何 友，黃 勇，關 鍵，陳小龍

(海軍航空工程學院a.信息融合研究所； b.電子信息工程系， 山東煙臺264001)

0 引言

隨著我海軍戰(zhàn)略由近海防御向遠海防衛(wèi)轉(zhuǎn)變，以及當前國際安全形勢的復雜化，尤其是美國亞太再平衡戰(zhàn)略的實施［1］，使得我海軍面臨的海上威脅與挑戰(zhàn)日益增多，對我海軍的對海雷達探測能力提出了更高的要求。

不同于其他戰(zhàn)場環(huán)境，海戰(zhàn)場的信息環(huán)境更加復雜［2］。在一體化聯(lián)合作戰(zhàn)中，海戰(zhàn)場信息覆蓋全維空間，包括水面、水下、海洋上空、瀕海陸地(島嶼)和網(wǎng)絡電磁空間，并與外層空間緊密相連。海戰(zhàn)場環(huán)境中雷達面臨的主要威脅目標涵蓋多種類型，包括:(1)航母、驅(qū)逐艦、導彈快艇等水面目標;(2)潛艇、水下無人作戰(zhàn)編隊等水下目標;(3)導彈等高速高機動海上目標;(4)作戰(zhàn)飛機等空中目標;(5)瀕海攻擊目標;等等。這些目標都有各自不同的雷達散射特征和運動學特征，同時，又都以復雜的海洋背景作為掩護，從而，不同程度地表現(xiàn)出低可觀測特性，增加了雷達探測的難度。因此，充分結合雷達信號資源，深入研究海上目標特性和海洋背景特性，開發(fā)能適應復雜海戰(zhàn)場環(huán)境的實用的雷達目標檢測技術對于提升雷達對海探測能力具有重要意義。

1 海雜波中雷達目標檢測技術面臨的主要難點

海上目標回波處理面臨的復雜海洋環(huán)境、掠海飛行器機動帶來的多普勒擴散、雷達分辨率提高帶來的目標能量擴展以及距離走動、隱身目標使得雷達截面積(Radar Cross Section，RCS)下降、慢速目標的穩(wěn)定跟蹤與航向航速快速精確估計、海面目標的分類與識別等都是目前雷達對海上目標探測過程中面臨的亟待解決的難點問題，而其中海上目標雷達檢測技術面臨的難點概括起來主要有如下三點。

難點1:海洋環(huán)境復雜，使得海雜波特性認知難度大

海雜波中的雷達目標檢測技術研究首先要掌握海雜波特性，主要包括幅度特性、譜特性、非線性特性、時間空間相關特性等方面。但由于受氣象、地理等諸多環(huán)境因素的影響，海面非線性隨機變化，機理非常復雜，并且海雜波還與雷達平臺、波段、極化、擦地角、高度、分辨率等參數(shù)有關，使得海雜波特性認知極其困難。

1)海洋水文氣象物理過程十分復雜［3］

海洋環(huán)境受臺風等因素影響，海況復雜，氣象多變，對電磁波、水聲波具有不確定傳播及衰減作用。在近海地區(qū)，氣象狀況尤其不定，異常大氣效應普遍存在。

2)海洋環(huán)境的復雜性使得海面模型是多個參數(shù)的非線性函數(shù)［4］

海雜波不僅取決于浪高、風速、持續(xù)時間、海況、海表面溫度、當?shù)貧夂颦h(huán)境以及海浪相對于雷達波束的方向，而且還取決于雷達自身的參數(shù)，諸如波段、脈寬、脈沖重復頻率、擦地角、分辨單元大小、極化方式等。

3)海洋環(huán)境的復雜性使得海雜波呈現(xiàn)非高斯、非線性和非平穩(wěn)特性［5-12］

非高斯性主要表現(xiàn)為，在小擦地角條件下，受多徑效應、遮擋的影響，高分辨率雷達所面臨的海雜波背景嚴重偏離瑞利模型，幅度分布出現(xiàn)重拖尾現(xiàn)象。非線性特性與海表面的動態(tài)模型密切相關，而非平穩(wěn)性主要由海表面狀態(tài)的時變特性引起。這些“三非”特性使得傳統(tǒng)方法難以對海雜波進行建模與分析。

4)海洋環(huán)境的復雜性使得在高海況或低擦地角時，海雜波出現(xiàn)海尖峰［13-15］

海浪隨風速的增加而增高，在重力作用下，當海浪失去平衡狀態(tài)時，出現(xiàn)浪花，從而產(chǎn)生破碎波，而破碎波的雷達反射回波即為海尖峰。此時雷達回波強度會明顯增強，類似于目標回波，其幅度概率密度曲線表現(xiàn)出重拖尾現(xiàn)象。實驗表明，海尖峰易出現(xiàn)在高分辨、低擦地角、高海況以及HH極化方式下;海尖峰使得海雜波多普勒譜展寬，體現(xiàn)出明顯的時變和非平穩(wěn)特性。

