本文關(guān)鍵詞：基于統(tǒng)計學習與特征提取的雜波檢測與識別，由筆耕文化傳播整理發(fā)布。

【摘要】：高頻地波雷達,可以突破地球曲率的限制,探測到視線以下的目標。在雷達回波中往往存在著大量的干擾和噪聲。高頻雷達一階海雜波是雷達回波中最主要的干擾之一,它的能量往往很高,嚴重影響目標的檢測�？墒菑牧硪环矫鎭碇v,海雜波包含著大量的海態(tài)信息,是海態(tài)反演的主要檢測對象。當海面上存在著洋流、浪涌和強風時,一階海雜波會產(chǎn)生頻率譜的分裂和展寬現(xiàn)象。這時候海雜波與周圍的目標將難以區(qū)分,極大的增加了目標檢測和海雜波檢測的難度。如何準確的檢測海雜波是工作的難點。本文的目的就是為了能很好的檢測出海雜波的Bragg峰。首先本文將詳細的討論海雜波產(chǎn)生的機理、影響海雜波Bragg峰位置的因素和影響海雜波展寬和譜分裂的原因。這些工作已經(jīng)被前人大量研究討論過了,所以本文只做介紹,不做定量仿真分析。本文感興趣的是洋流對于寬波束高頻雷達海雜波產(chǎn)生的影響,由于這方面情況比較復雜,一般只做定性分析,本文將嘗試做一些定量的分析,如洋流角度變化,洋流變化速度對海雜波形態(tài)和位置的影響。海雜波的檢測一直是高頻地波雷達研究的重點。由于本文的數(shù)據(jù)中海雜波存在著嚴重的展寬、分裂和位置偏移等現(xiàn)象,且海雜波周圍環(huán)境惡劣,存在著大量的干擾和噪聲。傳統(tǒng)的在理論位置尋找極大值的方法將受到限制。針對這些特點,本文先提出了基于多閾值分割處理和能量質(zhì)心檢測的兩種海雜波圖像處理方法。利用海雜波在高頻雷達回波RD譜的圖像特征去除海雜波周邊的小目標和干擾,得到海雜波所存在的準確區(qū)域。在這個區(qū)域我們利用海雜波的極值、連續(xù)性等特征來尋找海雜波Bragg峰的位置。這種方法不僅能找出海雜波區(qū)域的最大Bragg峰,也能找到海雜波的分裂譜峰,而且這種方法具有極強的魯棒性和自適應性,能抗惡劣海態(tài)環(huán)境干擾,取得了較好的檢測效果。最后,本文提出了一種基于特征統(tǒng)計學習的一階海雜波檢測方法。。我們首先根據(jù)海雜波回波的特性將這些特征全部提出出來,建立一個海雜波特征庫。然后,將這些海雜波特征全部輸入到BP神經(jīng)網(wǎng)絡(luò)中進行學習訓練,將訓練好的網(wǎng)絡(luò)與目標數(shù)據(jù)匹配,不斷比對不同特征訓練出的網(wǎng)絡(luò)的檢測結(jié)果,選取最優(yōu)的特征組合,得到最終的檢測網(wǎng)絡(luò)。為海雜波的檢測提供了一種新的思路。
【關(guān)鍵詞】：高頻地波雷達 一階海雜波 洋流 圖像處理 特征提取 機器學習
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN958
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-16
• 1.1 課題背景及研究的目的和意義9-10
• 1.2 國內(nèi)外海雜波及處理研究現(xiàn)狀及分析10-14
• 1.2.1 超視距雷達的發(fā)展現(xiàn)狀10-11
• 1.2.2 海雜波的研究現(xiàn)狀11-12
• 1.2.3 數(shù)字圖像處理研究現(xiàn)狀12-13
• 1.2.4 神經(jīng)網(wǎng)絡(luò)與機器學習研究現(xiàn)狀13-14
• 1.3 本文主要研究內(nèi)容14-16
• 第2章 海雜波產(chǎn)生機理與譜分裂仿真分析16-37
• 2.1 海雜波作用原理16-19
• 2.1.1 一階海雜波海雜波產(chǎn)生機理16-17
• 2.1.2 雙基地一階海雜波的產(chǎn)生原理17-19
• 2.2. 海雜波譜展寬機理19-21
• 2.2.1 雙基地角對海雜波的影響分析19-20
• 2.2.2 洋流對海雜波影響分析20-21
• 2.3 洋流產(chǎn)生的寬波束雷達雜波仿真分析21-31
• 2.3.1 洋流造成的海雜波展寬及位置23-26
• 2.3.2 寬波束雷達海雜波非均勻展寬26-28
• 2.3.3 功率疊加產(chǎn)生的譜截斷與譜分裂28-31
• 2.4 切變洋流對雜波影響仿真31-36
• 2.4.1 洋流矢量場角度對雜波的影響31-34
• 2.4.2 洋流切變速度對雜波的影響34-36
• 2.5 本章小結(jié)36-37
• 第3章 基于圖像特征的的一階海雜波的檢測方法37-71
• 3.1 引言37-39
• 3.2 基于小波與SNR特征對消的圖像去噪39-44
• 3.2.1 小波分析對雷達圖像去噪39-42
• 3.2.2 基于SNR特征對消的圖像去噪42-44
• 3.3 基于圖像多閾值分割的海雜波檢測方法44-55
• 3.3.2 雷達圖像單閾值分割44-48
• 3.3.3 基于多閾值圖像分割的海雜波檢測48-55
• 3.4 基于能量質(zhì)心法海雜波檢測預處理55-61
• 3.5 海雜波BRAGG峰識別61-70
• 3.5.1 海雜波檢測系統(tǒng)介紹61-64
• 3.5.2 海雜波Bragg峰自動檢測64-70
• 3.6 本章小結(jié)70-71
• 第4章 基于特征和統(tǒng)計學習的海雜波檢測71-84
• 4.1 引言71
• 4.2 神經(jīng)網(wǎng)絡(luò)模型簡介71-72
• 4.3 海雜波特征提取72-76
• 4.4 神經(jīng)網(wǎng)絡(luò)訓練與效果驗證76-82
• 4.5 本章小結(jié)82-84
• 結(jié)論84-86
• 參考文獻86-92
• 致謝92

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 焦李成,譚山;圖像的多尺度幾何分析:回顧和展望[J];電子學報;2003年S1期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 仇永斌;雙基地高頻地波雷達海雜波特性研究[D];哈爾濱工業(yè)大學;2011年

  本文關(guān)鍵詞：基于統(tǒng)計學習與特征提取的雜波檢測與識別，由筆耕文化傳播整理發(fā)布。

，

本文編號：340877