强海杂波背景下的远距离微弱信号检测

强海杂波背景下的远距离微弱信号检测

论文摘要

海杂波,即来自于被雷达发射信号照射的一片海面的后向散射回波。由于海杂波对来自海面的“点”目标(这类目标包括军舰、航海浮标及民用渔船等)的雷达回波的可检测性形成严重制约,因此对强海杂波背景下的远距离微弱信号检测的研究不仅具有理论上的重要性,而且具有实践的重要性。本文将非广延分布(Tsallis分布)引入到海杂波非平稳性建模之中,提出了一种结合Nelder-Mead对Tsallis分布进行K-S检验的方法。同时将Tsallis分布拟合IPIX雷达实测数据的不同数据集,分析其参数的差异度,提出了基于单个参数的目标检测法,为强海杂波背景下的远距离微弱信号检测提供了一种新的方法。论文所做的主要工作包括以下几点:1、阐述了国内外兴起海杂波研究的原因,并从海杂波建模,海杂波仿真和海杂波背景下目标检测三个方面论述了当今世界海杂波的研究现状;介绍了IPIX雷达,IPIX雷达实测数据格式以及Matlab下处理海杂波数据的方法;分析了海杂波散射系数特性、海杂波统计分布特性、海杂波谱特性、海杂波时域和空域相关性;比较了零记忆非线性变换(ZMNL)(?)口球不变随机过程(SIRP)两种常用的海杂波仿真方法。2、采用最大似然估计和矩估计法,实现了瑞利分布、对数—正态分布、韦布尔分布和K分布海杂波模型相对于IPIX雷达实测数据的幅度拟合,在此基础上探究了各模型的优缺点以及参数含义。3、运用IPIX雷达实测数据,开展了关于海杂波非平稳特性的实验,从海杂波多普勒频谱,海杂波多普勒质心和海杂波纹理三个方面验证了海杂波具有非平稳特性。4、在海杂波非平稳特性的基础上,通过分析香农熵、Renyi熵和Tsallis熵,将Tsallis分布引入到海杂波非平稳性建模之中,提出了一种结合Nelder-Mead对Tsallis分布进行K-S拟合优度性分析的方法,验证了基于Tsallis分布的海杂波非平稳性模型优于基于统计分布的海杂波模型。5、在Tsallis分布的基础上,提出了基于单个参数的目标检测法,同时运用IPIX雷达实测数据证明了基于单个参数的目标检测法能较好的完成强海杂波背景下的远距离微弱信号检测的任务。从Tsallis熵的定义出发对非广延参数q进行讨论,分析表明了海杂波具有混沌系统和随机系统之间的幂率敏感性。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题背景及意义
  • 1.2 国内外研究现状
  • 1.2.1 海杂波建模方法现状
  • 1.2.2 海杂波仿真方法现状
  • 1.2.3 海杂波背景下目标检测技术现状
  • 1.3 本文的内容安排
  • 1.4 本章小结
  • 第二章 IPIX雷达实测数据分析及海杂波特性研究
  • 2.1 IPIX雷达及IPIX雷达实测数据
  • 2.1.1 IPIX雷达
  • 2.1.2 IPIX雷达实测数据
  • 2.2 IPIX雷达实测数据处理方法
  • 2.3 海杂波特性研究
  • 2.3.1 海杂波散射系数特性
  • 2.3.2 海杂波统计特性
  • 2.4 本章小结
  • 第三章 海杂波幅度统计模型及其仿真研究
  • 3.1 海杂波幅度统计模型
  • 3.1.1 瑞利分布
  • 3.1.2 对数一正态分布
  • 3.1.3 韦布尔分布
  • 3.1.4 K分布
  • 3.2 统计分布参数估计及序列检测
  • 3.2.1 统计分布参数估计
  • 3.2.2 序列检测(K-S)
  • 3.3 统计分布拟合度分布
  • 3.3.1 幅度分布拟合
  • 3.3.2 拟合优度性分析
  • 3.4 海杂波仿真
  • 3.4.1 球不变随机过程法(SIRP)
  • 3.4.2 零记忆非线性变换法(ZMNL)
  • 3.4.3 两种仿真方法的区别
  • 3.5 本章小结
  • 第四章 海杂波非广延模型及目标检测
  • 4.1 基于TSALLIS分布的海杂波非平稳性模型
  • 4.1.1 海杂波非平稳特性
  • 4.1.2 海杂波非广延模型
  • 4.1.3 基于Nelder-Mead的参数估计
  • 4.1.4 Tsallis分布拟合优度性
  • 4.2 基于TSALLIS分布的目标检测
  • 4.2.1 基于单个参数的目标检测
  • 4.2.2 改进的基于单个参数的目标检测
  • 4.3 非广延分布参数Q的分析
  • 4.4 本章小结
  • 第五章 总结与展望
  • 5.1 论文总结
  • 5.2 后续工作展望
  • 致谢
  • 参考文献
  • 附录
  • 详细摘要
  • 相关论文文献

