本文選題：海雜波 + 混沌�。� 參考：《大連海事大學(xué)》2017年碩士論文

【摘要】：隨著雷達(dá)高新技術(shù)的發(fā)展,海雜波背景下的目標(biāo)檢測成為海面雷達(dá)信號處理的重要組成部分。海雜波通常指海洋表面的雷達(dá)后向散射回波,導(dǎo)致雷達(dá)對海面目標(biāo)的檢測性能產(chǎn)生嚴(yán)重的干擾。海雜波中弱目標(biāo)的檢測,傳統(tǒng)方法是基于海雜波統(tǒng)計特性,但是統(tǒng)計特性并不能很好地反映海雜波的內(nèi)在動力學(xué)特性,因此檢測效果很不理想。隨著海雜波混沌特性的出現(xiàn)為海面弱目標(biāo)檢測提供了新方法。本文通過分析海雜波的混沌特性研究了基于自適應(yīng)RBF模糊神經(jīng)網(wǎng)絡(luò)的弱目標(biāo)檢測方法。主要研究內(nèi)容分為以下四部分:第一部分包含本文的第1至2章內(nèi)容:這部分首先敘述了海雜波研究的意義,從統(tǒng)計理論、分形理論、混沌理論闡述了海雜波的研究現(xiàn)狀。然后對混沌理論、幾種常見的混沌吸引子的模型進(jìn)行描述,最后闡述了 IPIX雷達(dá)海雜波數(shù)據(jù)的來源與采集情況。第二部分包含本文的第3章內(nèi)容:該部分對實測雷達(dá)海雜波數(shù)據(jù)的混沌動態(tài)特性進(jìn)行了驗證。闡述了著名的Takens定理并對海雜波時間序列進(jìn)行相空間重構(gòu),對相空間重構(gòu)的關(guān)鍵參數(shù)延遲時間和嵌入維數(shù)進(jìn)行了計算。本文采用自相關(guān)函數(shù)法和互信息量法計算延遲時間,采用虛假近鄰法和Cao方法計算嵌入維數(shù)。采用GP方法和小數(shù)據(jù)量方法分別計算關(guān)聯(lián)維數(shù)和最大Lyapunov指數(shù),并根據(jù)有限的關(guān)聯(lián)維數(shù)和最大Lyapunov指數(shù)大于零,驗證了海雜波的混沌特性。第三部分包含本文的第4章內(nèi)容:本部分利用海雜波的混沌特性,研究了基于自適應(yīng)RBF模糊神經(jīng)網(wǎng)絡(luò)的混沌背景下弱目標(biāo)檢測的方法,建立了單步預(yù)測模型,從預(yù)測誤差中檢測出淹沒在混沌背景中的微弱目標(biāo)。分別以Lorenz系統(tǒng)和實測的IPIX雷達(dá)數(shù)據(jù)作為混沌背景進(jìn)行實驗研究。仿真實驗說明此方法能夠有效的將混沌背景中的信號檢測出來。最后通過與RBF神經(jīng)網(wǎng)絡(luò)預(yù)測誤差進(jìn)行比較,可得出自適應(yīng)RBF模糊神經(jīng)網(wǎng)絡(luò)具有更好的預(yù)測效果,因此能夠?qū)δ繕?biāo)實現(xiàn)更好的檢測。第四部分包含本文的第五章內(nèi)容：本部分根據(jù)軟件模塊化思想,將上述相關(guān)算法在Matlab軟件上進(jìn)行集成,設(shè)計了良好的人機(jī)交互性能的海雜波混沌特性目標(biāo)檢測平臺。該平臺包括相空間重構(gòu)、混沌識別、目標(biāo)檢測三大功能模塊,具有較好的實用性。
[Abstract]:With the development of radar technology, target detection in sea clutter background becomes an important part of sea surface radar signal processing. Sea clutter usually refers to the radar backscattering echo on the ocean surface, which results in serious jamming to the detection performance of the sea surface target. The traditional method of weak target detection in sea clutter is based on the statistical characteristics of sea clutter, but the statistical characteristics can not well reflect the inherent dynamic characteristics of sea clutter, so the detection effect is not satisfactory. With the emergence of chaotic characteristics of sea clutter, a new method is provided for weak target detection. In this paper, the weak target detection method based on adaptive RBF fuzzy neural network is studied by analyzing the chaotic characteristics of sea clutter. The main research contents are as follows: the first part includes chapters 1 to 2 of this paper: this part first describes the significance of the study of sea clutter, from the statistical theory, fractal theory, chaos theory to explain the research status of sea clutter. Then the chaos theory and several common models of chaotic attractor are described. Finally, the source and acquisition of sea clutter data of IPIX radar are described. The second part includes the third chapter of this paper: in this part, the chaotic dynamic characteristics of radar sea clutter data are verified. The famous Takens theorem is introduced and the phase space reconstruction of sea clutter time series is carried out. The key parameter delay time and embedding dimension of phase space reconstruction are calculated. In this paper, autocorrelation function method and mutual information method are used to calculate the delay time, and false nearest neighbor method and Cao method are used to calculate the embedding dimension. The GP method and the small data method are used to calculate the correlation dimension and the maximum Lyapunov exponent respectively, and the chaos characteristics of sea clutter are verified according to the finite correlation dimension and the maximum Lyapunov exponent greater than zero. The third part includes the content of chapter 4 of this paper: in this part, the method of weak target detection based on adaptive RBF fuzzy neural network is studied, and a one-step prediction model is established, which is based on the chaotic characteristics of sea clutter. Weak targets submerged in chaotic background are detected from prediction errors. The chaotic background of Lorenz system and the measured IPIX radar data are studied experimentally. The simulation results show that this method can effectively detect the signals in chaotic background. Finally, by comparing with the prediction error of RBF neural network, it can be concluded that adaptive RBF fuzzy neural network has better prediction effect, so it can detect the target better. The fourth part includes the fifth chapter of this paper: according to the idea of software modularization, the above algorithms are integrated on Matlab software, and a good human-computer interaction platform is designed to detect the chaotic characteristics of sea clutter. The platform consists of three functional modules: phase space reconstruction, chaos recognition and target detection.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN957.51

【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(yùn)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 蔡文涵;船載HFSWR海雜波截面積方程研究與仿真[D];哈爾濱工業(yè)大學(xué);2015年

4 高德奇;基于統(tǒng)計學(xué)習(xí)與特征提取的雜波檢測與識別[D];哈爾濱工業(yè)大學(xué);2015年

5 覃俊峰;線性調(diào)頻連續(xù)波雷達(dá)海雜波建模與回波模擬[D];電子科技大學(xué);2015年

6 張朕滔;高頻天地波雷達(dá)海雜波銳化及目標(biāo)檢測[D];哈爾濱工業(yè)大學(xué);2015年

7 楊彬;海面動目標(biāo)的檢測及其FPGA實現(xiàn)技術(shù)研究[D];電子科技大學(xué);2014年

8 趙翠;海雜波特性及其抑制技術(shù)的研究[D];電子科技大學(xué);2014年

9 張平麗;海雜波背景下機(jī)動目標(biāo)跟蹤算法的研究[D];電子科技大學(xué);2015年

10 張勇;小擦地角海面散射與海雜波研究[D];西安電子科技大學(xué);2013年

，

本文編號：1936318