難點2:回波信雜比低以及復雜非均勻背景，使得目標檢測難度大

一方面，目標具有低可觀測特性，使得回波信雜比低，增大了雷達檢測的難度。具有低可觀測特性的目標大體可分為如下四類:(1)小尺寸目標，從而使其回波很微弱，例如小木船、潛艇通氣管和潛望鏡等;(2)隱身目標，RCS小，例如隱身快艇、飛機和巡航導彈等;(3)大目標，但由于雷達分辨低、距離遠等因素導致目標單元中信雜比很低，例如超視距雷達觀測時的情況;(4)高速或高機動目標，其在觀測時間內(nèi)會出現(xiàn)距離或多普勒走動，導致能量分散。

另一方面，雷達海上目標檢測技術在實際應用過程中面臨的背景并非三類背景(即，均勻背景、雜波邊緣背景和多目標環(huán)境)中的任意單一類型，而是由海面、島嶼、陸地、海尖峰、其他目標、強散射點距離旁瓣以及不同海情等形成的、涵蓋三類背景類型的復雜非均勻環(huán)境，從而使得常規(guī)CFAR檢測技術面臨兩難的參數(shù)選擇問題［16］。

難點3:檢測算法適用條件及性能驗證評估難度大

首先，需要完備的實測數(shù)據(jù)和相應的工程化處理手段，然而海面和目標對不同的雷達頻率、極化等參數(shù)的響應均不一樣，很難做出全面的分析與驗證;其次，已公開的數(shù)據(jù)較少，自建實測數(shù)據(jù)庫需要雷達、海面目標、試驗場地、采集設備、輔助器材等軟硬件建設，以及長期系統(tǒng)的觀測與積累，歷時可能數(shù)十年;最后，工程化處理需要長期系統(tǒng)的規(guī)范試驗與比對，常受地理位置、試驗水平、人員配置、組織協(xié)商、經(jīng)費等因素的制約。

2 海雜波中雷達目標檢測技術的分類綜述

2.1 從檢測機理的角度來分

根據(jù)檢測機理的不同，可將雷達目標檢測器分為能量檢測器［17］和特征檢測器［18-19］。

大多數(shù)雷達目標檢測器利用的是數(shù)據(jù)的一階(幅度)或二階(功率、功率譜)統(tǒng)計特征，被稱為能量檢測器，該類檢測器的主要構造方法是似然比檢驗。例如，“自適應匹配濾波(Adaptive Matched Filter，AMF)”檢測器［20］，其原理框圖如圖1所示，最終與門限進行比較的是經(jīng)過白化和相參積累處理后的回波功率。

圖1 AMF檢測器的原理框圖

特征檢測器則是將目標檢測問題轉(zhuǎn)化為分類問題，即，判斷回波是否屬于背景所在的類。該類檢測器的形成關鍵在于提取穩(wěn)健的具有可分性的特征空間，并形成判別區(qū)域。圖2給出了特征檢測器的概念框圖。

圖2 特征檢測器的概念框圖

圖3和圖4給出了兩種特征檢測器的原理框圖及處理結果演示圖，一種是基于分形特征的檢測算法［21］。該算法通過提取分形特征(例如，分形維數(shù)、分形譜等)來反映海雜波與目標所具有的不同的自相似特性，從而判斷回波是屬于“純海雜波”一類還是屬于“海雜波+目標”一類。

圖3 基于分形特征的檢測算法的原理框圖及處理結果演示圖

圖4 高分辨海雜波聯(lián)合特征抑制和漂浮目標檢測算法的原理框圖及處理結果演示圖

另一種是高分辨海雜波聯(lián)合特征抑制和漂浮目標檢測算法［19］。該算法中的三維特征空間是指從高分辨海雜波中提取出來的相對平均幅度(Relative Average Amplitude，RAA)、相對多普勒峰高(Relative Doppler Peak Height，RPH)和幅度譜相對向量熵(Relative Vector-Entropy，RVE)這三個特征形成的特征空間;凸包判決是指采用凸包優(yōu)化算法計算出“純海雜波”與“海雜波+目標”兩類之間的判別空間;圖4中的右兩圖從左往右表示:隨著處理時間的延長(也就是所利用的數(shù)據(jù)點越多)，兩類之間的區(qū)分度越大，檢測效果越好。

2.2 從建模的角度來分

從建模的角度來分，可分為統(tǒng)計學處理方法和非線性處理方法。統(tǒng)計學處理方法將雷達回波建模為隨機過程，在此基礎上研究海雜波與目標在幅度、譜和相關性等統(tǒng)計屬性上的差異，建立相應的模型形成檢測統(tǒng)計量。然而，隨著研究的深入，尤其是針對海雜波這類復雜背景，統(tǒng)計模型日益復雜，可操作性及物理含義下降。海面起伏是非線性的，非線性處理方法能很好地反映海雜波的非線性物理屬性。典型的非線性處理方法是分形處理方法，該類方法具有參數(shù)估計簡單便捷的特點。不過，該類方法難以形成閉式的檢測統(tǒng)計量。將海雜波分形參數(shù)估計簡單便捷的特點與成熟的統(tǒng)計處理方法相結合，提取能反映海雜波非線性物理屬性的特征，形成具有可實現(xiàn)性和實時性的檢測統(tǒng)計量，是一個很有意義的發(fā)展方向。圖5給出了一種統(tǒng)計與非線性相結合的處理方法，基于分形可變步長最小二乘算法的檢測方法［22］的原理框圖，該方法利用最小二乘擬合技術輸出的誤差作為檢測統(tǒng)計量，而其中估計的參數(shù)是Hurst指數(shù)(一種分形參數(shù))。

