雷達(dá)目標(biāo)檢測(cè)非線性理論及應(yīng)用

第1章 緒論 001
1.1 經(jīng)典雷達(dá)目標(biāo)檢測(cè)方法 002
1.2 混沌理論在雷達(dá)目標(biāo)檢測(cè)中的應(yīng)用 013
1.3 自相似（分形）理論在雷達(dá)目標(biāo)檢測(cè)中的應(yīng)用 018
1.4 非線性回歸理論在雷達(dá)目標(biāo)檢測(cè)中的應(yīng)用 024
1.5 深度學(xué)習(xí)方法在雷達(dá)目標(biāo)檢測(cè)中的應(yīng)用 025
參考文獻(xiàn) 030

第2章 非線性理論 046
2.1 自相似（分形）理論 046
2.1.1 數(shù)學(xué)基礎(chǔ) 046
2.1.2 自相似與自仿射 052
2.1.3 標(biāo)度不變性 055
2.1.4 Hausdorff測(cè)度與維數(shù) 056
2.1.5 盒維數(shù) 059
2.2 非線性回歸理論 063
2.2.1 ARCH模型及性質(zhì) 064
2.2.2 ARCH模型參數(shù)估計(jì) 065
2.2.3 GARCH模型及性質(zhì) 067
2.2.4 GARCH模型參數(shù)估計(jì) 068
2.3 深度學(xué)習(xí)方法 070
2.3.1 卷積神經(jīng)網(wǎng)絡(luò) 070
2.3.2 殘差神經(jīng)網(wǎng)絡(luò) 072
2.3.3 長(zhǎng)短期記憶網(wǎng)絡(luò) 074
參考文獻(xiàn) 078

第3章 雷達(dá)目標(biāo)檢測(cè)理論基礎(chǔ) 080
3.1 引言 080
3.2 固定門限檢測(cè) 081
3.2.1 檢測(cè)過程 081
3.2.2 奈曼 皮爾遜準(zhǔn)則 085
3.2.3 雷達(dá)信號(hào)的門限檢測(cè) 088
3.3 CFAR檢測(cè) 093
3.3.1 基本模型 094
3.3.2 CA-CFAR檢測(cè)器 097
3.3.3 非參量CFAR檢測(cè)器 099
3.3.4 自適應(yīng)CFAR檢測(cè)器 110
3.4 特征檢測(cè) 117
參考文獻(xiàn) 121

第4章 時(shí)域海雜波均勻自相似（分形）特性與目標(biāo)檢測(cè) 124
4.1 海雜波序列自相似特性及影響因素 124
4.1.1 分形海面的電磁散射信號(hào)特性 124
4.1.2 自相似判定與無標(biāo)度區(qū)間 143
4.1.3 分形參數(shù)估計(jì)與分析 146
4.1.4 分形參數(shù)的影響因素 150
4.2 利用單一Hurst指數(shù)的目標(biāo)檢測(cè)方法 160
4.3 基于分形相關(guān)系數(shù)的目標(biāo)檢測(cè)方法 165
4.4 基于DFA分段自相似特征的目標(biāo)檢測(cè)方法 170
4.4.1 檢驗(yàn)統(tǒng)計(jì)量的選取 171
4.4.2 檢測(cè)方法原理 173
4.4.3 檢測(cè)性能分析 174
4.5 海雜波的模糊自相似特性與目標(biāo)檢測(cè) 178
4.5.1 海雜波的模糊自相似分析 178
4.5.2 基于LGF的海雜波中微弱目標(biāo)檢測(cè) 180
4.6 基于擴(kuò)展自相似特征的目標(biāo)檢測(cè)方法 187
4.6.1 擴(kuò)展自相似特征 187
4.6.2 基于Bayes分類的目標(biāo)檢測(cè)方法 188
4.6.3 實(shí)驗(yàn)結(jié)果分析 190
4.7 基于組合非線性特征的模糊目標(biāo)檢測(cè)方法 193
4.7.1 分形模型擬合誤差與分形維數(shù)尺度變化量 193
4.7.2 組合分形參量下的模糊檢測(cè)與性能分析 195
4.8 基于高階非線性特征的目標(biāo)檢測(cè)方法 198
4.8.1 縫隙的概念與計(jì)算方法 198
4.8.2 海雜波與目標(biāo)信號(hào)的縫隙特征 199
4.8.3 基于累積縫隙值尺度變化率的目標(biāo)檢測(cè)方法 201
參考文獻(xiàn) 203