    • [1].强噪声下的微弱信号检测技术[J]. 电子技术与软件工程 2020(04)
    • [2].一种微弱信号检测的设计[J]. 西部皮革 2017(08)
    • [3].基于稀疏域元素位置信息积累的微弱信号检测算法[J]. 信号处理 2017(07)
    • [4].应用FPGA和MSP430设计的微弱信号检测仪——基于电子工程实训教学案例[J]. 科技风 2017(09)
    • [5].基于嵌入式的低频微弱信号检测系统研究[J]. 中国西部科技 2015(07)
    • [6].老骥伏枥,志在千里——记我国著名的微弱信号检测专家唐鸿宾教授[J]. 科技促进发展 2011(S1)
    • [7].微弱信号检测及测向方法研究[J]. 黑龙江科学 2019(04)
    • [8].微弱信号检测方法研究[J]. 信息技术与信息化 2018(Z1)
    • [9].基于锁定放大器的微弱信号检测系统设计[J]. 科技经济市场 2017(04)
    • [10].基于MSP430的微弱信号检测装置[J]. 微型机与应用 2014(03)
    • [11].基于混合系统的微弱信号检测方法研究[J]. 计算机测量与控制 2012(12)
    • [12].浅谈微弱信号检测技术[J]. 无线互联科技 2011(05)
    • [13].微弱信号检测方法研究[J]. 微型机与应用 2011(21)
    • [14].数字式多点均衡的微弱信号检测仪设计[J]. 微计算机信息 2008(19)
    • [15].一种基于空间谱估计的微弱信号检测方法[J]. 通信与信息技术 2020(01)
    • [16].浅析微弱信号检测装置设计[J]. 传播力研究 2019(03)
    • [17].基于全数字移相锁相法的微弱信号检测器[J]. 山东大学学报(工学版) 2019(04)
    • [18].一种强噪声背景下微弱信号检测系统的设计与实现[J]. 中国计量 2017(12)
    • [19].微弱信号检测的实验研究[J]. 山西大同大学学报(自然科学版) 2016(02)
    • [20].传感器微弱信号检测方法研究[J]. 河南科学 2013(02)
    • [21].微弱信号检测技术探讨[J]. 电子制作 2013(06)
    • [22].基于混沌相平面变化的微弱信号检测[J]. 计算机测量与控制 2010(12)
    • [23].混沌振子在微弱信号检测中的可靠性研究[J]. 仪器仪表学报 2008(06)
    • [24].基于蜂群算法优化向量机的微弱信号检测方法[J]. 探测与控制学报 2018(01)
    • [25].基于耦合Van der Pol-Duffing系统的微弱信号检测研究[J]. 中国测试 2018(08)
    • [26].互相关检测法在微弱信号检测中的应用[J]. 电子测试 2016(17)
    • [27].一种简单微弱信号检测系统的设计[J]. 黑龙江科技信息 2013(12)
    • [28].基于瞬态极化统计量的微弱信号检测及优化算法设计[J]. 电子学报 2008(06)
    • [29].基于小波变换分析的微弱信号检测研究[J]. 通信技术 2008(08)
    • [30].基于电子开关式锁相放大器的微弱信号检测方法[J]. 重庆师范大学学报(自然科学版) 2016(06)

    标签:;  ;  ;  ;  

    强海杂波背景下的远距离微弱信号检测
    下载Doc文档

    猜你喜欢