圖5 基于分形可變步長最小二乘算法的檢測方法的原理框圖

2.3 從積累的角度來分

包括相參積累與非相參積累、短時間積累與長時間積累條件下的雷達目標檢測技術。目前的研究熱點包括:高速高機動目標在跨分辨單元條件下的相參積累檢測，低可觀測目標的長時間非相參積累檢測，等，主要是解決目標運動跨分辨單元條件下目標能量的積累問題。

1)目標跨距離單元走動條件下的基于Radon-傅里葉變換的長時間相參積累檢測方法［23］

根據(jù)目標運動參數(shù)提取距離-慢時間平面中的觀測序列，然后，通過離散傅里葉變換對該序列進行積分，實現(xiàn)目標能量的相參積累。通過聯(lián)合搜索參數(shù)空間中的目標參數(shù)，解決了距離走動與相位調(diào)制的耦合問題。相比于常規(guī)動目標檢測(Moving Target Detection，MTD)方法，基于Radon-傅里葉變換的長時間相參積累檢測方法可將相參積累時間延伸至多個距離單元。

2)目標跨距離單元和多普勒單元走動條件下的基于Radon-分數(shù)階傅里葉變換的長時間相參積累檢測方法［24］

該方法融合了Radon-傅里葉變換和分數(shù)階傅里葉變換二者的優(yōu)點，不僅能獲得與Radon-傅里葉變換方法同樣長的相參積累時間，而且對非平穩(wěn)信號具有良好的能量聚集性，同時能補償因目標機動產(chǎn)生的距離和多普勒走動。

3)基于檢測前跟蹤技術的長時間非相參積累檢測［25-28］

該類方法的基本思想是:針對低信雜比條件下，單幀數(shù)據(jù)不能可靠檢測目標的情況，在單幀不設門限或設較低門限;然后，根據(jù)目標運動在幀間的關聯(lián)性，存儲、處理和積累多幀數(shù)據(jù);最后，與門限相比，在得到目標航跡估計的同時，完成對目標的判決。

該類方法解決的是目標在長時間運動時跨距離-方位-多普勒單元條件下的非相參積累檢測問題。在多目標條件下，文獻［27］提出了基于逐目標消除的多目標檢測前跟蹤方法，該方法針對近似直線運動的低可觀測目標群，通過動態(tài)設定Hough參數(shù)單元的第二門限，進而采取逐目標消除的思想，將多目標檢測前跟蹤問題中的多目標航跡搜索轉(zhuǎn)化為單目標航跡的逐個搜索，有效避免了多目標航跡之間的相互干擾。

2.4 從雷達分辨率的角度來分

隨著雷達分辨率以及硬件處理能力的逐漸提高，雷達一維距離像以及合成孔徑雷達(SAR)成像條件下的目標檢測問題一直是雷達目標檢測領域的研究熱點。

1)距離擴展目標的檢測［29-30］

在高距離分辨率雷達中，目標各散射中心回波在時域上是分離的，這為實現(xiàn)各散射點回波能量的積累，提高雷達對目標的檢測能力提供了重要前提。圖6給出了距離擴展目標的通用檢測框圖，主要包括自適應門限的形成和檢測統(tǒng)計量的形成兩部分。這兩部分內(nèi)容在高距離分辨率條件下面臨如下幾方面的難點:(1)如何精確估計增多了的目標參數(shù);(2)如何在非高斯環(huán)境下控制虛警;(3)如何適應擴展目標的復雜運動模式;(4)如何提高對實際環(huán)境的適應性和對失配情況的魯棒性;(5)研究計算復雜度較低的高效算法。

圖6 距離擴展目標的通用檢測框圖

2)SAR圖像中的艦船目標檢測［31-32］

SAR圖像艦船目標檢測主要分為直接檢測艦船本身和通過檢測艦船尾跡來確定艦船兩種途徑。前者適用于艦船相對海面背景較為明顯的情況;后者則要求艦船處于運動狀態(tài)。多波段SAR圖像融合是艦船目標檢測技術的一個研究熱點，其融合層次包括像元級、特征級和決策級，圖7給出了多波段SAR圖像三種融合層次的流程圖。圖8利用同一區(qū)域目標的C波段、L波段和P波段SAR圖像演示了多波段SAR圖像決策級融合檢測的處理結果。

圖7 多波段SAR圖像三種融合層次的流程圖

圖8 多波段SAR圖像決策級融合檢測的處理結果

2.5 從照射源的角度來分

包括合作照射源條件下的目標檢測與非合作照射源條件下的目標檢測兩類問題。大多數(shù)雷達目標檢測都是在合作照射源條件下完成的，即雷達發(fā)射信號是已知的;然而，隨著海上電磁環(huán)境的日益復雜以及雷達自身安全形勢的日益嚴峻，非合作照射源條件下的海上目標檢測逐漸成為了研究熱點［33］。圖9給出了合作式與非合作式雙(多)基地雷達示意圖。

