-
题名基于改进无监督自适应嵌入的海上目标检测方法
- 1
-
-
作者
赵国淼
丁昊
曹政
贺鹏飞
-
机构
烟台大学物理与电子信息学院
海军航空大学
-
出处
《雷达科学与技术》
北大核心
2025年第4期433-442,450,共11页
-
基金
国家自然科学基金资助项目(No.62388102,62101583)
烟台市2023年校地融合发展项目(No.2323013-2023XDRH001)
+1 种基金
山东省科技型中小企业创新能力提升工程计划项目(No.2023TSGC0823)
烟台市科技型中小企业创新能力提升工程计划项目(No.2023TSGC112)。
-
文摘
海上目标检测中,传统单一特征检测方法在面对复杂场景时往往表现不佳。为了进一步提升检测性能,本文提出了一种基于改进无监督自适应嵌入(Unsupervised Adaptive Embedding,UAE)的海上目标检测方法。该方法从时域、频域、时频域等多个变换域挖掘了海杂波和目标回波的差异特征,构建了一个六维初始特征空间。在此基础上,通过改进UAE方法,在降维过程中引入正则化马氏(Mahalanobis)距离来精确衡量特征点之间的相似性,并利用类间和类内散布矩阵优化数据的判别性,通过特征投影矩阵将六维初始特征空间映射到三维特征空间,保留关键信息的同时实现数据的压缩。应用凸包学习实现了三维判决区域的构建与目标检测。在海军航空大学雷达对海探测数据集进行了性能验证,结果表明,相较于已有三特征检测方法,所提方法在检测概率方面具有显著的性能提升。
-
关键词
特征提取
小目标检测
海杂波
凸包学习
-
Keywords
feature extraction
small target detection
sea clutter
convex hull learning
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名基于微波多普勒雷达的海杂波区小目标特征联合检测
被引量：6
- 2
-
-
作者
陈泽宗
杨干
赵晨
陈曦
-
机构
武汉大学电子信息学院
武汉大学地球空间信息技术协同创新中心
-
出处
《科学技术与工程》
北大核心
2017年第16期82-86,共5页
-
基金
国家自然科学基金(41376182
41506201)
+1 种基金
海洋公益性行业科研专项(201205032)
湖北省科技支撑计划项目(2014BEC057)资助
-
文摘
针对海杂波区小目标回波能量较弱,多普勒域与海杂波接近甚至重叠的特点,采用特征联合检测算法提高目标检测性能。首先,对雷达回波进行中位数自适应杂波抑制预处理;然后,对待检测单元提取多普勒峰值、峭度和熵值特征,形成特征向量,对残余杂波训练单元采用凸包算法获得判别区域;最后,以判别区域是否包括待检测特征向量对应点初步判断目标有无,再根据凸包混合积分布设定恒虚警门限滤除虚警。实测微波多普勒雷达数据处理结果表明,目标检测结果和实际情况一致。采用蒙特卡洛仿真对算法性能进行分析,表明该算法的检测性能优于对比算法,为雷达海杂波区目标检测提供了新方案。
-
关键词
微波多普勒雷达
目标检测
特征联合检测
凸包
海杂波
-
Keywords
microwave Doppler radar
target detection
joint feature detection
convex
hull sea clutter
-
分类号
TN958.95
[电子电信—信号与信息处理]
-
-
题名海杂波背景下目标的联合特征差异检测
被引量：2
- 3
-
-
作者
行鸿彦
尹江燕
王秋辉
-
机构
南京信息工程大学气象灾害预报预警与评估协同创新中心
南京信息工程大学江苏省气象探测与信息处理重点实验室
-
出处
《现代雷达》
CSCD
北大核心
2014年第10期28-32,共5页
-
基金
国家自然科学基金资助项目(61072133)
江苏省产学研联合创新资金计划(BY2013007-02
+2 种基金
BY2011112)
江苏省高校科研成果产业化推进项目(JHB2011-15)
江苏省"信息与通信工程"优势学科资助项目
-
文摘
针对低信噪比海情下的小目标检测效果不理想的问题,利用消除趋势波动分析法提取海杂波分形参数,分析了海杂波的功率谱及其熵特征,提出了海杂波背景下的联合特征目标检测方法。在雷达回波中提取海杂波的分形参数和功率谱熵特征组成二维向量,利用凸包训练算法获得纯海杂波判别区域,同样对先验知识下的待测海杂波提取这两个特征参量,以此特征参量所对应的点是否在此判别区域内来判别是否存在目标。利用加拿大IPIX雷达数据,证明了所提算法优于用单个特征差异作为统计量的方法,在相同虚警概率下检测效果明显提高,为雷达目标检测提供了新的检测方案。
-
关键词
目标检测
联合特征
凸包
海杂波
-
Keywords
object detection
joint characteristic
convex hull
sea clutter
-
分类号
TN957.52
[电子电信—信号与信息处理]
-
-
题名海面漂浮小目标的特征联合检测算法
被引量：6
- 4
-
-
作者
时艳玲
水鹏朗
-
机构
西安电子科技大学雷达信号处理国防重点实验室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2012年第4期871-877,共7页
-
文摘
该文研究了高距离分辨海杂波背景下漂浮小目标的检测问题。漂浮目标使得周围海面的散射特性发生了改变,目标所在的分辨单元的回波满足非加性模型,导致该模型中依赖于目标的参数难以统计建模。为了避开参数建模,该文将检测问题转化为二元分类问题,即确定海杂波所属于的类,目标检测就是判别回波是否属于该类。针对此分类问题,提出了基于非加性模型的特征联合检测算法,首先在回波中提取两个特征组成归一化向量,然后利用凸包训练算法获得判别区域,最后以判别区域是否包含该向量作为判别准则。实测的IPIX雷达数据实验结果表明,该文算法在高分辨海杂波下的检测性能优于对比算法,为海事雷达检测小目标提供了新的检测方案。
-
关键词
目标检测
非加性模型
特征检测
凸包
高距离分辨海杂波
-
Keywords
Target detection
Non-additive model
Feature detection
Convex hull
High range resolution sea clutter
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名基于三维凹包学习算法的海面小目标检测方法
被引量：4
- 5
-
-
作者
关键
伍僖杰
丁昊
刘宁波
黄勇
曹政
魏嘉彧
-
机构
海军航空大学
中国人民解放军
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2023年第5期1602-1610,共9页
-
基金
国家自然科学基金(61871391,61871392,62101583)。
-
文摘
对于特征类的海面小目标检测方法,现有3特征检测器通常采用凸包分类算法完成检测。在实际应用时发现,该分类算法生成的判决区域在某些情况下不能很好地反映海杂波样本集合在特征空间中的分布情况,进而对检测器性能造成一定程度的损失。相比之下,使用凹包算法生成的判决区域是由凸包内剖得到的,它能更加贴合海杂波样本的分布,因此该文将判决区域的形式由凸包转化为凹包,并在此基础之上提出一种基于3维凹包学习算法的海面小目标检测方法。同时,针对现有3维凹包算法存在的内剖效率低、无法实现恒虚警检测的缺点,该文通过优化内剖点选择方法、增加“外补”环节的方式对算法进行改进。最后,经实测CSIR数据及X波段试验雷达数据共同验证,在其他参数均相同时,该文方法的检测性能要优于已有的多特征检测方法,并且通过对凹包算法的复杂度分析证明了所提方法的应用潜力。
-
关键词
目标检测
海杂波
异常检测
特征检测
凹包
-
Keywords
Target detection
sea clutter
Anomaly detection
Feature-based detection
Concave hull
-
分类号
TN959
[电子电信—信号与信息处理]
-
