改进型SVD-FRFT海杂波抑制方法.docx

改进型 SVD-FRFT 海杂波抑制方法 随着雷达技术的不断发展，海面目标检测变得越来越重要。然而，海杂波的存在严重影响了目标检测的性能。传统的检测方法无法有效地检测海面慢速小目标，这是因为海杂波的存在使得目标回波信号信杂比很低。近年来，研究人员提出了多种海杂波抑制方法，如时域对消法、子空间分解法、浅层神经网络杂波抑制等。 时域对消法是一种常用的海杂波抑制方法，该方法首先估计杂波功率谱中心，然后对杂波功率谱中心进行补偿，最后通过相邻脉冲信号相减，控制动目标显示滤波器频率响应凹口对准杂波的多普勒中心，从而滤除海杂波。但是，该方法对慢速目标的检测性能不佳，因为海杂波频谱较宽，慢速或微动目标容易落入海杂波频带而被滤除。 子空间分解法是另一种常用的海杂波抑制方法，该方法使用某一距离单元的回波脉冲串构建 Hankel 矩阵，然后对 Hankel 矩阵进行奇异值分解，将回波信号分解到杂波子空间、信号子空间和噪声子空间。通过将杂波子空间对应的奇异值置零，可以得到降秩后的 Hankel 矩阵，然后利用降秩后的 Hankel 矩阵重建时域信号，可以得到海杂波抑制后的时域信号。 此外，还有基于高斯短时分数阶傅里叶变换的海面微动目标检测方法，该方法首先使用海尖峰判别方法对回波信号进行数据筛选，然后采用高斯短时分数阶傅里叶变换对微动信号进行增强处理，以改善回波信号的信杂比。 CHEN 等人提出的基于奇异值分解——分数阶傅里叶变换（SVD-FRFT）的滤波方法也是一种常用的海杂波抑制方法，该方法利用了目标信号和杂波信号在调频信息之间的差异。当目标和杂波的频谱混叠时，该方法仍然具有较好的杂波抑制性能。 此外，还有基于浅层神经网络的杂波抑制方法，该方法利用了海杂波混沌特性及海杂波短期可预测的假设。首先通过遗传小波神经网络重构海杂波动力学系统，实现对杂波信号的预测；当系统预测误差达到重构系统精度时，将幅度较强的杂波信号转换为幅度较弱的随机噪声信号。 本文提出的方法是基于 SVD-FRFT 的改进型海杂波抑制方法，该方法考虑了目标回波多普勒频率的非线性调制以及脉冲回波序列信杂比的波动，利用目标及杂波的时频信息对 SVD-FRFT 方法进行了诸多改进。改进后的方法采用分块处理、整体判决的思想，主要包括目标及杂波的初步分离、信号分量进一步提纯、信号分量判决三部分。 目标及杂波的初步分离，将目标回波划分到雷达回波的某一阶信号分量中，在该阶信号分量中，目标回波为主要成分，杂波及噪声为次要成分；信号的进一步提纯保留了各阶信号分量中的主要成分，丢弃次要成分；信号分量判决用来判定各阶信号分量为信号分量、杂波分量或噪声分量。 所提方法有效实现了海杂波的抑制，以及运动目标微多普勒信息的提取，能够适应海杂波和目标信号回波信噪比的变化。 本文提出的改进型 SVD-FRFT 海杂波抑制方法可以有效地检测海面慢速小目标，并且能够适应海杂波和目标信号回波信噪比的变化，为雷达目标探测技术的发展提供了一种新的解决方案。