挪威奧斯陸大學的Sindre Stromoy利用奧斯陸機場航管雷達作為非合作輻射源，設計了“搭車者”雙基地雷達試驗系統(tǒng)［34］，對機場的民航飛機進行探測，并利用ADS-B民航數(shù)據(jù)進行驗證，如圖10所示。對采集的實測數(shù)據(jù)采用脈沖壓縮、非相參積累、相參距離-多普勒積累等方法進行處理，檢測到了機場附近的多架民航飛機，檢測結果和ADS-B民航數(shù)據(jù)一致，從而證實了該類系統(tǒng)的有效性。

圖9 合作式與非合作式雙(多)基地雷達示意圖

圖10“搭車者”雙基地雷達試驗系統(tǒng)和民航飛機檢測結果

2.6 從信息源的角度來分

對于海雜波背景中的目標檢測問題來說，獨立的信息來源越豐富，越有利于目標檢測，其中，信息既包括關于目標的信息，也包括關于背景的信息。因此，從信息源的角度來看，雷達目標檢測技術包括基于單雷達的目標檢測技術、基于多雷達信息融合的目標檢測技術(例如，空間分集MIMO雷達)、基于多種類型傳感器信息融合的目標檢測技術、基于知識輔助(Knowledge Aid，KA)的目標檢測技術等。

1)空間分集MIMO雷達目標檢測技術［35-37］

空間分集MIMO雷達目標檢測技術利用復雜目標RCS隨視角劇烈變化的特點，通過融合多個視角的觀測數(shù)據(jù)來獲得較為穩(wěn)定的平均RCS條件下的檢測性能。

2)基于知識輔助的空時自適應處理(Space-Time Adaptive Processing，STAP)技術［38-39］

基于知識輔助的空時自適應處理(KA-STAP)將專家系統(tǒng)的思想推廣到多維濾波問題中，其典型的結構示意圖如圖11所示。傳統(tǒng)STAP的核心是一種基于樣本協(xié)方差矩陣的技術，而KA-STAP研究將潛在信息資源的利用充分擴展到全部自適應處理過程中，提高雷達對環(huán)境的感知能力。

圖11 典型KA-STAP結構示意圖

多傳感器相互印證的預警探測體系已成為發(fā)展趨勢，而KA的思想正好符合這個趨勢。然而，多種先驗數(shù)據(jù)與雷達觀測的同時配準及誤差條件下的配準問題、先驗知識的有效融合問題，都是目前基于KA的雷達目標檢測技術需要解決的難題。文獻［40］提出了利用地理信息系統(tǒng)(GIS)提供的先驗信息進行參考數(shù)據(jù)篩選，如圖12所示，盡量提取與待檢測單元相近的均勻數(shù)據(jù)，獲得的檢測效果優(yōu)于CA、GO、SO、OS 等常規(guī)CFAR 檢測器［41］。

圖12 基于GIS信息的參考數(shù)據(jù)篩選

2.7 從處理域的角度來分

包括基于單域處理的目標檢測技術與基于多域聯(lián)合處理的目標檢測技術，前者只利用一個域中的信息或單個特征完成目標檢測，例如:傳統(tǒng)的CFAR技術(時域)、MTD 技術(頻域)、分數(shù)階傅里葉域［42-44］，等;而后者則是聯(lián)合多個域或多個特征來進行目標檢測，例如:多維聯(lián)合相參積累技術、多維CFAR處理技術［45］、變換域中的分形檢測技術等。

1)空時頻檢測前聚焦［46］——一種多維聯(lián)合相參積累技術

該技術將目標長時間相參積累問題轉(zhuǎn)換為參數(shù)化模型匹配問題，在對應的參數(shù)空間中形成目標的“多維聚焦圖像”，整合常規(guī)雷達信號處理的寬帶波束形成、脈沖壓縮和多普勒濾波等環(huán)節(jié)，完成對目標空間和運動參數(shù)的匹配估計，克服“三跨”效應，提高能量積累、目標檢測、參數(shù)測量和特征提取等方面的處理性能。

2)多維聯(lián)合CFAR海雜波抑制與目標檢測方法

目前，CFAR方法大都基于距離維幅度數(shù)據(jù)，而實際上，雷達接收機接收到的數(shù)據(jù)包括距離維、脈沖維、方位維、掃描間(幀間)、多普勒等多維度數(shù)據(jù)。通過多維數(shù)據(jù)的選擇來進行海雜波的抑制與目標檢測，可降低虛警，提高檢測概率。圖13分析了可供海雜波中雷達目標技術利用的多維度信息，并給出了X波段非相參雷達綜合利用空間、角度、幀間等多維度信息進行海雜波抑制與目標檢測的處理結果。

