發(fā)布時間：2020-11-19 00:19

　　 隨著人口的不斷增加以及科技的快速發(fā)展,人類對海洋的開發(fā)力度越來越大。海面弱目標探測技術(shù)不僅是走向海洋、認知海洋和利用海洋的重要一環(huán),也是實施“建設(shè)海洋強國”這一國家戰(zhàn)略的基礎(chǔ)。然而,復雜的海洋環(huán)境使得高精度的海面弱目標智能探測面臨諸多特別的挑戰(zhàn)。針對此問題,本文對海雜波的特性和檢測器的設(shè)計進行了深入分析,包括海雜波的分布建模、恒虛警檢測器設(shè)計以及智能檢測器設(shè)計等。本文的主要研究內(nèi)容包括:1、研究了復雜海況下對海雜波機理的精準認知。針對復雜海況,我們提出了一種基于核密度估計的海雜波分布建�？蚣�。在所提框架中,我們考慮了兩個基本的關(guān)鍵問題,即核函數(shù)和最優(yōu)窗寬的確定。為了解決這兩個問題,我們采用高斯、伽馬以及威布爾分布作為核函數(shù),推導了它們各自的最優(yōu)窗寬的閉式等式,并發(fā)現(xiàn)這些閉式等式符合不動點方程的基本特征�；�于不動點理論我們提出了快速迭代的窗寬選擇算法求解這些不等式,以獲得不同核函數(shù)的最優(yōu)窗寬。我們利用核函數(shù)與其相應(yīng)的最優(yōu)窗寬在所提框架下對海雜波信號進行建模,能有效降低擬合誤差并大幅提升目標的檢測概率。2、研究了適配海況變化的恒虛警檢測器設(shè)計�；�于所提的海雜波分布模型,我們利用海雜波信號與目標信號在時間相關(guān)性上的差異,提出了單元平均時間相關(guān)的恒虛警檢測算法。為了確定該檢測算法中的關(guān)鍵參數(shù)(即,去相關(guān)時間),我們建立了其與海況參數(shù)(即,風速和有效浪高)的線性回歸問題,并利用梯度下降法求解該問題,獲得了在不同風速和有效浪高下對去相關(guān)時間的最優(yōu)估計。我們基于復雜海況下最優(yōu)估計的去相關(guān)時間以及所提檢測算法構(gòu)建適配海況變化的單元平均時間相關(guān)恒虛警檢測器,能夠有效提升低信雜比和低虛警率環(huán)境下目標的檢測概率。3、研究了基于多維度特征空間的智能檢測器設(shè)計。針對動態(tài)變化的海況,我們借助人工智能技術(shù)在分類問題上的天然優(yōu)勢,設(shè)計了基于機器學習的智能檢測器。首先,我們利用基于信號處理的特征分析方法在時域和頻域中提取了三種具有代表性的特征。然后,我們分析了不同維度的特征空間對海雜波和目標回波的區(qū)分度。最后,我們基于這三種特征構(gòu)造了三維特征空間,并將回波信號在多域特征空間中的表征輸入到機器學習分類器中進行訓練,實現(xiàn)在復雜海況下對海面弱目標信號的智能檢測。特別地,我們改造了傳統(tǒng)機器學習算法,將虛警率由輸出變?yōu)檩斎?實現(xiàn)了智能檢測器的虛警率可控,滿足了海面弱目標探測中不同的應(yīng)用需求。我們基于回波信號的三維特征空間和虛警率可控的機器學習算法構(gòu)建可感知復雜海況的智能檢測器,能夠有效提升不同海面檢測環(huán)境下目標的檢測概率。綜上所述,本文致力于實現(xiàn)復雜海況下的海雜波精準認知,進而設(shè)計適配海況變化的恒虛警檢測器以及基于多維度特征空間的智能檢測器,從而實現(xiàn)對復雜海況下海面弱目標的精準與智能探測。
【學位單位】：華中科技大學
【學位級別】：博士
【學位年份】：2019
【中圖分類】：U675.79
【文章目錄】：
摘要
Abstract
英文縮略詞
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀與挑戰(zhàn)
    1.3 論文的研究內(nèi)容及章節(jié)安排
2 基礎(chǔ)知識
    2.1 雷達系統(tǒng)簡介
    2.2 雷達回波信號模型簡介
    2.3 海面弱目標探測原理概述
    2.4 IPIX雷達實測數(shù)據(jù)集介紹
    2.5 本章小結(jié)
3 復雜海況下海雜波機理的精準認知
    3.1 海雜波統(tǒng)計特性分析
    3.2 基于核密度估計的海雜波分布建模
    3.3 實驗結(jié)果與性能比較
    3.4 本章小結(jié)
4 適配海況變化的恒虛警檢測器設(shè)計
    4.1 恒虛警檢測器介紹
    4.2 海況自適應(yīng)的恒虛警檢測器設(shè)計
    4.3 性能對比和分析
    4.4 本章小結(jié)
5 基于多維度特征空間的智能檢測器設(shè)計
    5.1 回波信號的多維度特征空間構(gòu)建
    5.2 虛警率可控的智能檢測器設(shè)計
    5.3 檢測器性能的驗證實驗和結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 下一步工作展望
致謝
參考文獻
附錄1 攻讀博士學位期間的主要成果
附錄2 攻讀博士學位期間參與科研項目

