祝健，尚尚，劉強(qiáng)，張先芝

（江蘇科技大學(xué)海洋學(xué)院，江蘇 鎮(zhèn)江 212100）

0 引言

當(dāng)雷達(dá)發(fā)射脈沖去檢測(cè)海面目標(biāo)時(shí)，會(huì)有一部分照射到海面，經(jīng)其反射形成海面的后向散射回波即海雜波。受到雷達(dá)工作頻率、極化方式、風(fēng)速風(fēng)向、實(shí)際海情等因素的影響，海雜波呈現(xiàn)出非線性、非平穩(wěn)性、非高斯性。尤其是海雜波的海尖峰效應(yīng)，使得海面目標(biāo)檢測(cè)的虛警概率增大。而對(duì)于海面的弱目標(biāo)，特別是在強(qiáng)海雜波環(huán)境下，目標(biāo)完全被海雜波淹沒(méi)，導(dǎo)致檢測(cè)目標(biāo)的難度上升。因此，只有充分了解海雜波復(fù)雜的動(dòng)力學(xué)特性，用實(shí)測(cè)海雜波數(shù)據(jù)和理論公式去構(gòu)建數(shù)學(xué)模型，才能為后面的目標(biāo)檢測(cè)提供幫助。早期學(xué)者對(duì)海雜波研究主要是基于統(tǒng)計(jì)理論的，主要研究海雜波幅度分布，選擇與統(tǒng)計(jì)分布模型擬合效果好的，然后根據(jù)給定的虛警概率設(shè)計(jì)合適的檢測(cè)器，從而實(shí)現(xiàn)目標(biāo)檢測(cè)。由于海雜波模型是選擇與實(shí)測(cè)海雜波幅度分布曲線相似的統(tǒng)計(jì)分布模型，并不是根據(jù)實(shí)際的海雜波數(shù)據(jù)建模，因此并不能反映海雜波本身的物理特性［1］，這就使得實(shí)際進(jìn)行目標(biāo)檢測(cè)時(shí)的誤差偏大。由于海面是動(dòng)態(tài)變化的，海雜波必然擁有非線性特性，而混沌理論能夠很好地用于解決非線性問(wèn)題?；煦鐏?lái)源于確定且非線性的系統(tǒng)中，它最重要的一個(gè)特性就是對(duì)初始值的敏感性。同時(shí)，海雜波也對(duì)雷達(dá)波束入射角異常敏感，輕微改變?nèi)肷浣嵌紩?huì)對(duì)海雜波產(chǎn)生較大影響，非常符合混沌這一特性。因此，研究者開(kāi)始考慮海雜波是否具有混沌特性。Haykin于1995通過(guò)實(shí)驗(yàn)仿真論證了海雜波的混沌特性，并將其運(yùn)用到弱目標(biāo)檢測(cè)中，由此開(kāi)啟了基于海雜波混沌特性進(jìn)行海面目標(biāo)檢測(cè)的新篇章。并且近年來(lái)隨著神經(jīng)網(wǎng)絡(luò)的迅速發(fā)展，研究者開(kāi)始將其引入到海雜波的混沌背景下進(jìn)行預(yù)測(cè)，通過(guò)預(yù)測(cè)值和實(shí)際值誤差的大小檢測(cè)目標(biāo)。隨著混沌特性研究的不斷深入，研究者們發(fā)現(xiàn)將海雜波建模為混沌系統(tǒng)具有局限性［2］，并通過(guò)實(shí)驗(yàn)證明海雜波只具有非線性，并不具有混沌特性，就連Haykin本人也對(duì)自己論證的海雜波混沌特性產(chǎn)生了懷疑。分形是非線性科學(xué)的一個(gè)重要的分支，分形的一個(gè)最重要的特性就是自相似性，而海面是動(dòng)態(tài)變化的且符合自相似性。因此將分形理論引入到海雜波中，通過(guò)比較海雜波和目標(biāo)回波分形維數(shù)的不同進(jìn)行目標(biāo)檢測(cè)。由于海雜波復(fù)雜的物理特性，僅靠單一分形維數(shù)不足以進(jìn)行描述，隨后產(chǎn)生的多重分形、高階分形、擴(kuò)展分形、模糊分形等，彌補(bǔ)了單一分形維數(shù)缺點(diǎn)的同時(shí)，也使得計(jì)算量增大，耗時(shí)變長(zhǎng)。而對(duì)于特征聯(lián)合，首先需要做的是提取海雜波中的有效特征。實(shí)測(cè)海雜波和目標(biāo)的樣本不均衡，因此可以借助大量的海雜波數(shù)據(jù)分別從時(shí)域、頻域、時(shí)頻域、極化域等提取有效特征。這些特征的性能可以進(jìn)行互補(bǔ)，所以可以將這些特征聯(lián)合起來(lái)使用，并將目標(biāo)檢測(cè)問(wèn)題等價(jià)為異常檢測(cè)問(wèn)題或二分類(lèi)問(wèn)題，運(yùn)用快速凸包學(xué)習(xí)算法或支持向量機(jī)實(shí)現(xiàn)最終的目標(biāo)檢測(cè)。然而特征數(shù)目的增加，也會(huì)導(dǎo)致計(jì)算量增大和特征冗余等問(wèn)題。本文主要從以上4個(gè)方面對(duì)海雜波背景下的弱目標(biāo)檢測(cè)方法進(jìn)行綜述，并對(duì)一些經(jīng)典檢測(cè)方法進(jìn)行仿真論證，最后總結(jié)得出基于這4個(gè)方面進(jìn)行弱目標(biāo)檢測(cè)的不足之處，以及對(duì)未來(lái)弱目標(biāo)檢測(cè)方法的展望。