圖13 多維聯(lián)合CFAR海雜波抑制與目標檢測實例

3)變換域分形檢測技術［47］

變換域分形檢測聯(lián)合了海雜波與目標在變換域特性和分形特性上的差異，在證明海雜波具有變換域分形特征的前提下，充分利用變換域處理帶來的信雜比改善和分形參數(shù)估計簡單便捷的特點，提取變換域譜的分形特征(如Hurst指數(shù)等)，以區(qū)分“純海雜波”單元與“海雜波+目標”單元。圖14對比了時域分形方法與頻域分形方法的處理結果，顯然，頻域處理明顯增強了小目標回波的分形特征。

圖14 時域分形方法與變換域分形方法檢測效果比較

2.8 從目標特性的角度來分

包括針對常規(guī)目標、低可觀測目標(隱身目標)、高速高機動目標以及慢速/漂浮目標的檢測技術。例如:針對低可觀測目標的檢測技術有基于長時間相參積累的檢測技術、基于長時間非相參積累的檢測技術、基于非線性處理的檢測技術、基于多域特征聯(lián)合處理的檢測技術等;針對高速高機動目標的檢測技術有“三跨”條件下的長時間相參積累檢測技術;針對慢速/漂浮目標的檢測技術有基于非線性處理的檢測技術、基于多域特征聯(lián)合處理的檢測技術等。

2.9 從背景類型的角度來分

按統(tǒng)計特性來分，包括白噪聲/色噪聲背景下的目標檢測問題，高斯/非高斯雜波背景下的目標檢測問題，以及干擾下的目標檢測問題。按背景均勻性來分，包括均勻背景、多目標背景、雜波邊緣背景下的目標檢測問題。

在雷達海上目標檢測的工程實際應用過程中，背景類型不可能是一種單一的形式，而是一種復雜非均勻的情況，這使得基于某種或某些背景類型而設計的檢測器在實際應用中面臨性能下降的問題，因此必須研究能適應海上復雜非均勻環(huán)境的目標檢測技術［16］。

3 海雜波中雷達目標檢測技術的發(fā)展趨勢

下面主要從海雜波特性分析與建模、對海雷達信號處理技術以及雷達海上目標檢測方法三個方面來闡述海雜波中雷達目標檢測技術的發(fā)展趨勢。

海雜波特性分析與建模方面的研究經(jīng)歷了從平穩(wěn)到非平穩(wěn)，從不相關到相關再到部分相關，從線性到非線性，從隨機過程到混沌、分形，從幅度擬合到物理層面解釋等多個發(fā)展階段。目前，平穩(wěn)性研究主要是分析高海況、低入射角、不同極化方式下海雜波的譜特性;相關性研究則主要是分析海雜波的時間和空間相關性;非線性分析主要是揭示實際系統(tǒng)與隨機信號中廣泛存在的自相似性和標度不變性;而物理層面的解釋主要是揭示海雜波的形成機理，解釋時變海面隨電磁波反射的變化情況。

對海雷達信號處理技術研究從簡單到復雜，不斷延伸信號處理的維度，經(jīng)歷了從時、頻、空的單域處理，再到時頻、空時的二維處理，再到空時頻的多域處理［48］的發(fā)展歷程。

雷達海上目標檢測技術方面，20世紀40年代提出了固定門限檢測，然而，隨著背景環(huán)境的日益復雜化，恒虛警率檢測技術才能滿足雷達對虛警率控制的要求，并逐漸應用到雷達裝備中。20世紀50年代出現(xiàn)了以短時傅里葉變換為代表的變換域檢測方法，后續(xù)又在壓縮感知和稀疏表示的基礎上發(fā)展到表示域處理技術。20世紀90年代，以分形和混沌為代表的非線性科學逐步應用到對海雷達目標檢測中，并成為一個十分活躍和重要的分支。進入21世紀，出現(xiàn)了許多新的研究方向，如多傳感器融合檢測以及智能信號處理方法等，并逐漸走向工程應用。

總的來說，雷達對海探測技術的發(fā)展趨勢可從兩個方面進行概括:一方面是多維度信息的融合利用。融合利用多維度信息，可對回波信號進行更精細化描述，改善檢測、估計、識別、評估和決策的性能。這些信息包括目標信息、背景信息以及雷達信號資源三部分。目標信息是指目標的RCS起伏特性、相關特性、運動學特性、變換域特征、非線性特征、微多普勒特征［49-50］等;背景信息是指背景的電磁散射特性、統(tǒng)計分布特性、相關特性、變換域譜特性、非線性特性等;雷達信號資源是指雷達發(fā)射信號本身所具有的空域信息(陣元間、雷達間)、時域信息(脈間、幀間)、譜信息、波形信息(波形形式)、極化信息、頻率信息、波段信息等。另一方面是多手段融合處理提高檢測性能。融合多種處理手段，有利于充分利用各層次信息，改善檢測、估計、識別、評估和決策的性能。多處理手段的融合包括:(1)相參積累與非相參積累相結合，例如:短時間相參+長時間非相參等;(2)低分辨與高分辨相結合，例如:低分辨搜索+高分辨確認等;(3)自適應處理與知識輔助相結合，以便于融合多源信息;(4)統(tǒng)計處理與非線性處理相結合，以便于確定非線性特征的判別區(qū)域;(5)檢測問題與分類問題相結合，將檢測問題轉(zhuǎn)化為二元分類問題，以適應非加性背景的情況。

4 結束語

海戰(zhàn)場環(huán)境中的雷達目標檢測問題是一個探索性強、難度大而又具有強烈背景需求的研究領域，當前該領域的研究已進入一個不斷深化理論與實踐的結合，深化現(xiàn)實與未來的聯(lián)系，從而實現(xiàn)螺旋式科學推進的發(fā)展階段。只有建立新的理念，在理論上有所突破，技術上有所發(fā)展，手段上有所創(chuàng)新，才能進一步推動海戰(zhàn)場環(huán)境中的雷達目標檢測技術的大發(fā)展!

