复杂海况下杂波特性分析及抑制方法研究.pdf

复杂海况下杂波特性分析及抑制方法研究

摘要

随着“海上丝绸之路”和建设海洋强国政策的提出，雷达探测技术在军事和民用上

应用的范围越来越广，人们对其探测精度提出了越来越高的要求，而海杂波是影响海上

目标探测中最主要且最难去除的因素，因此海杂波抑制成为雷达探测领域的研究重点。

许多学者们为海杂波抑制做出了大量研究，使得基于不同原理的抑制算法不断涌现出来，

其中包括：基于循环迭代对消、基于模型预测、基于分形特征以及基于子空间分解的海

杂波抑制方法。由于基于循环迭代对消、基于模型预测、基于分形特征的海杂波抑制算

法仅适用于特定海况情境下的杂波抑制，不具有普适性。因此本文主要利用海杂波的复

杂特性，在基于子空间分解的海杂波抑制算法的基础上提出两种不同情景下的杂波抑制

算法，具体研究内容如下：

（1）针对强海杂波背景下海面快速运动目标回波信号难以检测的问题，提出了一

种将奇异值分解算法（SingularValueDecomposition,SVD）和动目标显示（MovingTarget

Indication）技术下的双延迟线对消算法相结合的海杂波抑制算法（简称SVD-MTI算法）。

首先对脉冲压缩后的目标回波信号按周期重排成快慢时间维度矩阵，进行周期奇异值分

解；然后构造出目标信号所对应奇异值的阈值和输入信杂噪比（SignaltoClutterPlus

NoiseRatio,SCNR）的关系，利用阈值对奇异值指数比进行判决，实现自适应区分海杂

波和目标信号；最后对重构后的目标信号进行双延迟线对消，抑制杂波的同时确保目标

信号的损失降到最低。采用实测数据对算法性能进行实验分析，结果表明相比于现有的

海杂波抑制算法，所提方法能够适应目标回波序列信杂噪比的变化，在输入信杂噪比为

-30dB时仍能抑制大部分杂波并准确检测信号，由此验证了新算法具有更好的抑制效果

和更优的检测性能。

（2）针对海面慢速小目标的雷达回波信号常常淹没于强海杂波中的问题，提出了

一种将主成分分析算法（PrincipalComponentAnalysis，PCA）和奇异值分解算法相结合

的海杂波抑制算法（简称PCA-SVD算法）。首先对雷达接收机接收到的数据进行脉冲压

缩，将目标回波信号按周期重排成快慢时间维矩阵；然后构造出海杂波时间相关性模型

并确保在不改变特征维度的基础上进行主成分分析运算；最后对主成分分析后的回波信

号进行周期奇异值分解，将回波信号分解成海杂波部分和信号部分，从而去除杂波并重

构恢复出信号。该算法在目标信号损失较低的情况下实现了杂波抑制，从理论推导到采

用实测海杂波数据的实验验证均证明了所提方法的有效性。

关键词：目标检测；海杂波抑制；奇异值分解；双延迟线对消算法；主成分分析

复杂海况下杂波特性分析及抑制方法研究

Abstract

WiththeproposalofMaritimeSilkRoadandthepolicyofbuildingamaritimepower,

radardetectiontechnologyhasbeenappliedmoreandmorewidelyinmilitaryandcivilianareas,

andpeoplehaveputforwardincreasinglyhighrequirementsforitsdetectionaccuracy.Sea

clutteristhemostimportantfactoraffectingthedetectionofmaritimetargetsandthemost

difficulttoremove,soseacluttersuppressionhasbecometheresearchfocusinthefieldofradar

detection.Manyscholarshavemadealotofresearchonseacluttersuppression,whichmakes

thesuppressional