删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

海杂波背景下雷达目标特征检测方法的现状与展望

本站小编 Free考研考试/2022-01-03

许述文,,
白晓惠,
郭子薰,
水鹏朗
西安电子科技大学雷达信号处理国家重点实验室 西安 710071
基金项目:国家自然科学基金(61871303),电波环境特性及模化技术重点实验室基金(6142403180204),111引智计划(B18039)

详细信息
作者简介:许述文(1985–),男,安徽黄山人,博士,副教授,博士生导师,加拿大 Mcmaster 大学访问****,入选陕西省青年人才托举计划。2011 年在西安电子科技大学获得博士学位,现就职于西安电子科技大学电子工程学院雷达信号处理国家重点实验室。主要研究方向为雷达目标检测、机器学习、时频分析和 SAR 图像处理。E-mail: swxu@mail.xidian.edu.cn
白晓惠(1998–),女,陕西宝鸡人,西安电子科技大学博士生。主要研究方向为雷达目标检测、机器学习和海杂波信号处理。E-mail: xhbai@stu.xidian.edu.cn
郭子薰(1994–),女,陕西西安人,西安电子科技大学博士生。主要研究方向为雷达目标检测、机器学习和海杂波信号处理。E-mail: zxguo_724@stu.xidian.edu.cn
水鹏朗(1967–),男,陕西西安人,博士,教授。1999年在西安电子科技大学获得博士学位,现担任西安电子科技大学电子工程学院雷达信号处理国家重点实验室教授、硕导、博导。主要研究方向为海杂波建模、雷达目标检测和图像处理。E-mail: plshui@xidian.edu.cn
通讯作者:许述文 swxu@mail.xidian.edu.cn
责任主编:关键 Corresponding Editor: GUAN Jian
中图分类号:TN95

计量

文章访问数:2385
HTML全文浏览量:1012
PDF下载量:517
被引次数:0
出版历程

收稿日期:2020-06-25
修回日期:2020-08-14
网络出版日期:2020-08-28

Status and Prospects of Feature-based Detection Methods for Floating Targets on the Sea Surface (in English)

XU Shuwen,,
BAI Xiaohui,
GUO Zixun,
SHUI Penglang
National Key Laboratory of Radar Signal Processing, Xidian University, Xi’an 710071, China
Funds:The National Natural Science Foundation of China (61871303), The Foundation of National Key Laboratory of Electromagnetic Environment (6142403180204), The Foreign Scholars in University Research and Teaching Programs (the 111 Project) (B18039)

More Information
Author Bio:XU Shuwen was born in Huangshan city in Anhui, China. He received his B.Eng. and Ph.D. degrees, both in electronic engineering, from Xidian University, Xi’an, China, in 2006 and 2011, respectively. Subsequently, he worked at the National Laboratory of Radar Signal Processing, Xidian University. He worked as a visiting professor in McMaster University, Canada in 2018. He is currently a professor with the National Laboratory of Radar Signal Processing, Xidian University. His research interests are in the fields of radar target detection, statistical learning, and SAR image processing. E-mail: swxu@mail.xidian.edu.cn
BAI Xiaohui was born in Baoji, Shaanxi province in 1998. She is now a Ph.D. student in Xidian University. Her main research fields are radar target detection, machine learning, and sea clutter signal processing. E-mail: xhbai@stu.xidian.edu.cn
GUO Zixun was born in Xi’an, Shaanxi province in 1994. She is now a Ph.D. student in Xidian University. Her main research fields are radar target detection, machine learning, and sea clutter signal processing. E-mail: zxguo_724@stu.xidian.edu.cn
SHUI Penglang was born in Xi’an, Shaanxi province in 1967. He received his Ph.D. degree in electronic engineering from Xidian University, Xi’an, China, in 1999. He is now a professor, PhD supervisor at the Radar Signal Processing National Key Lab of Electronic Engineering from Xidian University. His main research fields are sea clutter modeling, radar target detection, and image processing. E-mail: plshui@xidian.edu.cn
Corresponding author:XU Shuwen, swxu@mail.xidian.edu.cn