［1］ 焦世新.東亞安全的未來［J］.國際關系研究，2014(2):74-89.Jiao Shixin.The prospects for the east Asian security［J］.International Relations Quarterly，2014(2):74-89.

［2］ 孫浩亮，杜 毅，薛建青.海戰(zhàn)場信息環(huán)境的內(nèi)涵及對潛艇作戰(zhàn)的影響［J］.四川兵工學報，2009，30(2):116-117.Sun Haoliang，Du Yi，Xue Jianqing.The intensions of the naval battlefield information and the impact for submarine operation［J］.Journal of Sichuan Ordnance，2009，30(2):116-117.

［3］ 賴劍菲，江 舟.GIS支持下的海洋水文氣象信息成圖模式的研究［J］.測繪科學，2008，33(5):180-183，186.Lai Jianfei，Jiang Zhou.Recalization of geological section map model based GIS template［J］.Sicence of Surveying and Mapping，2008，33(5):180-183，186.

［4］ 姚紀歡.粗糙海面的電磁散射研究［D］.西安:西安電子科技大學，2000.Yao Jihuan.Study of electronic scattering from rough sea surfaces［D］.Xi＇an:Xidian University，2000.

［5］ 劉寧波，關 鍵，宋 杰，等.分形理論在目標檢測中的應用［J］.現(xiàn)代雷達，2012，34(2):12-18.Liu Ningbo，Guan Jian，Song Jie，et al.Application of target detection based on fractal theories［J］.Modern Radar，2012，34(2):12-18.

［6］ Xu Xiaoke.Low observable targets detection by joint fractal properties of sea clutter:an experimental study of IPIX OHGR datasets［J］.IEEE Transactions on Antennas and Propagation，2010，58(4):1425-1429.

［7］ Guan Jian，Liu Ningbo，Zhang Jian，et al.Multifractal correlation characteristic for radar detecting low-observable target in sea clutter［J］.Signal Processing，2010，90(2):523-535.

［8］ 劉寧波，李曉俊，李秀友，等.基于分形自仿射預測的海雜波中目標檢測［J］.現(xiàn)代雷達，2009，31(4):43-46，50.Liu Ningbo，Li Xiaojun，Li Xiuyou，et al.Target detection in sea clutter based on fractal self-affine prediction［J］.Modern Radar，2009，31(4):43-46，50.

［9］ 劉寧波，關 鍵，張 建.基于分形可變步長LMS算法的海雜波中微弱目標檢測［J］.電子與信息學報，2010，32(2):371-376.Liu Ningbo，Guan Jian，Zhang Jian.Low-observable target detection in sea clutter based on fractal-based variable stepsize LMS algorithm［J］.Journal of Electronics＆ Information Technology，2010，32(2):371-376.

［10］ 丁 昊，關 鍵，黃 勇.非平穩(wěn)海雜波的消除趨勢波動分析［J］.電波科學學報，2013，28(1):116-123，189.Ding Hao，Guan Jian，Wang Yong.Detrended fluctuation analysis of non-stationary sea clutter［J］.Chinese Journal of Radio Science，2013，28(1):116-123，189.

［11］ Greco M，Bordoni F，Gini F.X-band sea-clutter nonstationarity:influence of long waves［J］.IEEE Journal of O-ceanic Engineering，2004，29(2):269-283.

［12］ 趙巨波，符 燕，耿文東.海雜波統(tǒng)計特性分析［J］.現(xiàn)代雷達，2005，27(11):4-6.Zhao Jubo，F(xiàn)u Yan，Geng Wendong.Analysis of sea clutter statistical characteristics［J］.Modern Radar，2005，27(11):4-6.

［13］ 謝常清，楊俊嶺.雷達海雜波尖峰時頻分布特性研究［J］.現(xiàn)代雷達，2008，30(5):10-13.Xie Changqing，Yang Junling.A study on the time-frequency distribution of radar sea clutter spike［J］.Modern Radar，2008，30(5):10-13.

［14］ 許心瑜，張玉石，黎 鑫，等.L波段小擦地角海雜波KK分布建模［J］.系統(tǒng)工程與電子技術，2014，36(7):1304-1308.Xu Xinyu，Zhang Yushi，Li Xin，et al.KK distribation modeling with L band low grazing sea clutter［J］.Systems Engineering and Electronics，2014，36(7):1304-1308.

［15］ Rosenberg L.Sea-spike detection in high grazing angle X-band sea-clutter［J］.IEEE Transactions on Geoscience and Remote Sensing，2013，51(8):4556-4562.

