基于粒子群支持向量机的海杂波序列回归预测

在雷达数据处理中,为更好地抑制海杂波,预测海杂波是必要的;海杂波具有混沌特性,而支持向量机算法能够有效地对混沌序列进行回归预测,文章提出了一种改进的支持向量机海杂波序列回归预测算法;文中给出了算法的框架结构,采用了互信息法和改进的伪邻近点法提取海杂波混沌特性的延迟时间和嵌入维数,利用相空间重构求取SVM训练样本,应用改进的PSO算法优化SVM的核函数参数以及惩罚系数,并仿真了预测模型;仿真实验结果表明:海杂波回归预测能达到满意的精度,而PSO-SVM方法比SVM方法的预测精度更高。     

一种混沌海杂波背景下的微弱信号检测方法

基于复杂非线性系统的相空间重构理论,提出了一种基于遗传算法的支持向量机预测方法.利用改进的自相关法和饱和关联维数法确定混沌信号的时间延迟和嵌入维,从而实现相空间重构.通过遗传算法优化支持向量机中的惩罚系数和核函数参数,并结合支持向量机建立混沌序列的单步预测模型,从预测误差中检测出淹没在混沌背景中的微弱信号(包括瞬态信号和周期信号).以Lorenz系统和加拿大McMaster大学利用IPIX雷达实测得到的海杂波数据作为混沌背景噪声进行仿真实验,结果表明该方法能够有效地从混沌背景噪声中检测出微弱目标信号,所得的均方根误差为0.00049521(信噪比为-89.7704 dB),这比传统支持向量机方法的均方根误差(0.049,信噪比为-54.60 dB)降低了两个数量级.     

海杂波背景下小目标检测的分形方法

针对海杂波背景下小目标检测对海情依赖性强的问题, 本文采用分数布朗运动模型对实测海杂波建模, 结合多重分形去势波动分析法确定分形参数, 分析了海杂波的单尺度、多重分形特性. 在单尺度分形的基础上, 利用表征海杂波分形特征的分数维和Hurst指数构建了分形差量, 提出了基于分形差量的小目标检测方法;在多重分形基础上, 比较了两种海杂波的高尺度多重分形特性. 结果表明, 当尺度q > 10时, 纯海杂波的多重分形参数H(q) < 0, 而存在小目标的H(q) > 0, 此差异性为高尺度分形参数的海杂波背景小目标检测提供了判定依据. 所研究的两种方法均能实现不同海情下的小目标检测.     

基于平均场支持向量机的混沌时间序列预测

提出了一种新的基于支持向量机的混沌时间序列预测方法，该方法利用平均场理论使支持向量机的学习过程变得简单高效。同时由于该方法将支持向量机的参数近似为高斯分布的，因此采用平均场理论能够容易的求解这些参数，这样获得的支持向量机的参数比传统的基于二次规划的算法更加精确，而且学习速度更快。最后利用该方法对嵌入维数与模型的泛化能力关系进行了探讨，并利用Mackey-Glass时间序列对该方法进行了验证，结果表明：该预测方法能精确地预测混沌时间序列,而且在混沌时间序列的嵌入维数未知时也能取得比较好的预测效果.这一结论预示着平均场支持向量机是一种研究混沌时间序列的有效方法.     

混沌海杂波背景下的微弱信号检测混合算法

基于经验模态分解理论, 提出了一种基于粒子群算法的支持向量机预测方法. 采用总体平均经验模式分解法将混沌信号分解为若干固有模态函数和趋势分量, 将复杂的非线性信号转化为具有不同尺度特征的平稳分量. 利用粒子群算法对支持向量机的惩罚系数和核函数进行优化, 结合支持向量机建立混沌序列的单步预测模型. 从预测误差中检测淹没在混沌背景中的微弱信号(包括瞬态信号和周期信号). 对Lorenz系统和实测IPIX雷达数据进行仿真实验, 结果表明, 该方法能够有效地从混沌背景噪声中检测出微弱目标信号, Lorenz系统得到的均方根误差0.000000339 (-102.8225 dB时)比传统支持向量机方法的均方根误差0.049 (-54.60 dB时)降低了5个数量级, 从海杂波中检测出具有谐波特性的微弱信号, 表明预测模型具有更低的门限和误差.     