1 海面弱目標(biāo)檢測(cè)方法

1.1 基于統(tǒng)計(jì)理論

早期的研究者對(duì)海雜波的分析主要是基于統(tǒng)計(jì)理論方面的，尤其是對(duì)于海雜波的幅度分布方面，將其建為已有的分布模型，像瑞利分布、對(duì)數(shù)正太分布、威布爾分布以及K分布［3-6］等，如圖1所示為實(shí)際海雜波和4種分布的擬合曲線。而在低分辨率、大擦地角（≥5）的雷達(dá)條件下，海雜波近似服從高斯分布，幅度符合瑞利分布［3］；在高分辨率、低擦地角雷達(dá)條件下，海雜波幅度明顯偏離傳統(tǒng)的瑞利分布，表現(xiàn)出非平穩(wěn)特性，其概率密度函數(shù)也呈現(xiàn)非高斯特性。隨著人們對(duì)這些統(tǒng)計(jì)模型研究的不斷深入，漸漸發(fā)現(xiàn)這些模型應(yīng)用于實(shí)際的局限性比較大，大多數(shù)情況下很難與實(shí)際的海雜波幅度變化相擬合。特別是在低擦地角、高分辨率、強(qiáng)海況環(huán)境下，海雜波的幅度分布出現(xiàn)嚴(yán)重的拖尾現(xiàn)象，導(dǎo)致所設(shè)模型與實(shí)際出現(xiàn)大的偏差［7］。借鑒接收機(jī)噪聲的A類(lèi)模型（Class A），Middleton［8］提出了海雜波幅度分布建模（即稱(chēng)為KA分布），在強(qiáng)海雜波環(huán)境下，KA分布使得拖尾區(qū)域和雜波的擬合效果有了顯著提升。Dong［9］借鑒KA分布對(duì)海雜波建模的思想，提出了KK分布模型，并在之后又提出了類(lèi)似KK分布的WW分布，使拖尾區(qū)域的匹配效果得到明顯的改善?；诮y(tǒng)計(jì)理論檢測(cè)方法的實(shí)質(zhì)是利用實(shí)驗(yàn)數(shù)據(jù)的經(jīng)驗(yàn)擬合模型，在一定虛警率下利用最大似然比準(zhǔn)則計(jì)算目標(biāo)檢測(cè)概率［10］。因此，只有不斷增強(qiáng)海雜波幅度模型和實(shí)測(cè)海雜波數(shù)據(jù)的擬合效果，才能進(jìn)一步提升目標(biāo)檢測(cè)概率。謝洪森［11］在對(duì)海雜波非高斯性進(jìn)行研究時(shí)，通過(guò)比較多個(gè)非高斯模型和實(shí)測(cè)海雜波的擬合程度，最終得出基于正態(tài)分布紋理的廣義K分布模型擬合效果最佳。而唐念智［12］等人從海雜波對(duì)雷達(dá)工作效能的影響出發(fā)，重點(diǎn)研究了海雜波模型中的K分布和α穩(wěn)定分布。比較得出，無(wú)論在什么海況下采用α穩(wěn)定分布模型描述海雜波總是優(yōu)于K分布及其他模型。