［16］ 王明宇.復雜環(huán)境下雷達CFAR檢測與分布式雷達CFAR檢測研究［D］.西安:西北工業(yè)大學，2001.Wang Mingyu.Radar CFAR detection and distributed radar CFAR detection under complicated environments［D］.Xi＇an:Northwestern Polytechnical University，2001.

［17］ Tugnait J K.Two-channel tests for common non-Gaussian signal detection［J］.IEE Proceedings of Radar and Signal Porcessing，1993，140(6):343-349.

［18］ Pournejatian N M，Nayebi M M.Fractal-multiresolution based detection of targets within sea clutter［J］.Electronics Letters，2012，48(6):1-2.

［19］ Shui Penglang，Li Dongchen，Xu Shuwen.Tri-featurebased detection of floating small targets in sea clutter［J］.IEEE Transactions on Aerospace and Electronic Systems，2014，50(2):1416-1430.

［20］ Robey F C，F(xiàn)uhrmann D R，Kelly E J，et al.A CFAR adaptive matched filter detector［J］.IEEE Transactions on Aerospace and Electronic Systems，1992，28(1):208-216.

［21］ 劉寧波，關 鍵，宋 杰.掃描模式海雜波中目標的多重分形檢測［J］.雷達科學與技術，2009，7(4):277-283.Liu Ningbo，Gua Jian，Song Jie.Local multifractal characteristic of sea clutter in radar scanning mode for target detection［J］.Radar Science and Technology，2009，7(4):277-283.

［22］ 劉寧波，關 鍵，張 建.基于分形可變步長LMS算法的海雜波中微弱目標檢測［J］.電子與信息學報，2010，32(2):371-376.Liu Ningbo，Guan Jian，Zhang Jian.Low-observable target detection in sea clutter based on fractal-based variable stepsize LMS algorithm［J］.Journal of Electronics＆ Information Technology，2010，32(2):371-376.

［23］ Xu Jia，Yu Ji，Peng Yingning，et al.Radon-fourier transform for radar target detection，I generalized Doppler filter bank［J］.IEEE Transactions on Aerospace and Electronic Systems，2011，47(2):1186-1202.

［24］ Chen Xiaolong，Guan Jian，Liu Ningbo，et al.Maneuvering target detection via Radon-fractional Fourier transformbased long-time coherent integration［J］.IEEE Transactions on Signal Processing，2014，62(4):939-953.

［25］ 曲長文，黃 勇，蘇 峰，等.基于隨機Hough變換的勻加速運動目標檢測算法及其性能分析［J］.電子學報，2005，33(9):1603-1606.Qu Changwen，Huang Yong，Su Feng，et al.An algorithm and its performance analysis for detecting the target with constant acceleration using randomized Hough transform［J］.Acta Electronica Sinica，2005，33(9):1603-1606.

［26］ 曲長文，黃 勇，蘇 峰.基于動態(tài)規(guī)劃的多目標檢測前跟蹤算法［J］.電子學報，2006，34(12):2138-2141.Qu Changwen，Huang Yong，Su Feng.Radar track-be foredetect algorithm of multitarget based on the dynamic programming［J］.Acta Electronica Sinica，2006，34(12):2138-3141.

［27］ 關 鍵，黃 勇.MIMO雷達多目標檢測前跟蹤算法研究［J］.電子學報，2010，38(6):1449-1453.Guan Jian，Huang Yong.Track-before-detect algorithm in a MIMO radar multi-target environment［J］.Acta Electronica Sinica，2010，38(6):1449-1453.

［28］ 曲長文，黃 勇，蘇 峰，等.基于坐標變換與隨機Hough變換的拋物線運動目標檢測算法［J］.電子與信息學報，2005，27(10):1573-1575.Qu Changwen，Huang Yong，Su Feng，et al.An algorithm of detecting moving target with parabolic track using coordinate transform and randomized Hough transform［J］.Journal of Electronics＆ Information Technology，2005，27(10):1573-1575.

［29］ 簡 濤，何 友，蘇 峰，等.非高斯雜波下修正的SDD-GLRT距離擴展目標檢測器［J］.電子學報，2009，37(12):2662-2667.Jian Tao，He You，Su Feng，et al.Modified SDD-GLRT detector for rang-spread targets in non-Gaussian clutter［J］.Acta Electronica Sinica，2009，37(12):2662-2667.

［30］ 關 鍵，張曉利，黃 勇，等.一種距離擴展目標的穩(wěn)健檢測算法［J］.信號處理，2011，27(12):1878-1883.Guan Jian，Zhang Xiaoli，Huang Yong，et al.A robust detection method for range-spread targets［J］.Signal Processing，2011，27(12):1878-1883.

［31］ 張 琦，高 貴，匡綱要.SAR圖像目標的融合檢測方法［J］.電子與信息學報，2006，28(10):1802-1805.Zhang Qi，Gao Gui，Kuang Gangyao.A fusion method for target detection in SAR image［J］.Journal of Electronics ＆Information Technology，2006，28(10):1802-1805.