基于二维IFS-CFAR算法的海杂波微弱目标检测

一直以来,统计与分形理论是分别应用在目标检测中的;CFAR检测方法采用自适应门限代替固定门限,能根据被检测点的背景噪声、杂波和干扰的大小自适应地调整;文章首先介绍了CFAR恒虚警目标检测方法,给出2D-IFS二维迭代函数系统)预测误差算法;其次运用2D-IFS方法计算了雷达回波的预测误差,结合CA-CFAR统计学目标检测提出一种新的海杂波微弱目标检测方法;最后采用实测海杂波数据进行验证,仿真结果表明文章所提方法对低目标回波信杂比具有良好的检测能力。     

混沌时间序列的支持向量机预测

根据混沌动力系统的相空间延迟坐标重构理论,基于支持向量机的强大的非线性映射能力, 建立了混沌时间序列的支持向量机预测模型,并在统计学习理论的基础上采用最小二乘方法来训练预测模型,利用该模型对嵌入维数与模型的均方根误差的关系进行了探讨.最后利用Mackey-Glass时间序列和变参数的Ikeda 时间序列对该模型进行了验证,结果表明,该预测模型能精确地预测混沌时间序列,而且在混沌时间序列的嵌入维数未知时也能取得比较好的预测效果.这一结论预示着支持向量机是一种研究混沌时间序列的有效方法. 关键词： 混沌时间序列 支持向量机 最小二乘法     

海杂波的分段分数布朗运动模型

主要研究了分段分数布朗运动(PFBM)模型在雷达海杂波分形建模中的应用.由于自然界和人造系统中研究对象不具有数学上完美的分形特性, 从而研究对象的分形特性无法在整个尺度区间上成立, 传统上, 海杂波的单一分形模型仅利用无标度区间内海杂波的自相似信息进行参数估计, 并没有考虑海杂波在无标度区间以外的尺度下所包含的信息.分段分数布朗运动从频域角度对海杂波频谱进行分段描述, 对应到时域即从粗略尺度和精细尺度两方面描述海杂波时间序列.结合海杂波产生的物理背景, 该模型可以为海杂波时间序列在粗略尺度和精细尺度下表现出的不同粗糙度提供机理性解释.在此基础上, 还研究了具有不同多普勒频率的运动目标对海杂波的影响, 结果表明运动目标对粗略尺度和精细尺度下海杂波的影响程度是不同的.     

时空混沌序列的局域支持向量机预测

结合局域预测法计算速度快的优点和支持向量机的泛化性能好、全局最优、稀疏解等特性，用局域支持向量机预测研究了时空混沌序列的局域预测性能，并用局域支持向量机预测模型讨论了嵌入维数、邻近个数选择以及时空混沌的耦合方式和格子间的耦合强度变化对时空混沌局域预测性能的影响.研究结果表明：局域支持向量机不仅比全局支持向量机、局域零阶预测、局域线性预测等方法具有更好的预测性能，且具有对嵌入维数和邻近个数不敏感的优点；时空混沌的耦合方式和格子间的耦合强度对时空混沌序列的预测性能有明显影响.     

基于模糊模型支持向量机的混沌时间序列预测

基于支持向量机强大的非线性映射能力和模糊逻辑易于将先验的系统知识结合到模糊规则的 特性, 根据混沌动力系统的相空间重构理论, 提出了一种混沌时间序列的模糊模型的支持向 量机预测模型,并采用适用于大规模问题求解的最小二乘法来训练预测模型,利用该模型分别 对模型的整体预测性能与嵌入维数及延迟时间的关系进行了探讨.最后利用Mackey-Glass时 间序列和典型的Lorenz系统生成的时间序列对该模型进行了验证,结果表明该预测模型不仅 能够自动的从学习数据中获取知识产生模糊规则，提取能够代表混沌时间序列内在规律的支 持向量，大大减少支持向量的数目，精确地预测未来的混沌时间序列,而且在混沌时间序列 的嵌入维数未知和延迟时间不能合理选择的情况下,也能取得比较好的预测效果.这一结论预 示着基于模糊模型的支持向量机是一种研究混沌时间序列的有效方法. 关键词： 模糊模型 混沌时间序列 支持向量机 最小二乘法     

