导读:本文包含了微弱目标检测论文开题报告文献综述及选题提纲参考文献，主要关键词:模糊图像,微弱运动目标,目标检测
微弱目标检测论文文献综述
钟小莉,樊吉亮[1]（2019）在《离焦模糊图像序列微弱运动目标自动检测仿真》一文中研究指出为了增强模糊图像序列微弱运动目标检测的稳定性与适应性,针对当前图像序列微弱运动目标检测方法中存在的背景噪声抑制能力较低,导致图像运动目标检测效果较差以及存在像素点空洞等问题,提出一种基于小波分解的离焦模糊图像序列微弱运动目标自动检测方法。利用小波分解法对图像进行分解,计算各分解层小波系数的局部方差并引入模糊区域,结合区域内小波系数的噪声隶属度进行小波系数缩减,利用缩减后的小波系数进行图像重构完成去噪;对于去噪后的图像序列,将背景作为图像主体,在图像序列光流场中进行背景移动向量检测及补偿,获得图像微弱运动目标移动区域,利用动态聚类完成运动目标自动检测。仿真证明,所提方法的检测效果较好,具有更好的适用性。(本文来源于《计算机仿真》期刊2019年07期）
左磊,产秀秀,禄晓飞,李明[2]（2019）在《时频域分解海面回波及慢速微弱目标检测》一文中研究指出海面慢速微弱目标的回波信号能量远小于海杂波,且在时域和频域与海杂波非常靠近,是海面搜索雷达面临的难点。为了检测海面慢速微弱目标,针对海面目标回波和海杂波的双重非平稳性,在提出海面回波时频域迭代分解的基础上,利用目标信号与海杂波之间的时频聚集性和持续时间等特性,提出利用凸包算法融合特征的海面慢速微弱目标检测方法。该方法能够将与海杂波有较大能量差且在时频域非常靠近海杂波的目标信号检测出来。实测IPIX雷达数据表明,该方法能较精确地从海面回波中检测出目标,并且能够显示目标的瞬时运动特性。(本文来源于《西安电子科技大学学报》期刊2019年05期）
曾丽萍,周莹,谷红霞[3]（2019）在《基于混沌预测的雷达微弱目标检测研究综述》一文中研究指出传统的雷达目标检测是将海杂波建模为随机过程,而最新的研究成果表明海杂波具有混沌特性,从而可将海杂波建模为非线性混沌模型。基于混沌预测检测微弱雷达目标信号是根据杂波信号和目标信号的动力学差异。通过海杂波训练预测器,假如待测信号当中含有雷达目标信号,则预测误差会突然增大,从而检测出目标信号。文章主要介绍了基于混沌预测检测雷达微弱目标在检测原理、国内外的研究现状以及未来的发展趋势。(本文来源于《信息通信》期刊2019年06期）
左磊,产秀秀,禄晓飞,李明[4]（2019）在《基于空域联合时频分解的海面微弱目标检测方法》一文中研究指出海面目标不仅影响其位置处波浪运动,还会影响其周围的水域,其雷达回波信号分布于多个相邻的距离单元,所以目标回波信号表现出明显的空域相关性。该文根据海面目标信号的空间相关性提出了一种基于空域联合时频分解的海面微弱目标检测方法。该文提出的一种两信号互S-方法将相邻两个距离单元的回波信号变换到时频域,再利用互维格纳-威尔逆变换实现两距离单元信号的联合时频分解,最后根据分解分量的联合时频聚集性实现目标检测。实测X波段雷达海面回波的处理结果表明该文方法能够较精确地从海面回波中检测出微弱目标,并且能够显示目标的瞬时运动特性。(本文来源于《雷达学报》期刊2019年03期）
钟湉田[5]（2019）在《基于雷达通信一体化波形的微弱目标检测方法研究》一文中研究指出随着电子技术的飞速发展及广泛应用,雷达与通信设备都已取得重大进步。然而,作战平台需要配备多种电子系统及设备,系统对集成度和性能的要求越来越高,且电子对抗的环境也日趋复杂。同时,数据传输量的需求成倍增加,已超出现有数据链的传输能力。因此,对未来综合电子系统来说,设计雷达通信一体化波形是一种解决方案。一体化波形的设计和选择是雷达通信一体化系统实现的基础,直接影响信号处理方式及各项系统性能指标。本课题研究满足高效通信速率和雷达探测的一体化波形,采用扩频技术生成雷达通信一体化信号,并进行Matlab仿真实验,研究雷达通信一体化波形的性能及实际应用的可靠性和有效性。在传统雷达脉冲波形基础上,与通信码元调制产生一体化波形并分析雷达探测和通信传输性能,寻找检测微弱目标的有效方法。本课题以雷达通信一体化波形检测微弱目标为研究方向,全文第一至第五章的工作主要包括:1、详细介绍了雷达通信一体化信号设计的研究背景、意义和发展现状,一体化波形对于提高雷达检测性能以及对发展雷达探测技术具有重要意义。对目标回波的长时间积累方法有很多,通常是根据雷达回波的相位信息是否被利用来分类,常用目标检测方法可以分为相干积累检测和非相干积累检测。