海雜波背景下弱目標(biāo)檢測

《海雜波背景下弱目標(biāo)檢測》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、乂連謹(jǐn)＾義聾ＤＡＬＩＡＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ破±享恆巧交ＭＡＳＴＥ民ＡＬＤＩＳＳＥＲＴＡＴＩＯＮ３ＨＥ顯海雜波背景下弱目標(biāo)檢測學(xué)科專業(yè)——＿＿作者姓名殷福亮教＊受指導(dǎo)獅志韶副基襄２０１６年６月答辯日期碩±學(xué)位論文海雜波背景下弱目標(biāo)檢測ＷｅａｋＴａｒｅｔｓＤｅ化ｃｔｉｏｎｉｎＳｅａ日ｕｔｔｅｒｇ作者姓名：康克成學(xué)科、專業(yè)：信息與通信工程學(xué)號：２１３０９０７５指導(dǎo)教師：殷福亮教授陳話副教授１完成日期：２０

2、６年５月３日乂連巧義丈＃ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ大連理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明作者鄭重寅明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下進(jìn)行研究工作所取得的成果。盡我所知，除文中己經(jīng)注明引用內(nèi)容和致謝的地方外，本論文不包含其他個人或集體己經(jīng)發(fā)表的研究成果，也不包含其他己申請學(xué)位或其他用途使用過的成果一同工作的同志對本研究所做的賈獻(xiàn)。與我均＆在論文中做了明確的說明并表示了謝意。若有不實之處，本人愿意承擔(dān)相關(guān)法律責(zé)任。學(xué)位論文題目：海雜波背景下弱目標(biāo)檢測作者簽名：嚴(yán)龍艇

3、日期：２０１６年５月３日＿＿大連理工大學(xué)碩±學(xué)位論文摘要海面上小目標(biāo)的雷達(dá)檢測技術(shù)在港口交通、海浪監(jiān)測、海難和空難搜救、軍事偵察等場合中具有廣泛應(yīng)用，，這在目標(biāo)檢測中。對于海面上的小目標(biāo)其雷達(dá)信號通常較弱是個困難的任務(wù)。此外，海面雷達(dá)信號是典型的非平穩(wěn)隨機(jī)信號，對其進(jìn)行檢測需要選擇合適的特征和檢測器。為了實現(xiàn)海面上弱目標(biāo)檢測，需要在復(fù)雜海雜波背景下，迅速準(zhǔn)確地提取雷達(dá)回波信號中的有用特征信息，并進(jìn)行識別分類。，主要工作如下本文研究了海面弱目標(biāo)檢測技術(shù)；１針對海雜波的非平穩(wěn)特性，應(yīng)用Ｈ參數(shù)的分?jǐn)?shù)階傅里葉變換來

4、處理海雜波信號，（）使易混淆的主目標(biāo)與次目標(biāo)信號特征差別增大，為后續(xù)目標(biāo)識別奠定基礎(chǔ)。ｔＬ口，用Ｈｕｒｓ指數(shù)、ｙａｕｎｏｖ指數(shù)、分形維數(shù)、多重分）根據(jù)海雜波的非平穩(wěn)特征ｐ一形譜、近似摘等對其進(jìn)行表征種新的聯(lián)合特征向量，，并用遺傳算法優(yōu)化選擇選取了通過特征互補(bǔ)，使特征向量更好表征海雜波的特性。３將深度信念網(wǎng)絡(luò)與隱馬爾科夫模型相結(jié)合作為目標(biāo)分類器，應(yīng)用聯(lián)合特征向量作（）為模式分類器的輸入進(jìn)行訓(xùn)練，將其用于海雜波信號的分類練完成后，取得了良好；訓(xùn)的實驗結(jié)果。ｃ巧！數(shù)據(jù)選用加拿大ＭＭａｓｔｅｒ大學(xué)ＩＰＩＸ雷達(dá)數(shù)據(jù)。仿真實驗結(jié)

5、果表明，本文的海）試雜波目標(biāo)識別方法檢測準(zhǔn)確度較高，在低信噪比情況下也具有良好的檢測性能。關(guān)鍵詞：海雜波；弱目標(biāo)檢測；聯(lián)合特征；分?jǐn)?shù)階傅里葉變換；深度信念網(wǎng)絡(luò)；隱馬爾科夫模型－－１海雜波背景下弱目標(biāo)檢測ＷｅａｋＴａｒｇｅｔｓＤｅｔｅｃｔｉｏｎｉｎＳｅａＣｌｕ行ｅｒＡｂｓｔｒａｃｔＲａｄａｒｄｅｌｅｔｌｔｔｔｉｏｎ：ｅｃｈｎｉｕｅｓｆｏｒｓｍａｌｌｔａｒｅｉｎｓｅａｃｌｕｅｒｈａｖｅｂｅｅｎｕｓｅｄｉｎｏｒｔｒａｆｆｉｃｑｇｐ，ｏｃｅａｎｍｏｎｉｔｏｒｉｎｇ，ｍｉｌｉｔ

6、ａｒｙｒｅｃｏｎｎａｉｓｓａｎｃｅ，ｍａｒｉｔｉｍｅａｎｄａｉｒｒｅｓｃｕｅ，ｅｔ；ｃ．．Ａｓｔｈｅｒａｄａｒｓｉｇｎａｌｏｆｓｍａｌｌｔａｒｇｅｔｉｎｓｅａｃｌｕｔｅｒｉｓｖｅｒｙｗｅａｋ，ａｎｄｉｓｎｏ打ｓｔａｔｉｏ打ａｒ，ｉｔｉｓａｄｉｆｆｉｃｕｌｔｔａｓｋｔｏｄｅｔｅｃｔｙｗｅａｋｔａｒｅｔ．Ｔｈｅｃｏｒｅｏｆｓｍａｌｌｔａｒｇｅｔｒａｄａｒｄｅｔｅｃｔｉｏｎｉｓｈｏｗｔｏａｃｃｕｒａｔｅｌｙａｎｄｅｆｆｅｃｔｉｖｅｌｙｇｅｘｔｒａｃｔｒａｄａｒ

7、ｔａｒｅｔｉｎｆｏｒｍａｔｉｏｎｉｎｔ；ｈｅｓｔｒｏ打ｓｅａｃｌｕｔｔｅｒｂａｃｋｒｏｕｎｄ．Ｇｅｎｅｒａｌｌｔｈｅｗｅａｋｇｇｇｙ，ｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎｎｅｅｄｓｔｏｃｈｏｏｓｅｔｈｅａｐｐｒｏｐｒｉａｔｅｆｅａｔｕｒｅｖｅｃｔｏｒｓａｎｄｔｈｅｃｌａｓｓｉｆｉｅｒ．Ｔｈｉｓｔｈｅｓｉｓｓｅｌｅｃｔｓａｃｏｍｂｉｎｅｄｆｅａｔｕｒｅｗｈｉｃｈｒｅｆｌｅｃｔｓｔｈｅｓｅａｃｌｕｔｔｅｒｃｈａｒａｃｔｅｒ！巧ｉｃｓｍｏｒｅｒｅｃｉｓｅｌ．Ｔｈｅｓｅａｃｌｕｔｅ

8、ｒｄａｔａｂａｓｅｓａｒｅｆｉｒｓｔｒｅｒｏｃｅｓｓｅｄｂｔｈｒｅｅａｒａｍｅｌｔＦｐｙｐｐｙｐ：ｅｒｆｒａ