海杂波FRFT域的分形特征分析及小目标检测方法

针对海杂波背景下海情对小目标检测的严重影响, 本文研究了实测海杂波在分数阶Fourier变换(FRFT)域的分形特征, 分别提出了单、高尺度下的分形检测方法. 由数学定义推得, FRFT 在不同阶数和尺度情况下, 不具有一致的自相似特性, 采用多重分形趋势波动分析法确定分形参数H(q), 分析了海杂波在不同海情、距离和极化条件下的分形特征. 在单尺度基础上结合FRFT的变阶优势, 提出了阶数自适应的小目标检测方法; 高尺度条件下, 比较了不同因素对海杂波FRFT域多重分形参数的影响. 结果表明:海杂波FRFT域可用变换阶数的方法检测到湮没在复杂海情中的小信号, 检测门限多数提高200%以上, 比采用时域信号提高26.3%. H(q) 在负高尺度上具有明显的多重分形特征差异, H(q)-q曲线满足反正切分布, 纯海杂波与含目标数据的拟合幅值比分别大于1.8(HH)和1.4(VV), 为海杂波背景小目标检测提供了判定依据.     

Estimation of sea clutter inherent Doppler spectrum from shipborne S-band radar sea echo

Measurement of shipborne radar sea echo is instrumental in collecting the sea clutter data in open sea areas. However,the ship movement would introduce an extra Doppler component into the spectrum of the sea clutter, so the sea clutter inherent spectrum must be estimated prior to investigating the sea clutter Doppler characteristics from the shipborne radar sea echo. In this paper we show some results about a shipborne sea clutter measurement experiment that was conducted in the South China Sea in a period between 2017 and 2018; abundant clutter data have been collected by using a shipborne S-band clutter measurement radar. To obtain the sea clutter inherent Doppler spectrum from these data, an estimation method, based on the mapping relationship between the shipborne clutter spectrum and the inherent clutter spectrum, is proposed. This method is validated by shipborne clutter data sets under the same measuring conditions except for the ship speed. Using this method, the characteristics of the Doppler spectrum lineshapes in the South China Sea are calculated and analyzed according to different sea states, wave directions, and radar resolutions, which can be instrumental in designing the radar target detection algorithms.     

基于边缘链码高阶分形特征的舰船目标检测算法

针对舰船目标和海杂波轮廓结构的不同,提出了基于边缘链码高阶分形特征的舰船目标检测算法,算法利用相对链码对5类舰船目标轮廓进行编码,分别计算分形维和缝隙,得到了舰船目标的4个分形特征的范围。实验结果表明边缘链码的4个分形特征能有效区分舰船目标和海杂波。     

The time-singularity multifractal spectrum distribution

Although the multifractal singularity spectrum revealed the distribution of singularity exponent, it failed to consider the temporal information, therefore it is hard to describe the dynamic evolving process of non-stationary and nonlinear systems. In this paper, we aim for a multifractal analysis and propose a time-singularity multifractal spectrum distribution (TS-MFSD), which will hopefully reveal the spatial dynamic character of fractal systems. Similar to the Wigner–Ville time-frequency distribution, the time-delayed conjugation of fractal signals is selected as the windows function. Furthermore, the time-varying Holder exponent and the time-varying wavelet singularity exponent are deduced based on the instantaneous self-correlation fractal signal. The time-singularity exponent distribution i.e. TS-MFSD is proposed, which involves time-varying Hausdorff singularity spectrum distribution, time-varying large deviation multifractal spectrum and time-varying Legendre spectrum distribution, which exhibit the singularity exponent distribution of fractal signal at arbitrary time. Finally, we studied the algorithm of the TS-MFSD based on the wavelet transform module maxima method, analyzed and discussed the characteristic of TS-MFSD based on Devil Staircase signal, stochastic fractional motion and real sea clutter.     