第5章 時(shí)域海雜波非均勻自相似（分形）特性與目標(biāo)檢測(cè) 207
5.1 多重自相似的基本理論 208
5.1.1 多重自相似的基本概念 208
5.1.2 多重自相似的描述參數(shù) 208
5.2 無標(biāo)度區(qū)間的自動(dòng)確定 212
5.2.1 相空間重構(gòu) 212
5.2.2 無標(biāo)度區(qū)間自動(dòng)選取 212
5.2.3 實(shí)測(cè)數(shù)據(jù)驗(yàn)證與分析 215
5.3 海雜波的多重自相似性判定 217
5.3.1 海雜波的幅度分布與時(shí)間相關(guān)特性 217
5.3.2 海雜波的隨機(jī)乘法模型 220
5.3.3 多重自相似判定 222
5.3.4 基于結(jié)構(gòu)函數(shù)的多重自相似分析 224
5.4 海雜波的多重自相似特征與分析 233
5.4.1 廣義分形維數(shù) 233
5.4.2 多重分形譜 238
5.5 基于多重分形譜和BP神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法 239
5.6 雷達(dá)掃描模式下分形維數(shù)及多重自相似特征 242
5.6.1 掃描模式海雜波的分形維數(shù) 243
5.6.2 掃描模式海雜波的局部廣義分形維數(shù)與局部多重分形譜 244
5.6.3 雷達(dá)掃描模式下目標(biāo)的模糊檢測(cè)方法和性能分析 246
5.7 多重自相似關(guān)聯(lián)特性分析與目標(biāo)檢測(cè)方法 253
5.7.1 多重自相似關(guān)聯(lián)理論基礎(chǔ)與參數(shù)估計(jì) 253
5.7.2 多重自相似關(guān)聯(lián)特性分析 257
5.7.3 海雜波中微弱目標(biāo)的多重自相似關(guān)聯(lián)檢測(cè)方法 265
5.7.4 海雜波中微弱目標(biāo)的多重自相似關(guān)聯(lián)檢測(cè)性能分析 268
5.8 基于自仿射預(yù)測(cè)的目標(biāo)檢測(cè)方法 274
5.8.1 分形自仿射理論基礎(chǔ)與表示 274
5.8.2 分形自仿射信號(hào)的預(yù)測(cè) 277
5.8.3 基于分形自仿射的預(yù)測(cè)結(jié)果 278
5.8.4 基于預(yù)測(cè)誤差的目標(biāo)檢測(cè)方法與性能分析 279
參考文獻(xiàn) 282

第6章 頻域海雜波自相似（分形）特性與目標(biāo)檢測(cè) 286
6.1 分?jǐn)?shù)布朗運(yùn)動(dòng)在頻域中的自相似性 287
6.2 基于頻域均勻自相似特征的目標(biāo)檢測(cè)方法 290
6.2.1 海雜波頻譜的單一自相似特性 291
6.2.2 海雜波頻譜單一自相似參數(shù)的影響因素 294
6.2.3 目標(biāo)檢測(cè)與性能分析 298
6.3 基于頻域擴(kuò)展自相似特征的目標(biāo)檢測(cè)方法 302
6.3.1 海雜波頻譜的擴(kuò)展自相似特性 303
6.3.2 海雜波頻譜擴(kuò)展自相似參數(shù)的影響因素 309
6.3.3 目標(biāo)檢測(cè)與性能分析 312
6.4 基于頻域多重自相似特征的目標(biāo)檢測(cè)方法 316
6.4.1 多重分形去趨勢(shì)波動(dòng)分析方法 318
6.4.2 海雜波頻譜的多重自相似特性與參數(shù)估計(jì) 319
6.4.3 海雜波頻譜廣義Hurst指數(shù)的影響因素 329
6.4.4 目標(biāo)檢測(cè)與性能分析 333
6.5 基于短時(shí)譜自相似特征的目標(biāo)檢測(cè)方法 336
6.5.1 海雜波短時(shí)譜的自相似性證明 336
6.5.2 海雜波短時(shí)譜的自相似特性分析 338
6.5.3 短時(shí)譜分形差異特征提取與目標(biāo)檢測(cè) 344
6.6 基于AR譜自相似特征的目標(biāo)檢測(cè)方法 348
6.6.1 海雜波AR譜多重自相似特性 348
6.6.2 AR譜廣義Hurst指數(shù)檢測(cè)方法 349
6.6.3 目標(biāo)檢測(cè)與性能分析 351
參考文獻(xiàn) 359

