基于SVM的海面小目標檢測的研究.pdf

1、海面小目標檢測的研究一直是雷達信號處理領域研究的熱點，在工程應用方面有著不容忽視的地位。隨著中國的航空母艦首次試航成功，海面小目標檢測的研究熱度在國內繼續(xù)升溫。海面回波(海雜波)的存在，使得小目標的信號往往湮沒在其中，造成小目標直接檢測的困難性，因此研究海雜波，從而間接檢測小目標是一種十分必要的手段。然而，傳統(tǒng)的海雜波統(tǒng)計概率模型在信雜比較低的情況下效果并不十分理想。以神經網絡為代表的學習機器在海雜波預測中有著不凡的表現(xiàn)，然而其固有缺點

2、，如隱節(jié)點的選取，易陷入局部極小值點等問題限制了其發(fā)展。
　　 基于上述背景，本課題在海雜波混沌模型的基礎上，以支持向量機為工具，通過對海雜波的成功預測達到小目標檢測的目的。本課題主要開展了以下幾項工作：
　　 (1)研究了海雜波的混沌動力學特性，通過仿真實驗驗證了海雜波具有混沌特性，建立了混沌模型，同時證明了海雜波具有短時可預測性；
　　 (2)以支持向量機為學習機器，并以實測雷達數據進行訓練，通過仿真實驗，實

3、現(xiàn)了海雜波信號的預測，根據信號的相對均方誤差能量的差別達到了小目標檢測的目的；
　　 (3)利用小波變換方法對實測海雜波數據進行了降噪處理，仿真實驗通過不同小波基、不同閾值和不同閾值作用方式的對比，去除了海雜波信號中的大部分噪聲，達到了降噪的目的；
　　 (4)采用粒子群算法全局搜索支持向量機的最佳匹配參數，仿真實驗證明，在較大的搜索范圍中，保證海雜波預測效果的前提下，粒子群算法能夠較快地搜索到支持向量機的最佳匹配參數。