基于LOWESS回归的一阶海杂波识别算法

高频地波雷达在对低速目标进行检测时，回波信号中一阶海杂波影响目标检测，为在RD谱中确定一阶海杂波的位置从而规避海杂波影响，提出了一种基于LOWESS回归的一阶海杂波识别算法，该算法在对海杂波局部峰值检测的研究基础上，预先对数据进行了LOWESS回归平滑滤波，将一阶海杂波相对抬高，再结合脊背峰值检测和对称偏移检测的方法进行一 阶海杂波位置信息提取。实测数据的仿真结果表明，该方法能够很好地在RD谱中提取海杂波的位置信息，为海杂波的评估与抑制提供了理论依据。     

基于改进SFLA-lman神经网络的电离层杂波抑制方法

针对高频地波雷达目标检测中电离层杂波的干扰问题,提出了一种基于改进混合蛙跳算法优化Elman神经网络预测抑制电离层杂波的策略。为解决混合蛙跳算法初始种群分布不均匀、收敛精度低、易陷于局部极值等问题,引入Cubic混沌映射、莱维飞行策略、非线性平衡因子和复制操作,增强种群多样性,提高算法搜索能力。利用改进后的算法和其他算法分别优化Elman神经网络预测抑制模型,结果表明,改进后的算法无论是在收敛精度和稳定性上,还是在临近距离单元电离层杂波的预测抑制上,都取得了显著的提升。在基本保留目标信号的基础上,平均信杂比较原始回波提升18.52 dB,较原始混合蛙跳算法提升1.08 dB,对于电离层杂波的抑制具有较高应用价值。     

高频地波雷达电离层杂波统计特性研究

高频地波雷达是一种理想的早期预警雷达,但是其检测性能受到电离层杂波的严重影响。从理论上分析了电离层对雷达信号的反射及多普勒展宽特性,利用实测数据对电离层杂波幅度的统计特性进行了研究,同时研究了电离层杂波的时间相关性和距离相关性,并从电离层的结构特性对其时间、距离相关性进行了分析,为抑制电离层杂波、优化高频地波雷达设计和改善低速目标检测方法提供了依据。     

基于IAVOA-GRU网络的高频地波雷达电离层杂波预测

电离层杂波的精确预测对提升高频地波雷达的探测性能具有重要作用。提出了一种基于改进非洲秃鹫优化算法优化门控循环单元(Improved African Vultures Optimization Algorithm Optimization Gated Recurrent Unit, IAVOA-GRU)网络的电离层杂波预测方法。首先,依据电离层杂波的混沌特性,通过相空间重构方法对接收到的电离层杂波进行相空间重建,构建GRU网络的输入、输出样本集;然后,利用IAVOA对GRU网络的隐层节点数、迭代次数及初始学习速率3个超参数值执行优选;最后,重新训练优化后的GRU网络,并进行预测。实测结果表明,相较其他6种对比预测模型,所提出的IAVOA-GRU网络模型具有较高的预测精度和可靠性,为有效改善高频地波雷达的探测性能提供了一种思路和方法。