微弱目标的积累检测算法有多种,包括对跨距离单元走动、跨多普勒单元走动、跨波束走动等问题的校正。2、设计直接序列扩频的二进制差分相移键控Radon-傅里叶变换(DSSS-2DPSK-RFT)信号进行积累检测。基于雷达信号和通信信号的研究分析,设计出直接序列扩频的二进制差分相移键控(DSSS-2DPSK)一体化信号,一体化信号进行微弱目标检测时采用MTD算法和RFT算法,理论推导后进行比较,通过仿真实验验证理论推导。3、设计直接序列chirp扩频的Radon-傅里叶变换(DS-CSS-RFT)信号进行积累检测。首先,chirp信号的不敏感性,特别是在多普勒频率方面;其次,自相关和互相关特性良好,比较容易得到较大的带宽。通常发射的雷达信号满足低截获概率,也是最常用的,chirp信号是其中一种。由于DSSS-2DPSK一体化信号具有多普勒敏感现象,进而设计出直接序列chirp扩频(DS-CSS)一体化信号,通过仿真实验比较DS-CSS-MTD算法和DS-CSS-RFT算法的微弱目标检测性能。4、设计基于扩频的正交频分复用改进坐标轴旋转(SS-OFDM-IAR)信号进行积累检测。介绍了传统的OFDM信号原理,分析了其雷达探测性能。为提升信道中的通信数据实时传输能力,设计基于SS-OFDM的一体化波形,分别用Keystone算法和改进坐标轴旋转(IAR)算法对微弱目标进行检测,并给出仿真实验结果。实验证明SS-OFDM-IAR算法能对距离徙动进行补偿,减少相干积累后的能量损失,提高积累增益。(本文来源于《南昌航空大学》期刊2019-06-01）
黄响[6]（2019）在《高速微弱目标检测算法研究》一文中研究指出高速微弱目标具有超高声速、强机动性和低雷达散射截面积的特点,对现有体制的雷达探测提出了严峻的挑战。为了兼顾雷达的探测威力、生存能力和研制成本,常采用长时间相参积累方法来提升雷达对高速微弱目标的检测性能。但目标的超高声速特性会使回波在相参积累时间内出现距离徙动现象,强机动特性也会造成一定程度的距离徙动和严重的多普勒频率徙动现象。距离徙动和多普勒频率徙动将导致雷达的检测性能迅速下降。本文针对不同运动状态的高速微弱目标检测算法进行了研究,研究内容总结如下:1.针对匀速运动模型下出现的严重距离徙动问题,提出了一种基于频域实现MAR-MTD(Modified Axis Rotation Moving Target Detection)的高速微弱目标检测算法。MAR-MTD是基于AR-MTD(Axis Rotation MTD)和IAR-MTD(Improved Axis Rotation MTD)的改进算法,主要用来解决AR-MTD和IAR-MTD因坐标变换造成的旋转误差问题。与AR-MTD和IAR-MTD不同的是,MAR-MTD以二维脉压数据形成的图像中心为坐标系原点建立坐标系,同时采用新的坐标轴旋转矩阵以消除快时间坐标轴和旋转角度的耦合。为了进一步降低旋转误差,给出了MAR-MTD的频域实现方式。与AR-MTD和IAR-MTD相比,基于频域实现的MAR-MTD具有更优的检测性能。2.针对加速度运动模型下出现的距离徙动和多普勒频率徙动问题,提出了一种基于KT-LCT(Keystone Transform and Linear Canonical Transform)的高速微弱目标检测算法。该算法首先利用KT校正LRM(Linear Range Migration),然后利用LCT补偿加速度造成的LDFM(Linear Doppler Frequency Migration)。针对速度模糊现象,进一步提出了一种联合粗搜索和精搜索的改进算法。由于所提算法具有线性特性,因此可以推广至多目标检测场景。理论分析及仿真实验表明,所提算法可以适用于较低信噪比下高速机动目标的检测。相比于SoRFT(Second-order Radon-Fourier Transform)和RFRFT(Radon Fractional Fourier Transform)等典型算法,所提算法在保证较为接近的检测性能的前提下,可以有效地降低计算量。3.针对加加速度运动模型下地基雷达探测面临的LRM、ULDFM(Undersampled Linear Doppler Frequency Migration)、QDFM(Quadratic Doppler Frequency Migration)以及速度模糊等问题,提出一种基于FDCFT(Fast Discrete Chirp-Fourier Transform)的高速机动微弱目标检测算法。