第7章 分?jǐn)?shù)階域海雜波自相似（分形）特性與目標(biāo)檢測(cè) 361
7.1 分?jǐn)?shù)布朗運(yùn)動(dòng)在FRFT域的自相似性 362
7.2 FRFT域海雜波的單一自相似特性與目標(biāo)檢測(cè) 367
7.2.1 實(shí)測(cè)海雜波數(shù)據(jù) 367
7.2.2 海雜波FRFT譜的單一自相似特性 370
7.2.3 目標(biāo)檢測(cè)與性能分析 374
7.3 FRFT域海雜波的擴(kuò)展自相似特性與目標(biāo)檢測(cè) 377
7.3.1 海雜波FRFT譜的擴(kuò)展自相似特性 378
7.3.2 海雜波FRFT譜擴(kuò)展自相似參數(shù)的影響因素 382
7.3.3 目標(biāo)檢測(cè)與性能分析 386
7.4 FRFT域海雜波的多重自相似特性與目標(biāo)檢測(cè) 389
7.4.1 海雜波FRFT譜的多重自相似特性與參數(shù)估計(jì) 389
7.4.2 海雜波FRFT譜廣義Hurst指數(shù)的影響因素 397
7.4.3 目標(biāo)檢測(cè)與性能分析 400
參考文獻(xiàn) 403

第8章 Hilbert-Huang變換域海雜波自相似（分形）特性與目標(biāo)檢測(cè) 405
8.1 Hilbert-Huang變換簡(jiǎn)介 405
8.2 Hilbert-Huang變換原理 408
8.3 海雜波的Hilbert-Huang變換域特性分析 412
8.3.1 海雜波IMF數(shù)目分析 412
8.3.2 海雜波IMF特性分析 415
8.3.3 海雜波Hilbert譜和Hilbert邊際譜特性分析 428
8.3.4 海雜波Hilbert譜脊線特性分析 438
8.4 基于IMF AR模型的海雜波 Hilbert-Huang變換域建模 439
8.5 基于IMF特性的海雜波中微弱目標(biāo)檢測(cè)方法 447
8.5.1 固有模態(tài)能量熵定義 448
8.5.2 目標(biāo)對(duì)海雜波固有模態(tài)能量熵的影響 449
8.5.3 極化方式對(duì)海雜波固有模態(tài)能量熵的影響 451
8.5.4 檢測(cè)方法原理 452
8.5.5 檢測(cè)性能分析 453
8.6 基于Hilbert譜及其邊際譜特性的海雜波中微弱目標(biāo)檢測(cè)方法 457
8.6.1 Hilbert譜時(shí)頻熵定義 458
8.6.2 海雜波Hilbert譜時(shí)頻熵分析 459
8.6.3 檢測(cè)方法原理 466
8.6.4 檢測(cè)性能分析 467
8.6.5 S波段雷達(dá)實(shí)測(cè)數(shù)據(jù)驗(yàn)證 473
8.7 基于EMD和盒維數(shù)的微弱目標(biāo)檢測(cè)方法 476
8.7.1 海雜波低頻成分自相似特性判定 476
8.7.2 海雜波低頻成分的盒維數(shù)分析 477
8.7.3 檢測(cè)方法原理 480
8.7.4 檢測(cè)性能分析 481
8.7.5 S波段雷達(dá)實(shí)測(cè)數(shù)據(jù)驗(yàn)證 487
8.8 基于Hilbert譜脊線盒維數(shù)的微弱目標(biāo)檢測(cè)方法 488
8.8.1 海雜波Hilbert譜脊線自相似特性判定 489
8.8.2 海雜波Hilbert譜脊線盒維數(shù)分析 490
8.8.3 檢測(cè)方法原理 492
8.8.4 檢測(cè)性能分析 493
8.8.5 S波段雷達(dá)實(shí)測(cè)數(shù)據(jù)驗(yàn)證 496
8.9 基于固有模態(tài)函數(shù)頻域熵的目標(biāo)檢測(cè)方法 498
8.9.1 固有模態(tài)函數(shù)頻域熵定義 498
8.9.2 檢測(cè)方法流程 499
8.9.3 多種情況對(duì)IMF分量頻域能量百分比的影響 501
8.9.4 固有模態(tài)函數(shù)頻域熵的目標(biāo)檢測(cè)算法及檢測(cè)性能 505
8.10 基于海雜波低頻成分重構(gòu)的目標(biāo)檢測(cè)方法 508
8.10.1 靜止目標(biāo)對(duì)海雜波低頻IMF分量的影響 508
8.10.2 檢測(cè)方法流程 509
8.10.3 海雜波低頻IMF分量的自相似特性 511
8.10.4 目標(biāo)檢測(cè)與性能分析 512
8.11 基于分形特性改進(jìn)的EMD目標(biāo)檢測(cè)方法 515
8.11.1 EMD在目標(biāo)檢測(cè)中存在的問題 515
8.11.2 頻域單一自相似的理論基礎(chǔ) 518
8.11.3 檢測(cè)方法流程 519
8.11.4 重構(gòu)后的單一自相似特性 521
8.11.5 目標(biāo)檢測(cè)與性能分析 525
參考文獻(xiàn) 527

