適用范圍,并進(jìn)行仿真。在綜合考慮時間相關(guān)性和空間相關(guān)性的基礎(chǔ)上,提出一種新的基于ZMNL的復(fù)合K分布雜波模型產(chǎn)生方法,仿真證明了該方法的有效性,為后文算法研究提供了一定的數(shù)據(jù)支撐。最后利用實測數(shù)據(jù)對幾種雜波模型擬合效果進(jìn)行對比表明,復(fù)合K分布模型與此次試驗實測海雜波的擬合效果最吻合。第三章主要研究了單幀觀測距離-多普勒圖的恒虛警檢測算法。首先給出了自適應(yīng)參量CFAR檢測算法的模型。然后介紹了基于有序數(shù)據(jù)變化率的CFAR檢測算法,并對性能進(jìn)行分析。最后引入縫隙值這一高階分形特征作為對目標(biāo)存在的判斷依據(jù),并據(jù)此提出基于分形縫隙率特征的單幀RD圖像域檢測算法,通過仿真數(shù)據(jù)和實測數(shù)據(jù)對上述三種算法進(jìn)行了對比試驗,處理結(jié)果驗證了算法的有效性。第四章研究了基于多幀觀測距離-多普勒圖的恒虛警檢測方法。首先提出基于連續(xù)幀序列相關(guān)的多幀檢測方法,并證明了該方法可以有效降低虛警率。之后介紹了基于動態(tài)規(guī)劃TBD算法的觀測模型和算法流程,對動態(tài)規(guī)劃和SOSCA-CFAR方法的檢測性能進(jìn)行對比和分析。最后提出一種基于Gaussian粒子濾波的TBD改進(jìn)算法,利用高斯密度對后驗概率進(jìn)行估計,并采用序貫比檢驗算法對多幀數(shù)據(jù)進(jìn)行積累,實測數(shù)據(jù)結(jié)果表明算法具備很好的檢測跟蹤性能。
[Abstract]:Target CFAR detection under sea clutter background has been a hot issue in radar detection technology. Traditional CFAR detection algorithms use a statistical distribution model of a clutter to adaptively design the detection threshold so as to maintain a relatively constant false alarm probability. However, when the real observation model is inconsistent with the hypothetical statistical distribution model or the clutter parameter estimation error exists, it is difficult to guarantee the CFAR performance of the CFAR detector, or even deteriorate seriously. In this paper, the CFAR detection technology under complex sea clutter is taken as the research background. The main work includes modeling and simulation of complex sea clutter, CFAR detection under sea clutter background and CFAR detection technology based on multi-frame. The contents of this paper are summarized as follows: in chapter 2, we first introduce various statistical distribution models used in sea clutter simulation, including Log-Normal distribution, Rayleigh distribution and Weibull distribution, and analyze their respective characteristics and applicable scope, and carry out simulation. On the basis of considering the temporal and spatial correlation, a new generation method of hybrid K-distributed clutter model based on ZMNL is proposed. The simulation results show that the method is effective and provides a certain data support for the later algorithms. Finally, by comparing the fitting results of several clutter models with the measured data, it is shown that the composite K distribution model is the best fit for the sea clutter measured in this experiment. In chapter 3, the CFAR detection algorithm of single frame range-Doppler image is studied. First, the model of adaptive parametric CFAR detection algorithm is presented. Then, the CFAR detection algorithm based on the rate of change of ordered data is introduced, and the performance is analyzed. Finally, the high-order fractal feature of slot value is introduced as the basis for judging the existence of target, and a single frame RD image domain detection algorithm based on fractal slot rate feature is proposed. The simulation data and the measured data are used to compare the three algorithms, and the results show that the algorithm is effective. In chapter 4, the CFAR detection method based on multi-frame observation range-Doppler image is studied. Firstly, a multi-frame detection method based on successive frame sequence correlation is proposed, and it is proved that the method can effectively reduce the false alarm rate. Then the observation model and algorithm flow based on dynamic programming TBD algorithm are introduced. The detection performance of dynamic programming and SOSCA-CFAR method is compared and analyzed. Finally, an improved TBD algorithm based on Gaussian particle filter is proposed. Gao Si density is used to estimate the posterior probability, and sequential ratio test algorithm is used to accumulate the multi-frame data. The measured data show that the algorithm has good performance of detection and tracking.
【學(xué)位授予單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張鵬,沈福民;基于混沌學(xué)的海雜波分析[J];火控雷達(dá)技術(shù);2002年01期

2 張鵬,沈福民;基于混沌學(xué)的海雜波分析[J];雷達(dá)與對抗;2002年01期

3 昂志敏,張曉豐,許正榮;高分辨率雷達(dá)近距離下的海雜波建模與仿真[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2004年10期