首先在距离频率-慢时间域利用KT去除距离频率与慢时间的耦合,实现LRM的校正。然后采用FDCFT同时补偿ULDFM和QDFM。FDCFT是基于FFT(Fast Fourier Transform)的时域抽取思想,通过对搜索的线性调频斜率和二次调频斜率进行时域基-4分解来降低运算量。该算法对速度模糊造成的半盲速点效应和距离徙动的不完全校正进行了分析,并构造补偿函数进行补偿。相比于ToRFT(Third-order Radon-Fourier Transform)算法,所提算法可以在保证相近检测性能的前提下,大大地降低了计算量。同时,将FDCFT推广到任意高阶的多普勒频率徙动的补偿。理论分析表明,推广的FDCFT算法的计算量优势随着运动模型阶数的增加而显着增强。4.针对加加速度运动模型在高分辨率检测场景下出现的复杂距离徙动和多普勒频率徙动问题,提出了一种基于EACFT(Efficient Angular Chirp-Fourier Transform)的高速机动目标快速检测算法。首先结合CFT(Chirp-Fourier Transform)和FRFT(Fractional Fourier Transform)的特性推导出角度域的CFT(Angular ChirpFourier Transform,ACFT),然后利用ACFT的时频旋转特性,提出了EACFT。EACFT可以避免传统算法的二维搜索,仅用几次一维搜索即可实现线性调频信号的检测和参数估计。接着,为了提升EACFT在低信噪比和多分量场景的适应性,在EACFT的思想上结合形态学滤波(Morphology Filtering,MF)和频谱平滑(Spectrum Smoothing,SS)技术,提出了MF-EACFT和SS-EACFT。并且,它们的联合算法SS-MF-EACFT可以同时拥有MF-EACFT和SS-EACFT的优良特性。最后,将EACFT应用到高速机动目标的检测上,提出一种快速检测算法。该算法先利用ACCF(Adjacent Cross Correlation Function)消除所有的距离徙动和QDFM,然后再构造函数确定相邻互相关峰值位置,最后利用SS-MF-EACFT补偿剩余的多普勒频率徙动。仿真结果验证了所提算法的有效性。(本文来源于《西安电子科技大学》期刊2019-04-01）
张思媛[7]（2019）在《战场微弱声目标检测方法研究》一文中研究指出由于真实战场中的环境噪声较强,远程的声目标非常微弱,导致需要被检测的声目标信噪比降低,如何实现强噪声背景下微弱声目标的快速检测是需要重点研究的方向。目前应用于微弱信号检测的线性检测方法都是尽量抑制噪声,从而实现微弱信号的检测。然而,如果噪声与有用的信号处于相同的频段,对噪声进行抑制处理时,有用信号也可能会受到损害,很大程度上影响了微弱信号检测的性能,另外当噪声很强时,一般的线性检测技术在短数据集条件下可能已无能为力。随机共振是在某些非线性条件下,因微弱信号和随机干扰的共同作用导致的非线性系统增强周期性输出的现象,随机共振检测法利用噪声的部分能量转化为信号能量的机理得以实现更低信噪比条件下的微弱信号的检测与特征提取。随机共振模型的检测法可以通过硬件实现,其高效、快速的特点使之具有能够实现实时检测的能力。声场由具有声压信息的标量场和振速信息的矢量场组成,无指向性的单声压传感器不能提供目标的方位信息。单矢量传感器具有偶极子指向性,可以根据振速传感器测定振速的方向从而提供声场的源方位信息。因此,本文以战场中的微弱声信号检测为目标,首先阐述基本的检测模型和理论,分析双稳系统离散模型的稳定条件。仿真分析出现随机共振状态时非线性双稳态系统、待测信号和噪声之间的关系以及系统结构参数、噪声及信号特征参数对随机共振系统检测性能的影响规律,引入一种尺度变换,拓展随机共振所能检测信号的频率范围。分析并研究了多个频率驱动信号情况下的随机共振现象以及直流分量对随机共振系统的影响。对带限色噪声进行分析,提出了一种改进的随机共振方法。针对微弱周期信号、微弱冲击信号这两类特征信号的检测,给出双稳系统随机共振模型的检测算法。探讨平均声强器和复声强器的单矢量传感器方位估计方法,并与随机共振法相结合实现更低信噪比下的微弱声目标的方位估计。最后,通过试验数据的处理,对研究方法的有效性进行了验证。实际军演中的微弱稳态声目标和微弱瞬态声目标的试验结果表明,将随机共振检测法应用于战场微弱特征声目标的检测与处理之中并结合声矢量传感器实现微弱声目标的方位估计是可行的。(本文来源于《哈尔滨工程大学》期刊2019-03-01）