圖1 4種分布與實(shí)測(cè)海雜波擬合曲線

目前關(guān)于海雜波建模還沒(méi)有通用的模型，原因是實(shí)際海雜波的內(nèi)在特性十分復(fù)雜，很難用數(shù)學(xué)公式對(duì)其推導(dǎo)建模。因此，基于統(tǒng)計(jì)理論的弱目標(biāo)檢測(cè)有如下2個(gè)方面的劣勢(shì)：一方面是直接假設(shè)海雜波是個(gè)平穩(wěn)隨機(jī)的過(guò)程，根據(jù)實(shí)際海雜波的波形來(lái)選擇已有的統(tǒng)計(jì)分布模型，這么做不能充分反映海雜波內(nèi)在的物理特性；另一方面，在低擦地角、高分辨率、強(qiáng)海雜波條件下，回波中關(guān)于目標(biāo)的信息會(huì)被海雜波所淹沒(méi)，使得海面弱目標(biāo)檢測(cè)的難度增加。

1.2 基于混沌特性

Lornez于1963年提出混沌這個(gè)概念，揭示了混沌現(xiàn)象具有不同的預(yù)言性和對(duì)初始條件的極端敏感依賴(lài)性這2個(gè)基本特點(diǎn)，由此開(kāi)創(chuàng)了基于混沌理論的新世界，并在許多領(lǐng)域中得到應(yīng)用。Haykin對(duì)實(shí)測(cè)海雜波進(jìn)行分析，第一次提出X波段海雜波信號(hào)具有混沌特性。到1995，Haykin［13］基于加拿大McMaster大學(xué)X波段的IPIX雷達(dá)獲得的海雜波的數(shù)據(jù)，系統(tǒng)分析了海雜波的混沌特性。如圖2所示，選取的是IPIX的#54VV極化實(shí)測(cè)雷達(dá)數(shù)據(jù)，先進(jìn)行數(shù)據(jù)預(yù)處理，然后根據(jù)Takens嵌入定理進(jìn)行相空間重構(gòu)，用G-P算法對(duì)IPIX雷達(dá)獲得的實(shí)測(cè)海雜波數(shù)據(jù)序列進(jìn)行關(guān)聯(lián)維數(shù)的計(jì)算。圖2（a）是實(shí)測(cè)海雜波數(shù)據(jù)的關(guān)聯(lián)積InC（r）和臨界距離Inr的曲線圖，圖2（b）是用最小二乘法對(duì)InC（r）～I(xiàn)nr的線性部分進(jìn)行擬合的結(jié)果，得到嵌入維數(shù)和關(guān)聯(lián)維數(shù)之間的關(guān)系。從圖2（b）可以發(fā)現(xiàn)隨著嵌入維數(shù)的增加，關(guān)聯(lián)維數(shù)逐漸趨于飽和，由此可知關(guān)聯(lián)維數(shù)的有限性。用小數(shù)據(jù)法計(jì)算的實(shí)測(cè)海雜波的最大Lyapunov，用最小二乘法作回歸直線，得到此時(shí)線性增長(zhǎng)區(qū)域曲線的斜率，即最大Lyapunov為0.015 1，為正數(shù)。通過(guò)以上2項(xiàng)仿真，得出實(shí)測(cè)海雜波確實(shí)具有混沌特性。