摘要
摘要:海杂波背景下的雷达目标检测对民用和军事都有着重要的意义。随着海面目标的小型化和隐身化,海面慢速、漂浮小目标已经成为了雷达警戒的重点对象。关于此类小目标的检测一直以来都是海杂波背景下目标检测中的难题。通常,漂浮小目标的雷达散射横截面积(RCS)微弱,并且运动速度慢,常常在时域和频域均存在“超杂波检测”的困难。传统目标检测方法对漂浮小目标的检测存在明显的性能瓶颈。对于海面漂浮小目标的检测,采用高多普勒和高距离分辨体制(“双高”体制)是从雷达体制上解决这个问题的有效途径。在双高体制下,雷达接收的目标回波提供了更多的可用信息。然而,如何将这些更加精细化的信息转化为探测性能的提升,一直以来都是雷达届关注的难点,相关科研成果也一直在不断地推陈出新。近些年,在双高雷达体制下,****们提出了多种基于特征的目标检测方法,作为对海智能检测的人工特征工程阶段,这些方法缓解了仅依靠能量信息较难检测小目标的困难局面,极大程度地改善了对漂浮小目标的检测性能。为了更好地让相关雷达从业者了解该领域这些年的发展和未来的趋势,该文首先总结了对海检测的难点和常用的目标检测方法,然后分析了特征检测的原理和通用框架以及国内外几种典型的基于特征的检测方法,最后对特征检测方法发展趋势进行了展望。
关键词:海杂波/
漂浮小目标/
雷达目标检测/
特征提取/
特征检测
Abstract:Radar target detection in sea clutter is of significance to both the civil and military applications. With the miniaturization and invisibility of sea targets, Small Floating Targets (SFTs) with slow speed have become the focus of radar detection. However, the detection of SFTs in the background of sea clutter has always been a challenging problem. SFTs usually have a weak Radar Cross Section (RCS) and slow speed, making them difficult to be detected in sea clutter. Traditional target detection methods exhibit poor performance in the detection of SFTs. For the detection of small and weak targets on the sea surface, a high Doppler resolution and high range resolution system (double-high system) is an effective approach to solve this problem. In the double-high system, the target echo received by the radar provides readily available and sufficient information. However, how to transform and refine this information to improve detection performance has always been a challenge to the radar industry. In recent years, as an artificial feature engineering stage for intelligent radar target detection, scholars have proposed various feature-based target detection methods based on the double-high system to alleviate the difficulty of SFT detection when relying only on energy information and to considerably improve the detection performance. To ensure that relevant radar practitioners better understand the development of this field in recent years and the future trend, this paper summarizes the difficulties of sea target detection and common target detection methods, analyzes the principle and general framework of feature detection and several typical feature-based detection methods, and explores the development trend of feature-based detection methods.
Key words:Sea clutter/
Floating small targets/
Radar target detection/
Features extraction/
Feature-based detection



PDF全文下载地址:

https://plugin.sowise.cn/viewpdf/198_4f47f9a7-35a9-4841-91db-bbffa3d8dbda_R20084
相关话题/电子科技大学 陕西 实验室 信息 博士