张成刚,鞠晓东[8]（2019）在《微弱信号背景下鱼雷对敌目标的有效检测算法研究》一文中研究指出在海水混响背景下,鱼雷对敌目标检测受到的干扰较大,检测信号微弱,为了提高微弱信号背景下鱼雷对敌目标的检测能力,提出一种基于主动脉冲回波探测和盲源分离技术的信号检测算法。构建鱼雷对比目标检测的微弱信号回波模型,采用级联匹配滤波方法进行信号的干扰抑制和谱增强处理,采用自相关波束形成方法进行信号的去盲处理,提高微弱信号背景下鱼雷的主动目标探测能力,提取目标回波信号的高阶谱特征量,采用复包络检测方法实现对目标回波信号的准确定位和参量估计,实现对微弱信号背景下鱼雷对敌目标的准确检测。仿真结果表明,采用该算法进行目标检测的准确性较高,提高了鱼雷的准确探测和对敌攻击能力。(本文来源于《智能计算机与应用》期刊2019年01期）
鹿倩[9]（2018）在《微弱目标的检测与跟踪专利申请分析》一文中研究指出微弱目标的检测与跟踪是通过利用诸如雷达传感器、光学传感器、视觉传感器等提供初始观测信息,发现对象并估计对象的状态(例如,姿态,速度,航迹等)参数。文章对微弱目标的检测与跟踪技术领域的专利申请进行了数据分析,对该领域专利申请量、技术原创国与目标国、申请人分布等进行了统计分析。(本文来源于《中国科技信息》期刊2018年24期）
宋强[10]（2018）在《杂波干扰下雷达微弱多目标检测跟踪方法》一文中研究指出为了在杂波环境中准确的完成雷达微弱多目标的检测,需要对雷达微弱多目标检测方法进行研究。采用当前检测方法在杂波干扰下对雷达微弱多目标进行检测时,不能有效的去除目标回波信号中存在的噪声信号,得到的目标运动轨迹误差较大,存在信噪比低和检测准确率低的问题。提出一种杂波干扰下雷达微弱多目标检测方法,以地面的辐射源作为雷达发射站,载机作为接收站,建立雷达系统模型,通过雷达系统模型得到目标回波信号模型;通过滤波器去除目标回波信号中存在的噪声信号,得到重构的目标回波信号,通过两级门限检测方法得到微弱目标的状态序列,采用逆序递推法得到目标的运动轨迹,完成杂波干扰下雷达微弱多目标的检测。实验结果表明,所提方法的信噪比高、检测结果准确率高。(本文来源于《中国电子科学研究院学报》期刊2018年05期）
微弱目标检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
海面慢速微弱目标的回波信号能量远小于海杂波,且在时域和频域与海杂波非常靠近,是海面搜索雷达面临的难点。为了检测海面慢速微弱目标,针对海面目标回波和海杂波的双重非平稳性,在提出海面回波时频域迭代分解的基础上,利用目标信号与海杂波之间的时频聚集性和持续时间等特性,提出利用凸包算法融合特征的海面慢速微弱目标检测方法。该方法能够将与海杂波有较大能量差且在时频域非常靠近海杂波的目标信号检测出来。实测IPIX雷达数据表明,该方法能较精确地从海面回波中检测出目标,并且能够显示目标的瞬时运动特性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
微弱目标检测论文参考文献
[1].钟小莉,樊吉亮.离焦模糊图像序列微弱运动目标自动检测仿真[J].计算机仿真.2019
[2].左磊,产秀秀,禄晓飞,李明.时频域分解海面回波及慢速微弱目标检测[J].西安电子科技大学学报.2019
[3].曾丽萍,周莹,谷红霞.基于混沌预测的雷达微弱目标检测研究综述[J].信息通信.2019
[4].左磊,产秀秀,禄晓飞,李明.基于空域联合时频分解的海面微弱目标检测方法[J].雷达学报.2019
[5].钟湉田.基于雷达通信一体化波形的微弱目标检测方法研究[D].南昌航空大学.2019
[6].黄响.高速微弱目标检测算法研究[D].西安电子科技大学.2019
[7].张思媛.战场微弱声目标检测方法研究[D].哈尔滨工程大学.2019
[8].张成刚,鞠晓东.微弱信号背景下鱼雷对敌目标的有效检测算法研究[J].智能计算机与应用.2019
[9].鹿倩.微弱目标的检测与跟踪专利申请分析[J].中国科技信息.2018
[10].宋强.杂波干扰下雷达微弱多目标检测跟踪方法[J].中国电子科学研究院学报.2018