【摘要】：為克服頻譜傅里葉分析的缺點(diǎn),采用自回歸譜估計(jì)的方法來(lái)計(jì)算海雜波的功率譜.自回歸模型是一個(gè)線性預(yù)測(cè)模型,它通過(guò)序列的自相關(guān)函數(shù)矩陣來(lái)估計(jì)功率譜,并且具有更精確的頻譜分辨率.該文主要分析基于自回歸譜估計(jì)的海雜波功率譜的擴(kuò)展分形特性,以及在微弱目標(biāo)檢測(cè)中的應(yīng)用.首先,以分?jǐn)?shù)布朗運(yùn)動(dòng)模型為例,證明其功率譜具有自相似性.其次,根據(jù)X波段雷達(dá)的實(shí)測(cè)海雜波數(shù)據(jù),分析了海雜波自回歸譜的多尺度Hurst指數(shù)及其最優(yōu)尺度區(qū)間.最后,提出一種基于自回歸譜多尺度Hurst指數(shù)的目標(biāo)檢測(cè)方法.實(shí)驗(yàn)結(jié)果表明,該種檢測(cè)方法具有海雜波背景下微弱目標(biāo)檢測(cè)的能力.與現(xiàn)有基于擴(kuò)展分形的目標(biāo)檢測(cè)方法和傳統(tǒng)恒虛警檢測(cè)方法相比,該算法在低信雜比情況下具有較好的檢測(cè)性能.
[Abstract]:In order to overcome the shortcoming of spectrum Fourier analysis, the power spectrum of sea clutter is calculated by using the method of autoregressive spectrum estimation. The autoregressive model is a linear predictive model which estimates the power spectrum by the autocorrelation function matrix of the sequence and has a more accurate spectral resolution. This paper mainly analyzes the extended fractal characteristics of sea clutter power spectrum based on autoregressive spectrum estimation and its application in weak target detection. Firstly, the fractional Brownian motion model is taken as an example to prove that the power spectrum is self-similar. Secondly, based on the measured sea clutter data of X-band radar, the multiscale Hurst exponent and its optimal scale range of sea clutter autoregressive spectrum are analyzed. Finally, a target detection method based on autoregressive multiscale Hurst exponents is proposed. The experimental results show that this detection method has the ability of weak target detection in sea clutter background. Compared with the existing target detection methods based on extended fractal and traditional CFAR detection methods, the proposed algorithm has better detection performance in the case of low signal-to-clutter ratio.
【作者單位】： 西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家重大科學(xué)儀器設(shè)備開(kāi)發(fā)專項(xiàng)基金資助項(xiàng)目(2013YQ20060705)
【分類號(hào)】：TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 行鴻彥;張強(qiáng);徐偉;;海雜波FRFT域的分形特征分析及小目標(biāo)檢測(cè)方法[J];物理學(xué)報(bào);2015年11期

2 宋杰;劉寧波;王國(guó)慶;關(guān)鍵;何友;;海雜波FRFT譜的近似分形特性與目標(biāo)檢測(cè)[J];宇航學(xué)報(bào);2013年10期

3 劉寧波;關(guān)鍵;王國(guó)慶;陳小龍;何友;;基于海雜波FRFT譜多尺度Hurst指數(shù)的目標(biāo)檢測(cè)方法[J];電子學(xué)報(bào);2013年09期

4 劉寧波;關(guān)鍵;黃勇;何友;;基于頻域多尺度Hurst指數(shù)的海雜波中目標(biāo)檢測(cè)方法[J];電子學(xué)報(bào);2013年03期

5 王福友;羅釘;季亞新;胡新梅;;海雜波多分形特性分析及小目標(biāo)檢測(cè)技術(shù)研究[J];信號(hào)處理;2013年02期

6 李秀友;關(guān)鍵;黃勇;周偉;;海雜波中基于擴(kuò)展分形的目標(biāo)檢測(cè)方法[J];火控雷達(dá)技術(shù);2008年02期

7 邵旭,張守宏;空時(shí)二維海雜波的模擬[J];西安電子科技大學(xué)學(xué)報(bào);2000年02期

8 杜干，，張守宏;基于分維特征的艦船目標(biāo)的檢測(cè)[J];西安電子科技大學(xué)學(xué)報(bào);1999年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 丁昊;董云龍;劉寧波;王國(guó)慶;關(guān)鍵;;海雜波特性認(rèn)知研究進(jìn)展與展望[J];雷達(dá)學(xué)報(bào);2016年05期

2 劉允峰;索繼東;柳曉鳴;;改進(jìn)的分形檢測(cè)海面漂浮小目標(biāo)方法[J];電訊技術(shù);2016年09期

3 張宇輝;吳家明;武東斌;王R煎

本文編號(hào)：2406073