基于小波leaders的海杂波时变奇异谱分布分析

海杂波的奇异谱分析不仅能从理论上揭示海洋表面的动力学机理,同时也是对海探测雷达的关键技术之一.本文提出基于小波leaders的海杂波时变奇异谱分析方法,将时间信息引入海杂波的奇异谱分析之中,从而实现动态的解析描述海杂波随时间变化的奇异谱特性.在理论上,通过信号自身加窗,将时间信息引入传统的奇异谱(或称多重分形谱),实现了对海杂波时变奇异谱分布分析;在算法上,充分利用了小波leaders技术对于多种奇异性的提取能力(包括chirp奇异性和cusp奇异性),通过对时变奇异性指数和时变尺度函数的Legendre变换,实现对海杂波时变奇异谱分布的计算;在应用部分,采用经典的多重分形模型——随机小波序列(RWC)以及三级海态条件下连续波多普勒体制雷达海杂波进行仿真分析,实验结果表明:1)基于小波leaders的奇异谱分布能跟踪海杂波的时变尺度特性,有效展示其时变奇异性谱分布;2)算法具有较好的负矩特性和统计收敛性.该方法能为复杂非线性系统及随机多重分形信号分析提供参考.     

Chaotic dynamics of sea clutter

The notion that a deterministic nonlinear dynamical system (with relatively few degrees of freedom) can display aperiodic behavior has a strong bearing on sea clutter characterization: random-looking sea clutter may be the outcome of a chaotic process. This new approach envisages deterministic rules for the underlying sea clutter dynamics, in contrast to the stochastic approach where sea clutter is viewed as a random process with a large number of degrees of freedom. In this paper, we demonstrate, convincingly for the first time, the chaotic dynamics of sea clutter. We say so on the basis of results obtained using radar data collected from a series of extensive and thorough experiments, which have been carried out with ground-truthed sea clutter data sets at three different sites. The study includes correlation dimension analysis (based on the maximum likelihood principle) and Lyapunov spectrum analysis. The Lyapunov (Kaplan-Yorke) dimension, which is a byproduct of Lyapunov spectrum analysis, shows that it is indeed a good estimator of the correlation dimension. The Lyapunov spectrum also reveals that sea clutter is produced by a coupled system of nonlinear differential equations of order five or six. (c) 1997 American Institute of Physics.     

Performance comparison of detection methods for weak target based on two-dimensional fractal sea surface

A detection method of the weak radar target is studied by applying fuzzy theory and multifractal correlation theory based on a two-dimensional fractal sea surface model. Firstly, a two-dimensional fractal sea surface model and its backscattering coefficient are introduced, the backscattering coefficient is a universal model affected by seawater permittivity, electromagnetic wave incidence angle, incident frequency, wind speed and wind direction factors. A novel two-dimensional wideband radar echo model, which is considered as a time-domain convolution of the stepped frequency signal radiated by airborne radar and the backscattering coefficient, is derived. Secondly, multifractal correlation theory is elaborated and a computation method of a membership degree of multifractal correlation spectrum is proposed, fuzzy theory and the AdaBoost algorithm are applied to the target detection. Finally, several target detection methods are compared with CA-CFAR and works of the predecessors. The results of the comparative study show its rationality of the two-dimensional wideband radar echo model and the superiority of wideband radars in detection performance, it is also seen that the multifractal correlation spectrum outperforms the multifractal spectrum in the probability of detection.     

Detection of air target based on multi-fractal analysis in a laser radar

A novel approach for detecting laser radar target based on multi-fraction dimension (MFD) of laser clutters has been proposed. The fractal dimension (FD) of laser clutter and the echoes from the plan are estimated using box-counting dimension algorithm. The intrinsic difference in the spectrum of FD Dq between them is extracted and used to detect targets. Experimental results show that the method based on MFD is more reliable than that on FD and can improve the accuracy of detection.