网站大量收购独家精品文档,联系QQ:2885784924

基于四极化通道融合的海面漂浮微弱目标特征检测 - 信号处理.pdf

基于四极化通道融合的海面漂浮微弱目标特征检测 - 信号处理.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于四极化通道融合的海面漂浮微弱目标特征检测 - 信号处理

第33卷 第3期 信 号 处 理 Vol.33 No.3 2017年3月 JOURNALOFSIGNALPROCESSING Mar.2017 文章编号:1003-0530(2017)03-0324-06 基于四极化通道融合的海面漂浮微弱目标特征检测 许述文 蒲 佳 (西安电子科技大学雷达信号处理国家重点实验室,陕西西安710071) 摘 要:海杂波背景下的微弱漂浮目标检测是雷达目标检测的热点和难点问题。由于海杂波背景下的微弱漂浮 目标的回波能量低和多普勒频率通常位于主杂波区,传统的自适应类相参积累检测方法无法有效检测该类目标。 基于特征类的目标检测方法是解决海面漂浮目标检测问题的有效途径。本文首先分别提取四个极化通道的三种 时域和频域特征(相对平均振幅、相对多普勒峰高和向量熵),然后在极化通道维度上进行融合,获得四极化通 道融合特征。最后,在三维特征空间中使用快速凸包学习算法来确定海杂波的判决区域,从而完成检测。实测 海杂波数据实验验证了新方法的有效性,并表明其具有优良的检测性能。 关键词:海杂波;目标检测;极化通道融合;三维特征空间 中图分类号:TN959.1   文献标识码:A   DOI:10.16798/j.issn.10030530.2017.03.011 FloatingSmallTargetsDetectioninSeaClutterBasedon FourPolarizationChannelsFusion XUShuwen PUJia (NationalKeyLabofRadarSignalProcessing,XidianUniversity,Xi’an,Shaanxi710071,China) Abstract:Thedetectionoffloatingsmalltargetinseaclutterisahotspotanddifficultprobleminradarcommunity.The traditionaladaptivecoherentintegrationdetectionmethodscannotdetectthesetargetseffectivelybecauseoftheweakenergy andoverlappingDopplerdomainwithclutter.Thetargetdetectionbasedoncharacteristicisaneffectivemethodtosolvesea floatingsmalltargetdetectionproblem.Inthispaper,firstlythetimedomainandfrequencydomaincharacteristics(therel ativeaverageamplitude,therelativeDopplerpeakheightandtherelativevectorentropy)areextractedfromfourdifferent polarizationchannels.Thentheyarefusedtofourpolarizationchannelscharacteristicsinpolarizationdimensionality.Final lythefastconvexhulllearningalgorithmisusedtoobtainthedecisionregionofseaclutteranddetecttargetsreturns.The experimentsbasedonrealdatasetsshowthatthenewmethodiseffectiveandhasagooddetectionperformance. Keywo

您可能关注的文档

文档评论(0)

magui + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8140007116000003

1亿VIP精品文档

相关文档