基于海雜波的混沌特性，研究者對(duì)海面目標(biāo)檢測(cè)做了一系列的研究。Haykins在分析了海雜波的混沌特征后，將其運(yùn)用到海面弱目標(biāo)檢測(cè)中，并說(shuō)明了基于混沌的相干檢測(cè)器優(yōu)于傳統(tǒng)的相干檢測(cè)器和基于混沌的非相干檢測(cè)器。基于相空間重構(gòu)理論，Kurian［14］提出把動(dòng)態(tài)重構(gòu)和混沌理論結(jié)合的新方法來(lái)檢測(cè)淹沒(méi)在混沌海雜波中微弱信號(hào)。針對(duì)混沌信號(hào)在短時(shí)間內(nèi)是可以預(yù)測(cè)的，劉劍［15］運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)海雜波進(jìn)行預(yù)測(cè)，并通過(guò)計(jì)算雷達(dá)回波和預(yù)測(cè)值的差值以實(shí)現(xiàn)海面目標(biāo)檢測(cè)。RBF神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性擬合能力和自學(xué)習(xí)能力，而且學(xué)習(xí)規(guī)則簡(jiǎn)單，便于計(jì)算機(jī)實(shí)現(xiàn)。陳瑛［16］采用RBF神經(jīng)網(wǎng)絡(luò)對(duì)模擬產(chǎn)生的淹沒(méi)在混沌背景中的暫態(tài)信號(hào)進(jìn)行檢測(cè)，與采用BP神經(jīng)網(wǎng)絡(luò)相比，檢測(cè)性能得到明顯提高，如圖3所示，分別為實(shí)測(cè)海雜波時(shí)間序列分布和基于RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分布曲線，而圖4為二者的預(yù)測(cè)誤差，明顯看出有目標(biāo)時(shí)預(yù)測(cè)的偏差較大，這是由于海雜波具有混沌特性，而目標(biāo)的出現(xiàn)破壞了海雜波的混沌特性，導(dǎo)致RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的與實(shí)際偏差較大。為了滿足抑制海雜波的同時(shí)不破壞信號(hào)的混沌特性，唐建軍［17］提出基于優(yōu)化ESMD-ICA的檢測(cè)算法，經(jīng)實(shí)驗(yàn)證明新預(yù)測(cè)模型的檢測(cè)性能遠(yuǎn)勝于BP神經(jīng)網(wǎng)絡(luò)。張國(guó)棟［18］將神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)的優(yōu)點(diǎn)相結(jié)合，提出基于自適應(yīng)RBF模糊神經(jīng)網(wǎng)絡(luò)海雜波抑制，進(jìn)一步提升了海面弱目標(biāo)檢測(cè)性能。

圖3 實(shí)測(cè)回波序列與RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值擬合效果

圖4 實(shí)測(cè)回波序列與RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差

隨著人們對(duì)混沌模型研究的深入，使用混沌模型為海雜波建模開(kāi)始受到人們的質(zhì)疑。在實(shí)際的海面目標(biāo)檢測(cè)時(shí)，由于受到各種噪聲的影響，僅利用非線性方法解決海雜波的時(shí)間序列預(yù)測(cè)問(wèn)題，效果并不是太好。而基于神經(jīng)網(wǎng)絡(luò)等方面的非線性方法卻可以很好地實(shí)現(xiàn)預(yù)測(cè)，弱目標(biāo)檢測(cè)性能較線性檢測(cè)方法來(lái)說(shuō)也有了較大提高。這只能說(shuō)明海雜波具有非線性特性，并不能證明海雜波具有混沌特性。與此同時(shí)，海面受到周?chē)鞣N環(huán)境噪聲的影響，導(dǎo)致不能再利用海雜波的混沌特性去進(jìn)行目標(biāo)檢測(cè)。

