论文部分内容阅读
海面小弱目标检测技术被广泛应用于军事防御、海上贸易以及海洋搜救等领域。通常情况下,海杂波和地杂波不同,它是一种分布散射的现象,表现出更强的动态特性,因此强海杂波往往成为小弱目标信号的主要干扰,如何消除海杂波将直接对海面目标检测造成影响。海洋环境下的海杂波强度分布一般由海洋内在动力、太阳照射角和观测站的地理位置所决定,并且非线性的海洋内在动力致使海杂波也表现出非线性的特征。本文采用基于非线性动力学的混沌理论分析海杂波序列图像特征,从空时混沌理论抑制海杂波,对淹没于海杂波中的小弱目标进行检测研究,取得的研究成果主要有:(1)研究了混沌动力学理论,包括相空间重构和混沌特征识别方法。不管计算混沌特征参量,还是预测混沌模型,都需要在相空间中实现,所以相空间重构是处理非线性数据序列必不可少的环节。为了计算海杂波强度序列的混沌特性参数,本文分别选择了G-P(Grassberger-Procaccia)方法和小数据量方法得到了关联维数和李雅普诺夫(Lyapunov)指数。实验结果表明,海杂波强度数据序列存在有限的关联维数和正的最大Lyapunov指数,从而证明了海杂波序列图像的确具备了混沌特性。(2)从空域和时域出发,对海杂波提出了基于空域和时域混沌序列的预测方法。首先,选取混沌特性验证强度数据序列:对于空间强度数据序列的选取,要先确定海浪的运动方向,继而在此方向上选取连续灰度值作为混沌预测的强度数据序列;对于时间强度数据序列的选取,在连续帧图像上选取同一位置处的灰度值作为一组数据序列。然后,以神经网络为工具,基于相空间重构理论,对海杂波内在动力学模型进行重构,达到对海杂波时间强度和空间强度数据序列预测的目的。(3)提出了一种基于海杂波序列图像空时混沌的小弱目标检测方法。该方法运用耦合映像格子全面反映海杂波的时空运动信息,利用RBF神经网络来重构海杂波的动力学模型,并对海杂波数据序列进行预测和对消。最后,本文采用信杂比指标对实验结果进行评价,对比空域、时域以及空时域目标检测性能,得到本文的结论:海杂波空时混沌目标检测方法能够较好的抑制海杂波背景,从而有效的检测到被海杂波所淹没的有效目标信号。理论分析和试验结果表明,本文提出的基于海杂波空时混沌特性的小弱目标检测算法能够有效提高目标检测性能,具有一定的理论意义和实际价值。