海面小目標(biāo)的探測(cè)對(duì)于船舶、港口、海上鉆井平臺(tái)等的安全至關(guān)重要,然而由于海雜波具有非高斯、非線性和非平穩(wěn)特性,導(dǎo)致雷達(dá)對(duì)于海面小目標(biāo)的探測(cè)變得十分困難,為了有效地抑制海雜波,基于對(duì)海雜波特性以及目標(biāo)特性的分析,該文提出了一種基于形態(tài)分量分析（Morphological component analysis,MCA）的方法來(lái)分離這兩種不同的信號(hào)分量,MCA方法性能的好壞依賴于變換域的選擇,該文利用相參積累后目標(biāo)的稀疏性,從海雜波中有效地提取了目標(biāo)信號(hào)。最后,利用實(shí)測(cè)數(shù)據(jù)驗(yàn)證了該方法的有效性。實(shí)驗(yàn)結(jié)果表明,該方法能有效抑制海雜波,提高雷達(dá)對(duì)海面小目標(biāo)的檢測(cè)性能。 

【文章來(lái)源】：電子質(zhì)量. 2020,(11)

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
0前言
1信號(hào)模型
2信號(hào)分解算法
3實(shí)驗(yàn)結(jié)果
4結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于分形理論的海雜波認(rèn)知處理方法[J]. 徐勇,翟海濤,劉文松.  指揮信息系統(tǒng)與技術(shù). 2018(02)
[2]海雜波特性認(rèn)知研究進(jìn)展與展望[J]. 丁昊,董云龍,劉寧波,王國(guó)慶,關(guān)鍵.  雷達(dá)學(xué)報(bào). 2016(05)
[3]基于信號(hào)空間分布特征的目標(biāo)檢測(cè)[J]. 鄭堅(jiān),龍超,陳凌,白俊奇.  指揮信息系統(tǒng)與技術(shù). 2016(01)



本文編號(hào)：3459201