1.3 基于分形理論

Mandelbrot［19］在二十世紀(jì)六、七十年代首先提出了分形這個(gè)概念，用以描述自然界中非線性和復(fù)雜的物體，并且認(rèn)為該物體的部分和整體在某種方式上具有相似性。隨后，Mandelbrot又提出分形幾何的概念，揭示了隱藏在復(fù)雜物體背后整體和部分的本質(zhì)聯(lián)系及規(guī)律。至此，研究者開(kāi)始將分形廣泛應(yīng)用于各大領(lǐng)域中并取得了不菲的成果。1993年，Lo［20］首先將分形理論應(yīng)用于粗糙海面上散射的真實(shí)雷達(dá)信號(hào)的分析，發(fā)現(xiàn)前向散射和后向散射雷達(dá)信息具有非常相似的分形維數(shù)，并提出了可以根據(jù)海雜波和目標(biāo)回波分形維數(shù)的差異來(lái)進(jìn)行目標(biāo)檢測(cè)。由于傳統(tǒng)的運(yùn)用分形維數(shù)的大小進(jìn)行目標(biāo)檢測(cè)時(shí)可能會(huì)出現(xiàn)較大概率的漏警和虛警，徐小可［21］從空間上考慮，把海雜波分形模型建為分?jǐn)?shù)布朗運(yùn)動(dòng)，以小波變化求回波Hurst參數(shù)，提出使用同一時(shí)刻的空間Hurst參數(shù)差異進(jìn)行海面目標(biāo)檢測(cè)。經(jīng)研究發(fā)現(xiàn)，基于實(shí)測(cè)的海雜波數(shù)據(jù)，擴(kuò)展自相似過(guò)程可以表示海雜波在不同尺度下的粗糙度，對(duì)比分?jǐn)?shù)布朗運(yùn)動(dòng)模型更加貼合實(shí)際，李秀友［22］提出擴(kuò)展分形的多尺度Hurst參數(shù)用以區(qū)分目標(biāo)和海雜波，通過(guò)模式分類(lèi)的方法檢測(cè)目標(biāo)。而為提高擴(kuò)展分形特征參數(shù)的準(zhǔn)確性，范一飛［23］試圖從現(xiàn)代譜理論出發(fā)，提出一種基于海雜波AR譜擴(kuò)展分形的微弱目標(biāo)檢測(cè)方法。針對(duì)計(jì)盒維數(shù)計(jì)算分維途中的信息大幅丟失問(wèn)題，張波［24］利用海雜波和目標(biāo)回波多重分形譜的差別來(lái)進(jìn)行海面弱目標(biāo)的檢測(cè)。基于海雜波的多重分形特性，高芬［25］用WL-MF方法研究目標(biāo)回波和海雜波序列的多重分形特性，經(jīng)實(shí)驗(yàn)證明，HH極化方式下海雜波和目標(biāo)序列的多重分形參數(shù)的差異大，檢測(cè)性能較佳。

下面是基于目標(biāo)和海雜波盒維數(shù)的不同來(lái)進(jìn)行海面弱目標(biāo)檢測(cè)的仿真，選取加拿大IPIX實(shí)測(cè)雷達(dá)回波數(shù)據(jù)文件。首先進(jìn)行數(shù)據(jù)預(yù)處理，并對(duì)14個(gè)距離單元的海雜波的幅值進(jìn)行歸一化處理，然后通過(guò)計(jì)盒維數(shù)計(jì)算目標(biāo)單元和海雜波單元的盒維數(shù)，以此達(dá)到實(shí)現(xiàn)海面弱目標(biāo)檢測(cè)，圖5是海雜波序列計(jì)盒維數(shù)的流程圖。以#54號(hào)VV極化模式數(shù)據(jù)文件為例，首先進(jìn)行雷達(dá)回波數(shù)據(jù)的預(yù)處理，并選取目標(biāo)距離單元（第8距離單元）、海雜波距離單元（第11距離單元），隨后對(duì)2個(gè)距離單元的幅值進(jìn)行歸一化處理，然后用計(jì)盒維數(shù)的方法處理，分別得到log2（e）～log2（Ne）的圖像。最后，用最小二乘法對(duì)以上曲線進(jìn)行擬合，得到盒維數(shù)，如圖6所示?？梢园l(fā)現(xiàn)目標(biāo)單元的盒維數(shù)為1.596 7，海雜波單元的盒維數(shù)為1.618 6，目標(biāo)單元的盒維數(shù)小于海雜波單元的盒維數(shù)。接下來(lái)分別計(jì)算14個(gè)距離單元的盒維數(shù)，如表1所示，從表中可以看出目標(biāo)單元的盒維數(shù)在1.59左右，而海雜波單元的盒維數(shù)在1.62左右，目標(biāo)的存在明顯降低了雷達(dá)回波的盒維數(shù)，因此可以通過(guò)目標(biāo)和海雜波單元盒維數(shù)的差異進(jìn)行弱目標(biāo)檢測(cè)。

圖5 海雜波序列盒維數(shù)流程圖

表1 14個(gè)距離單元的盒維數(shù)