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 结合幅度信息的扩展目标随机有限集跟踪方法
    柳超1,2,,孙进平1,,,陈小龙3,,张志国1,1.北京航空航天大学电子信息工程学院北京1001912.海军92853部队葫芦岛1251063.海军航空大学烟台264001基金项目:国家自然科学基金(61471019,U1633122)详细信息作者简介:柳超:柳 超(1984–),男,山东宁阳人。 ...
    本站小编 Free考研考试 2022-01-03
  • 回波幅度信息辅助的群目标航迹起始方法
    靳标1,,,李聪2,,张贞凯1,1.江苏科技大学电子信息学院镇江2120032.西安交通大学电子与信息工程学院西安710049基金项目:国家自然科学基金(61701416,61871203),中国博士后科学基金(2017M613214)详细信息作者简介:靳标:靳 标(1986–),男,山西翼城人,博 ...
    本站小编 Free考研考试 2022-01-03
  • 多模式遥感智能信息与目标识别:微波视觉的物理智能
    金亚秋,复旦大学电磁波信息科学教育部重点实验室上海200433基金项目:国家自然科学基金重大项目“合成孔径雷达微波视觉三维成像理论与应用基础研究”(61991422,61991420)详细信息作者简介:金亚秋(1946–),男,上海人,美国麻省理工学院博士学位,教授,复旦大学电磁波信息科学教育部重点 ...
    本站小编 Free考研考试 2022-01-03
  • 太赫兹信息超材料与超表面
    刘峻峰,刘硕,傅晓建,崔铁军,东南大学信息科学与工程学院毫米波国家重点实验室??南京??210096基金项目:国家重大仪器专项(36-10-1315),国家自然科学基金(61302020,61631007,61571117,61501112,61501117,61522106,61722106,61 ...
    本站小编 Free考研考试 2022-01-03
  • 结合高光谱像素级信息和CNN的玉米种子品种识别模型
    玉米作为中国重要粮食作物,品种众多,易出现错分现象,影响农业安全和粮食生产。针对传统基于卷积神经网络CNN(ConvolutionalNeuralNetwork)的高光谱图像作物品种识别模型所需建模样本数量巨大的问题,提出基于高光谱像素级信息和CNN的玉米种子品种识别模型。首先,获取不同品种玉米种子 ...
    本站小编 Free考研考试 2022-01-03
  • 长城文化遗产保护与利用的信息技术方法框架构建
    基于长城文化遗产保护与利用的内在需求和长城学理论,首先明确信息技术作用于长城文化遗产保护与利用的内涵。然后运用数字孪生理论与方法,结合新型信息技术发展趋势,探索长城文化遗产保护与利用的信息技术方法框架。该方法框架以“循证分析”与“科学推演”两部分为关键内容,涵盖长城文化遗产数据采集技术方法、模型构建 ...
    本站小编 Free考研考试 2022-01-03
  • 耦合双时相与邻近像元信息的极轨卫星地表组分温度反演
    与混合像元的地表温度相比,植被和土壤的组分温度具有更明确的物理意义。因此,本文提出了一种从具有广泛应用的极轨卫星地表温度产品中分离出植被和土壤组分温度的算法。该算法使用温度日变化模型作为桥梁连接极轨卫星一日内的两次观测,利用多像元数据进行模型求解,从而得到过境时刻的地表植被和土壤组分温度。论文针对M ...
    本站小编 Free考研考试 2022-01-03
  • 高分遥感驱动的精准土地利用与土地覆盖变化信息智能计算模型与方法研究
    通过对地观测可在影像空间上全面反映地表地理现象、格局及演化过程,基于遥感数据提取的土地利用与覆盖变化(LUCC)产品为分析地理要素空间分布规律及其变化机制提供全覆盖、定量化和快速更新的本底信息。本文以高分辨率遥感视觉特征(图)与多源多模态观测机理特征(谱)相互耦合的图谱认知理论研究为基础,提出了精细 ...
    本站小编 Free考研考试 2022-01-03
  • 高斯混合模型自动阈值法遥感冰川信息提取
    利用阈值法进行遥感地物提取效率高、准确率高,但是在阈值的选取方面,传统的手动选取阈值,自动化低,需反复试操作,且易受主观因素影响。文中通过期望最大算法对局部冰川区域归一化雪覆盖指数建立高斯混合模型,去除区域内的混合像元类,再利用高斯混合模型模拟纯净化后的冰川类、非冰川类的NDSI分布情况,根据改进后 ...
    本站小编 Free考研考试 2022-01-03
  • 联合空谱信息的高光谱影像深度胶囊网络分类
    向量化的胶囊神经元和动态路由式的信息传递机制赋予了胶囊网络更强的特征表示能力。在遥感领域,基于胶囊网络的高光谱影像分类方法已经获得了较传统深度学习模型更为优异的分类结果。针对现有胶囊分类模型中存在的网络浅层、空谱联合信息利用不足等问题,本文利用卷积胶囊层、残差连接、三维卷积胶囊层构建了一种用于高光谱 ...
    本站小编 Free考研考试 2022-01-03