-
题名混沌海杂波背景下的弱信号检测
被引量：19
- 1
-
-
作者
杜鹏飞
王永良
孙文峰
-
机构
国防科技大学电子科学与工程学院
空军雷达学院重点实验室
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2002年第7期65-67,98,共4页
-
基金
全国高等学校优秀青年教师教学科研奖励计划资助课题
-
文摘
讨论了海杂波背景下的弱信号检测问题。经典的统计检测理论把海杂波作为随机信号处理的做法大大降低了信号检测的性能。利用海杂波为混沌信号这一先验知识 ,采用神经网络相空间重构的方法 ,对淹没在混沌背景下的弱信号进行检测处理 ,同时针对模型误差及不同信号形式就这一问题进行了全面分析。理论分析和仿真结果表明 ,此方法能有效地实现混沌海杂波背景下的弱目标检测 ,具有很高的改善因子。
-
关键词
混沌海杂波
弱信号
混沌信号
神经网络
信号检测
雷达
-
Keywords
Chaotic signal
Neural network
Signal detection
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名基于神经网络的混沌海杂波背景下信号检测技术
被引量：2
- 2
-
-
作者
朱景锋
-
机构
广西船联网工程技术研究中心
广西职业师范学院
-
出处
《舰船科学技术》
北大核心
2022年第24期149-152,共4页
-
基金
广西哲学社会科学规划研究课题(20FGL026)。
-
文摘
本文研究神经网络技术,重点阐述神经元结构模型,构造出神经网络模型并提出神经网络的学习方法,给出神经网络模型误差随时间的变化曲线;分析海杂波混沌特性并且着重阐述了混沌理论的特点,分析海杂波混沌识别技术,并给出虚假近邻率随嵌入维数的变化曲线;最后研究混沌海杂波背景下的信号检测方法,并给出混沌时间序列曲线。本文基于神经网络研究了混沌海杂波背景下的信号检测技术,这对我国船舶信号检测技术的发展有着积极的促进作用。
-
关键词
神经网络
混沌海杂波
信号检测
-
Keywords
neural network
chaotic sea clutter
signal detection
-
分类号
U664.22
[交通运输工程—船舶及航道工程]
-
-
题名基于海杂波混沌特性的目标检测
被引量：7
- 3
-
-
作者
刘剑
赵艳丽
罗鹏飞
-
机构
国防科技大学电子工程学院
-
出处
《现代雷达》
CSCD
北大核心
2004年第2期56-60,共5页
-
文摘
首先介绍海杂波的混沌特性。然后采用IPIX雷达海面回波中的水平极化雷达数据对BP神经网络进行训练 ,结果表明所设计的BP神经网络能够很好的模拟海杂波 ,单步预测误差较小。
-
关键词
海杂波混沌特性
目标检测
雷达
水平极化
BP神经网络
-
Keywords
sea clutter,chaos,target detection,BP neural network
-
分类号
TN959
[电子电信—信号与信息处理]
-
-
题名一种优化的微弱信号检测方法
被引量：8
- 4
-
-
作者
刘刚
行鸿彦
张金玉
-
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
2019年第6期23-30,共8页
-
基金
国家自然科学基金资助项目(61671248)
国家重点研发计划资助项目(2018YFC1506102)
+2 种基金
江苏省重点研发计划资助项目(BE2018719)
江苏省研究生科研创新计划资助项目(KYCX18_1038)
江苏省“信息与通信工程”优势学科计划资助课题
-
文摘
针对混沌海杂波背景下的微弱信号检测问题,结合互补集成经验模态分解理论,提出了一种优化的核极限学习机微弱信号检测方法。采用互补集成经验模态分解法将混沌信号分解为一系列固有模态函数,通过核极限学习机对经相空间重构后的各模态函数分别建立预测模型,利用人工蜂群算法对核极限学习机的正则化系数和核参数进行优化,重构预测信号,从预测误差中检测出混沌海杂波背景中的微弱信号(瞬态信号与周期信号)。分别以Lorenz系统和IPIX雷达海杂波数据为例进行了仿真,并研究了不同强度的噪声对微弱信号检测的影响。结果表明:该方法可以有效地从混沌背景中检测出微弱目标信号,当系统不存在噪声时,Lorenz系统得到的均方根误差0. 000 000 12 (-118.959 1 dB)比传统极限学习机方法的均方根误差0.001 345 08(-80.154 7 dB)降低了4个数量级;若SNR≥0 dB,噪声对微弱目标信号检测的影响可以忽略;但当SNR<-7 dB,则无法检测出微弱信号。
-
关键词
混沌海杂波
互补集成经验模态分解
人工蜂群算法
核极限学习机
-
Keywords
chaotic sea clutter
complete ensemble empirical mode decomposition
artificial bee colony algorithm
kernel extreme learning machine
-
分类号
TN957.52
[电子电信—信号与信息处理]
-