圖6 最小二乘法擬合曲線

如今，分形理論已經(jīng)廣泛應(yīng)用于海面弱目標(biāo)檢測(cè)。隨著研究的不斷深入，基于分形理論的弱目標(biāo)檢測(cè)的局限性開(kāi)始顯現(xiàn)出來(lái)：1）海面狀態(tài)隨時(shí)變化且不穩(wěn)定，僅利用單一分形維數(shù)不足以描述海雜波復(fù)雜的物理特性；2）在強(qiáng)海雜波環(huán)境下即信雜比較低時(shí)，目標(biāo)和海雜波的時(shí)域分形特征差異很小，不能有效區(qū)分海雜波和弱小目標(biāo)；3）實(shí)測(cè)海雜波和目標(biāo)回波與周?chē)h(huán)境息息相關(guān)，因此實(shí)際的海雜波時(shí)間序列只能在局部時(shí)間尺度范圍內(nèi)才滿足分形特性，若直接用分形理論對(duì)其建模則會(huì)出現(xiàn)較大的偏差；4）隨著分形維數(shù)的增加，計(jì)算量變大，所耗時(shí)間較長(zhǎng)。

1.4 基于特征聯(lián)合

對(duì)前面3大類(lèi)海面弱目標(biāo)檢測(cè)方法的不斷深入研究，發(fā)現(xiàn)了許多特征可以用于區(qū)分海雜波和目標(biāo)，并且這些特征的性能可以相互彌補(bǔ)各自的不足。因此，有研究者提出將這些特征聯(lián)合起來(lái)可提升檢測(cè)精度。從宏觀上看，前面3類(lèi)目標(biāo)檢測(cè)問(wèn)題都是通過(guò)為海雜波構(gòu)建模型從而實(shí)現(xiàn)目標(biāo)檢測(cè)，而真實(shí)海面是動(dòng)態(tài)變化的且受各種因素影響，建模較為困難。時(shí)艷玲［26］克服海雜波和目標(biāo)建模的困難，將檢測(cè)問(wèn)題和分類(lèi)問(wèn)題相等價(jià)，從接收回波中提取出平均功率和多普勒譜熵2個(gè)特征，結(jié)合凸包訓(xùn)練算法，提出一種基于非加性模型的特征聯(lián)合算法，并通過(guò)仿真進(jìn)行論證，得出此算法使弱目標(biāo)檢測(cè)性能得到顯著提高。該特征聯(lián)合算法的流程如圖7所示。水鵬朗［27］從接收到的海雜波時(shí)間序列中提取了多普勒幅度譜的相對(duì)振幅、相對(duì)多普勒峰值高度和相對(duì)熵，將這3個(gè)特征進(jìn)行聯(lián)合，開(kāi)發(fā)了基于凸包學(xué)習(xí)算法的三特征檢測(cè)器。經(jīng)實(shí)驗(yàn)證明，當(dāng)觀測(cè)時(shí)間較短時(shí)，該三特征檢測(cè)的性能優(yōu)于2種基于分形的檢測(cè)器。在實(shí)際的海雜波和目標(biāo)回波的樣本中，海雜波樣本所占比例太大，目標(biāo)回波樣本較少。針對(duì)此類(lèi)非平衡問(wèn)題，劉子鵬［28］在已提取了3個(gè)特征的基礎(chǔ)上，提出k-means聚類(lèi)和svm分類(lèi)相結(jié)合的海面弱目標(biāo)分類(lèi)算法。

圖7 基于非加性模型的特征聯(lián)合算法流程圖

隨著研究的不斷深入，人們開(kāi)始由以往對(duì)時(shí)域和頻移的研究轉(zhuǎn)向極化域和時(shí)頻域。徐［29］從極化域出發(fā)，提取出相對(duì)表面散射功率、相對(duì)體積散射功率和相對(duì)二面角散射功率，并將這3個(gè)極化特征相結(jié)合，構(gòu)造了三維特征檢測(cè)器，較以往的基于時(shí)域和頻域的三特征檢測(cè)器，性能得到進(jìn)一步提升。為有效控制特征聯(lián)合中的虛警問(wèn)題，水鵬朗團(tuán)隊(duì)［30］從時(shí)頻域出發(fā)，提取出時(shí)頻脊能量、二進(jìn)制連接區(qū)域的數(shù)量和最大連通域尺寸，組成三維特征向量，利用快速凸包學(xué)習(xí)算法，設(shè)計(jì)一個(gè)可控虛警的三特征聯(lián)合檢測(cè)器。在強(qiáng)海雜波環(huán)境下，目標(biāo)回波被海雜波所淹沒(méi)，這時(shí)需要提取更多的特征才可以較好地區(qū)分海雜波和目標(biāo)。索蓮［31］在已有6個(gè)特征的基礎(chǔ)上又提取出2個(gè)特征，共同構(gòu)成八特征數(shù)據(jù)集，又將目標(biāo)檢測(cè)問(wèn)題等價(jià)為異常檢測(cè)問(wèn)題，并基于此構(gòu)造了基于主成分分析的異常檢測(cè)器。經(jīng)實(shí)測(cè)證明，該方法能夠有效提高海面弱目標(biāo)的檢測(cè)性能。