［32］ 劉向君，常文革，常玉林.基于決策級融合的多波段SAR目標檢測方法［J］.現(xiàn)代雷達，2007，29(2):22-25.Liu Xiangjun，Chang Wenge，Chang Yulin.A multi-band SAR target detection method based on decision fusion［J］.Modern Radar，2007，29(2):22-25.

［33］ 宋 杰，何 友，蔡復青，等.基于非合作雷達輻射源的無源雷達技術綜述［J］.系統(tǒng)工程與電子技術，2009，31(9):2151-2156，2180.Song Jie，He You，Cai Fuqing，et al.Overview of passive radar technology based on non-cooperative radar illuminator［J］.Systems Engineering and Electronics，2009，31(9):2151-2156，2180.

［34］ Sindre Stromoy.Hitchhiking bistatic radar［D］.OSLO:U-niversity of OSLO，2013.

［35］ Li Jian，Petre S.MIMO radar signal processing［M］.US:John Wiley＆ Sons Inc，2009.

［36］ 湯 俊，伍 勇，彭應寧，等.MIMO雷達檢測性能和系統(tǒng)配置研究［J］.中國科學F輯，信息科學，2009，39(7):776-781.Tang Jun，Wu Yong，Peng Yingning，et al.A study on detection performance and system configuration of MIMO radar［J］.Science in China Series F:Information Sciences，2009，39(7):776-781.

［37］ Guan Jian，Huang Yong.Detection performance analysis for MIMO radar with distributed apertures in Gaussian colored noise［J］.Science in China Series F:Information Sciences，2009，52(9):1689-1696.

［38］ Wicks M C，Swamy M R，Adve R，et al.Space-time adaptive processing:a knowledge-based perspective for airborne radar［J］.IEEE Signal Processing Magazine，2006，23(1):51-65.

［39］ Guerci J R，Baranoski E J.Knowledge-aided adaptive radar at DARPA:an overview［J］.IEEE Signal Processing Magazine，2006，23(1):41-50.

［40］ 李青華，姚云萍.一種基于知識輔助的CFAR檢測器［J］.雷達科學與技術，2012，10(1):88-93.Li Qinghua，Yao Yunping.A knowledge-aided CFAR detector［J］.Radar Science and Technology，2012，10(1):88-93.

［41］ 何 友，關 鍵，孟祥偉，等.雷達目標檢測與恒虛警處理［J］.北京:清華大學出版社，2011.He You，Guan Jian，Meng Xiangwei，et al.Radar target detetion and CFAR processing［M］.Beijing:Tsinghua University Press，2011.

［42］ Guan Jian，Chen Xiaolong，Huang Yong，et al.Adaptive fractional Fourier transform-based detection algorithm for moving target in heavy sea clutter［J］.IET Radar，Sonar and Navigation，2012，6(5):389-401.

［43］ 陳小龍，關 鍵，劉寧波，等.基于FRFT的LFM信號自適應濾波算法及分析［J］.現(xiàn)代雷達，2010，32(12):48-53，59.Chen Xiaolong，Guan Jian，Liu Ningbo，et al.Adaptive filtering algorithm for LFM signal and performance analysis based on FRFT［J］.Modern Radar，2010，32(12):48-53，59.

［44］ 陳小龍，王國慶，關 鍵，等.基于FRFT的動目標檢測模型與參數(shù)估計精度分析［J］.現(xiàn)代雷達，2011，33(5):39-45.Chen Xiaolong，Wang Guoqing，Guan Jian et al.Analysis of model of omving target detection and precision of paramenter estimation based on FRFT［J］.Modern Radar，2011，33(5):39-45.

［45］ Kronauge M，Rohling H.Fast two-dimensional CFAR procedure［J］.IEEE Transactions on Aerospace and Electronic Systems，2013，49(3):1817-1823.

［46］ 許 稼，彭應寧，夏香根，等.空時頻檢測前聚焦雷達信號處理方法［J］.雷達學報，2014，3(2):129-141.Xu Jia，Peng Yingning，Xia Xianggen，et al.Radar signal processing method of space-time-frequency focus-before-detects［J］.Journal of Radar，2014，3(2):129-141.

［47］ Chen Xiaolong，Guan Jian，He You，et al.Detection of low observable moving target in sea clutter via fractal characteristics in FRFT domain［J］.IET Radar，Sonar and Navigation，2013，7(6):635-651.

［48］ Thayaparan T，Kennedy S.Detection of a manoeuvring air target in sea-clutter using joint time-frequency analysis techniques［J］.IEE Proceedings-Radar，Sonar and Navigation，2004，151(1):19-30.

［49］ Chen Xiaolong，Guan Jian，Bao Zhonghua，et al.Detection and extraction of target with micro-motion in spiky sea clutter via short-time fractional Fourier transform［J］.IEEE Transactions on Geoscience and Remote Sensing，2014，52(2):1002-1018.

［50］ 陳小龍，關 鍵，何 友.微多普勒理論在海面目標檢測中的應用及展望［J］.雷達學報，2013，2(1):123-134.Chen Xiaolong，Guan Jian，He You.Applications and prospect of micro-motion theory in the detection of sea surface target［J］.Journal of Radar，2013，2(1):123-134.