【相似文獻】

相關(guān)期刊論文 前10條

1 謝芝亮;;基于實測數(shù)據(jù)的海雜波數(shù)據(jù)管理系統(tǒng)設(shè)計[J];信息化研究;2018年05期

2 朱德林;王學田;高洪民;趙嘉斐;;時空相關(guān)K分布海雜波仿真軟件[J];微波學報;2018年S1期

3 倪代紅;高振國;;海雜波混沌分形理論研究進展[J];電子世界;2018年01期

4 廖美紅;;特征知識在高頻1階海雜波識別中的應(yīng)用[J];艦船科學技術(shù);2016年24期

5 行鴻彥;楊岑睿;;基于高尺度分形差量的海雜波背景下小目標檢測[J];現(xiàn)代雷達;2017年03期

6 王斌;劉春生;盧義成;;地/海雜波背景下機載火控雷達效能評估[J];火力與指揮控制;2017年06期

7 昝航;宋萬杰;陳伯孝;;基于多普勒頻率相關(guān)性的海雜波目標檢測[J];雷達科學與技術(shù);2017年03期

8 魏明珠;;機載預(yù)警雷達海雜波的抑制方法[J];雷達科學與技術(shù);2015年06期

9 劉慶林;夏海寶;安磊;欒韶徽;;地海雜波下機載預(yù)警雷達探測仿真[J];計算機仿真;2015年01期

10 舒亞海;;空間相關(guān)的二維海雜波仿真與混沌評估[J];現(xiàn)代雷達;2015年03期

相關(guān)博士學位論文 前10條

1 周宏寬;復雜海況下海面弱目標的精準與智能探測研究[D];華中科技大學;2019年

2 辛志慧;多通道海雜波建模及海面目標信息獲取[D];西安電子科技大學;2017年

3 朱永鵬;天發(fā)艦收高頻雷達海雜波建模與抑制方法研究[D];哈爾濱工業(yè)大學;2018年

4 施賽楠;海面弱目標最優(yōu)相干和聯(lián)合特征檢測方法研究[D];西安電子科技大學;2018年

5 金燕;海雜波背景下的弱目標檢測算法研究[D];武漢大學;2015年

6 徐湛;海雜波建模及其背景下目標檢測方法研究[D];國防科學技術(shù)大學;2012年

7 楊俊嶺;海雜波建模及雷達信號模擬系統(tǒng)關(guān)鍵技術(shù)研究[D];國防科學技術(shù)大學;2006年

8 姜斌;地、海雜波建模及目標檢測技術(shù)研究[D];國防科學技術(shù)大學;2006年

9 劉明;海雜波中微弱運動目標自適應(yīng)檢測方法研究[D];西安電子科技大學;2016年

10 李亞軍;天發(fā)地收高頻雷達展寬海雜波建模與抑制技術(shù)研究[D];哈爾濱工業(yè)大學;2015年

相關(guān)碩士學位論文 前10條

1 趙新宇;X波段對海探測雷達目標檢測方法研究[D];哈爾濱工業(yè)大學;2019年

2 朱鵬勇;天發(fā)艦收體制下電離層對海雜波影響分析與建模[D];哈爾濱工業(yè)大學;2019年

3 穆璀;海上小目標探測與識別[D];西安電子科技大學;2019年

4 張隆;基于查找表和算法移植的海雜波FPGA仿真方法研究[D];西安電子科技大學;2019年

5 王樂;海雜波幅度模型參數(shù)估計研究[D];西安電子科技大學;2019年

6 杜宇翔;基于分組機制的海面目標檢測算法研究[D];南京郵電大學;2019年

7 張婷婷;某岸基警戒雷達實測數(shù)據(jù)的海雜波特性分析及抑制方法研究[D];西安電子科技大學;2019年

8 蘆凱;海雜波模型參數(shù)估計和神經(jīng)網(wǎng)絡(luò)預(yù)測方法研究[D];西安電子科技大學;2019年

9 曾威良;海雜波特性參數(shù)的遞歸貝葉斯估計方法研究[D];西安電子科技大學;2019年

10 王麗偉;海面建模及雜波模擬預(yù)測方法研究[D];西安電子科技大學;2019年

本文編號：2889417