第9章 基于非線性回歸理論的目標(biāo)檢測(cè) 531
9.1 GARCH海雜波模型下的恒虛警率檢測(cè)方法 531
9.1.1 GARCH模型及參數(shù)估計(jì) 532
9.1.2 GARCH海雜波中的目標(biāo)檢測(cè)方法 534
9.1.3 參數(shù)估計(jì)與目標(biāo)檢測(cè)方法仿真性能分析 537
9.1.4 海雜波模型與檢測(cè)方法的實(shí)測(cè)數(shù)據(jù)驗(yàn)證 541
9.2 基于FB-VSLMS算法的目標(biāo)檢測(cè)方法 548
9.2.1 FB-VSLMS算法與目標(biāo)檢測(cè)模型 548
9.2.2 實(shí)測(cè)海雜波驗(yàn)證與分析 551
參考文獻(xiàn) 559

第10章 基于深度學(xué)習(xí)的海雜波場(chǎng)景分類與目標(biāo)檢測(cè) 562
10.1 基于CNN的探測(cè)場(chǎng)景分類方法 562
10.1.1 深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)（LeNet） 562
10.1.2 雜噪背景分類與目標(biāo)檢測(cè) 563
10.1.3 準(zhǔn)確率的影響因素分析 571
10.2 基于ResNet的目標(biāo)檢測(cè)方法 573
10.2.1 深度學(xué)習(xí)網(wǎng)絡(luò)模型選取 573
10.2.2 對(duì)海探測(cè)海雜波背景分類——海況等級(jí)劃分與浪高反演 576
10.2.3 海雜波中的目標(biāo)檢測(cè) 581
10.2.4 準(zhǔn)確率的影響因素分析 584
10.3 基于CNN的運(yùn)動(dòng)狀態(tài)分類方法 590
10.3.1 海面微動(dòng)目標(biāo)信號(hào)建模與CNN模型構(gòu)建 590
10.3.2 基于CNN的海上微動(dòng)目標(biāo)檢測(cè)和分類 593
10.3.3 仿真結(jié)果及分析 596
參考文獻(xiàn) 600

第11章 非線性理論在其他信號(hào)處理領(lǐng)域中的應(yīng)用 602
11.1 非線性理論在圖像處理中的應(yīng)用 603
11.1.1 分形與小波結(jié)合在圖像處理中的應(yīng)用 603
11.1.2 分形在圖像壓縮中的應(yīng)用 608
11.2 非線性理論在語音信號(hào)處理中的應(yīng)用 610
11.3 非線性理論在水聲信號(hào)處理中的應(yīng)用 613
11.4 非線性理論在機(jī)械檢測(cè)與監(jiān)測(cè)中的應(yīng)用 615
參考文獻(xiàn) 617

附錄A 621
附錄B 624
附錄C 627
附錄D 631