高頻地波雷達（high frequency surface wave radar, HFSWR）對于海事監(jiān)測具有重要的軍用及民用意義,然而在HFSWR回波信號中,待檢測的目標常常淹沒在海雜波和各種背景噪聲中.因此,如何有效抑制雜波并實現(xiàn)多目標的自適應檢測是HFSWR實現(xiàn)海事檢測的關鍵和難點.該文提出了一種結合誤差自校正極限學習機（error self-adjustment extreme learning machine, ES-ELM）和分數(shù)階傅里葉變換（fractional Fourier transform,FRFT）的多目標自適應檢測算法.算法根據(jù)相空間重構理論獲得ELM的最佳狀態(tài)空間,利用ES-ELM建立海雜波預測模型并對海雜波進行有效抑制;再在分數(shù)域根據(jù)目標信號的峰值集聚特征,利用Haar-like算子提取目標點的形態(tài)特征,并通過ES-ELM神經(jīng)網(wǎng)絡對目標進行自動辨識.實驗結果表明,該文提出的算法具有良好的海雜波抑制能力,并可以實現(xiàn)海雜波背景下多運動目標的自適應高精度檢測. 

【文章來源】：電波科學學報. 2020年02期 北大核心

【文章頁數(shù)】：10 頁

【部分圖文】：

多目標檢測算法流程圖

Haar-like 特征

81km處距離元本文算法檢測結果

【參考文獻】：
期刊論文
[1]基于FRFT的雷達微弱目標信號檢測算法[J]. 李香菊,裴騰達.  信息技術. 2017(03)
[2]基于高尺度分形差量的海雜波背景下小目標檢測[J]. 行鴻彥,楊岑睿.  現(xiàn)代雷達. 2017(03)
[3]海雜波FRFT域分形特征判別及動目標檢測方法[J]. 陳小龍,劉寧波,宋杰,關鍵,何友.  電子與信息學報. 2011(04)
[4]海雜波背景下基于FRFT的多運動目標檢測快速算法[J]. 陳小龍,關鍵,于仕財,何友.  信號處理. 2010(08)
[5]基于自適應分數(shù)階傅里葉變換的線性調(diào)頻信號檢測及參數(shù)估計[J]. 曲強,金明錄.  電子與信息學報. 2009(12)
[6]估計非線性時間序列嵌入延遲時間和延遲時間窗的C-C平均方法[J]. 徐自勵,王一揚,周激流.  四川大學學報(工程科學版). 2007(01)
[7]用等間距分格子法計算互信息函數(shù)確定延遲時間[J]. 楊志安,王光瑞,陳式剛.  計算物理. 1995(04)



本文編號：2926659