多特征聯(lián)合確實(shí)可以提升海面弱目標(biāo)的檢測(cè)性能，但同時(shí)也帶來(lái)了計(jì)算量過(guò)大和特征冗余等問(wèn)題。針對(duì)此問(wèn)題，薛春嶺［32］提出在融合雷達(dá)回波信號(hào)時(shí)域PADR、局部分形維度（LGF）和頻域FPAR特征量的信息時(shí)，運(yùn)用簡(jiǎn)化“六點(diǎn)估計(jì)法”計(jì)算LGF，減少了特征提取時(shí)的計(jì)算量，最后采用SVM分類(lèi)器實(shí)現(xiàn)海面弱目標(biāo)檢測(cè)。時(shí)至今日，特征聯(lián)合方法已廣泛應(yīng)用于海面上的弱目標(biāo)檢測(cè)，但對(duì)于在這種方法下如何進(jìn)一步提升弱目標(biāo)檢測(cè)精度的問(wèn)題，可以從以下2個(gè)方面出發(fā)：1）提取能夠區(qū)分海雜波和目標(biāo)的有效特征；2）解決因特征數(shù)目過(guò)多導(dǎo)致計(jì)算量變大和特征冗余的問(wèn)題。

2 結(jié)束語(yǔ)

海雜波對(duì)海面弱目標(biāo)檢測(cè)的影響非常大，并且在實(shí)測(cè)雷達(dá)回波數(shù)據(jù)中海雜波的數(shù)量遠(yuǎn)遠(yuǎn)大于目標(biāo)回波，所有只有對(duì)海雜波分析透徹，才能提升弱目標(biāo)檢測(cè)的精度。由本文論述可知，當(dāng)前基于海雜波的弱目標(biāo)檢測(cè)方法普遍存在一些問(wèn)題：1）基于海雜波統(tǒng)計(jì)理論方面，選擇已有的統(tǒng)計(jì)模型進(jìn)行海雜波幅值的建模忽視了海雜波內(nèi)在的動(dòng)力學(xué)特性，容易與實(shí)測(cè)數(shù)據(jù)產(chǎn)生較大偏差，且在設(shè)置CFAR檢測(cè)器時(shí)對(duì)閾值的選取要求較高，一旦閾值選擇不當(dāng)則會(huì)造成相應(yīng)的虛警和漏警。2）基于混沌理論方面，在根據(jù)Takens定理進(jìn)行相空間重構(gòu)時(shí)，要花費(fèi)大量時(shí)間重新計(jì)算延遲時(shí)間和嵌入維數(shù)。在海雜波的混沌背景下，用BP或RBF神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行預(yù)測(cè)，雖然能夠根據(jù)預(yù)測(cè)值和實(shí)測(cè)值誤差的大小進(jìn)行弱目標(biāo)檢測(cè)，但預(yù)測(cè)值與實(shí)測(cè)曲線的擬合效果并不是太好。3）基于分形理論方面，尤其在強(qiáng)海雜波背景下，僅利用單一分形維數(shù)不足以反映海雜波復(fù)雜的物理特性。而隨著分形維數(shù)的增大，檢測(cè)精度提升的同時(shí)也帶了計(jì)算量劇增，耗時(shí)較長(zhǎng)等問(wèn)題。4）基于特征聯(lián)合方面，將多個(gè)特征聯(lián)合處理導(dǎo)致計(jì)算量大、特征冗余等問(wèn)題。而在將高維特征進(jìn)行降維的過(guò)程中也會(huì)出現(xiàn)信息丟失問(wèn)題，使得檢測(cè)出現(xiàn)偏差。

對(duì)于海雜波背景下的弱目標(biāo)檢測(cè)問(wèn)題，基于以上4個(gè)方面的分析，未來(lái)可嘗試運(yùn)用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等智能算法來(lái)對(duì)其進(jìn)行優(yōu)化與改進(jìn)，以進(jìn)一步提升弱目標(biāo)檢測(cè)的準(zhǔn)確性。