4 王福友;盧志忠;袁贛南;周衛(wèi)東;;基于時空混沌的海雜波背景下小目標(biāo)檢測[J];儀器儀表學(xué)報;2009年06期

5 趙海云;張瑞永;武楠;胡學(xué)成;;基于實測數(shù)據(jù)的海雜波特性分析[J];雷達(dá)科學(xué)與技術(shù);2009年03期

6 錢玉瑩;王哲;;基于混沌理論的海雜波處理方案設(shè)計[J];科學(xué)技術(shù)與工程;2010年06期

7 逄勃;;基于實測海雜波特性分析[J];雷達(dá)與對抗;2011年03期

8 楊杰,盧凌,陸濟(jì)湘;海雜波概率密度分布函數(shù)分析方法的研究[J];武漢交通科技大學(xué)學(xué)報;1998年01期

9 Ｓ．海金,Ｓ．普索帕迪;海雜波不規(guī)則動態(tài)特性的試驗研究[J];雷達(dá)與對抗;1998年02期

10 陳彥輝,謝維信;地海雜波的隨機(jī)分形模型[J];電子科技大學(xué)學(xué)報;2000年03期

相關(guān)會議論文 前5條

1 周凱;張春榮;強(qiáng)勇;;盒維數(shù)估計法在海雜波目標(biāo)檢測中的應(yīng)用[A];2008年中國西部青年通信學(xué)術(shù)會議論文集[C];2008年

2 蘇軾鵬;張永剛;;海洋大氣環(huán)境對海雜波的影響[A];氣象海洋環(huán)境與船舶航行安全論文集[C];2010年

3 周凱;張春榮;強(qiáng)勇;;幾種用于短時海雜波目標(biāo)檢測的譜估計方法的比較[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（上冊）[C];2009年

4 刁海南;;疊加地海雜波調(diào)制的毫米波目標(biāo)反射器[A];1999年全國微波毫米波會議論文集(下冊)[C];1999年

5 邢相薇;陳振林;鄒煥新;周石琳;;幅度SAR圖像海雜波統(tǒng)計模型分析[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 王福友;海雜波混沌分形特性分析、建模及小目標(biāo)檢測[D];哈爾濱工程大學(xué);2009年

2 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

3 李東宸;海雜波中小目標(biāo)的特征檢測方法[D];西安電子科技大學(xué);2016年

4 劉明;海雜波中微弱運動目標(biāo)自適應(yīng)檢測方法研究[D];西安電子科技大學(xué);2016年

5 許小可;基于非線性分析的海雜波處理與目標(biāo)檢測[D];大連海事大學(xué);2008年

6 蘇曉宏;海雜波的特性分析與目標(biāo)檢測處理[D];大連海事大學(xué);2010年

7 張波;海雜波環(huán)境下的弱小目標(biāo)檢測方法研究[D];西安電子科技大學(xué);2013年

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

9 時艷玲;高距離分辨海雜波背景下目標(biāo)檢測方法[D];西安電子科技大學(xué);2011年

10 張雅斌;高頻地波雷達(dá)干擾與海雜波信號處理研究[D];西安電子科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 王煒;雷達(dá)海雜波數(shù)據(jù)庫建立及特性分析[D];西安電子科技大學(xué);2009年

2 李芾;基于實測海雜波數(shù)據(jù)的統(tǒng)計特性分析[D];西安電子科技大學(xué);2013年

3 高芬;基于分形理論的海面弱目標(biāo)檢測[D];大連海事大學(xué);2016年

4 任紅霞;雷達(dá)海雜波統(tǒng)計建模與仿真[D];中國海洋大學(xué);2015年

5 荊緯;ELM海雜波目標(biāo)檢測研究[D];中國海洋大學(xué);2015年

6 王鵬;極化IPIX雷達(dá)回波數(shù)據(jù)處理與分析[D];哈爾濱工業(yè)大學(xué);2016年

7 郭亮;艦載地波雷達(dá)背景下的海雜波抑制方法研究[D];哈爾濱工業(yè)大學(xué);2016年

8 張強(qiáng);海雜波噪聲中小目標(biāo)的特征分析與檢測方法研究[D];南京信息工程大學(xué);2016年

9 韓超;基于電磁仿真的海面雷達(dá)回波特性研究[D];電子科技大學(xué);2016年

10 高志強(qiáng);船用調(diào)頻連續(xù)波雷達(dá)信號處理關(guān)鍵算法研究與實現(xiàn)[D];電子科技大學(xué);2016年

，

本文編號：2212313