论文部分内容阅读
海杂波背景下的小目标检测不仅在民用方面有着很高的研究价值,可以提升商船出海的安全系数,而且在军事方面还可以提升海警船的海面监察能力,增强祖国的国防力量。因此,去除尖峰虚警,提升海杂波背景中微弱目标信号检测和提取能力是信号处理方面的研究热点,得到了海内外学者的高度关注。本文对海杂波背景下的微弱信号检测模型进行了深入的研究,为提升系统模型整体的检测能力和预测精度,提出了基于蜂群算法的支持向量机预测方法;为削弱噪声在海杂波中的影响,提出了基于改进的总体平均经验模态分解(MEEMD)的海杂波去噪方法。具体研究的内容如下:针对传统检测方法对混沌背景下微弱信号检测能力不足的问题,本文利用混沌信号的时间延迟和嵌入维实现相空间重构,采用蜂群算法对支持向量机的惩罚系数和核函数参数进行优化,提出了基于蜂群算法优化支持向量机的微弱信号检测方法。该方法通过支持向量机建立混沌序列的单步预测模型,从预测误差中检测淹没在混沌背景中的微弱信号(包括瞬态信号和周期信号)。以Lorenz系统和雷达实测得到的海杂波数据作为混沌背景噪声进行验证研究,仿真实验结果表明,所提方法能有效地抑制噪声对混沌背景信号的影响并检测出混沌背景噪声中的微弱信号。与传统方法相比,预测精度和检测门限方面的性能都有显著的提高。针对海杂波信号因混有噪声而难以有效提取的问题,本文对补充的集成经验模态分解(CEEMD)算法进行了改进,提出了基于MEEMD算法的海杂波去噪方法。该算法利用排列熵和Savitzky-Golay(SG)滤波对CEEMD分解后的固有模态函数(IMF)进行处理,最后在经验模态分解(EMD)分解重构后得到被削减过噪声后的数据信号。以IPIX雷达实测得到的海杂波数据进行仿真实验,结合最小二乘支持向量机(LSSVM)建立混沌序列的单步预测模型,实现其中的微弱信号检测,并通过比较去噪前后预测结果的均方根误差判断去噪效果。仿真结果表明,本文所提出的MEEMD算法对模式混淆有很好的抑制效果,去噪后得到的均方根误差(RMSE)为0.000847,比去噪前的均方根误差0.0122降低了两个数量级。