基于多幀積累的海面弱小慢速目標(biāo)檢測算法

王雅 陶海紅 代品品 柳陽

摘要： 在復(fù)雜的海雜波環(huán)境中， 海面弱小慢速目標(biāo)檢測技術(shù)一直是雷達(dá)領(lǐng)域中的一項(xiàng)重點(diǎn)。 由于以往采用的單幀數(shù)據(jù)檢測海面弱小慢速目標(biāo)容易產(chǎn)生較高的虛警率， 所以本文聯(lián)合多幀雷達(dá)回波數(shù)據(jù)， 在基于十字窗改進(jìn)的多幀積累算法上進(jìn)行算法改進(jìn)， 減少了一個(gè)處理塊來抑制海雜波從而檢測海面弱小慢速目標(biāo)， 降低了算法的運(yùn)算復(fù)雜度， 增加了算法的可靠性與有效性， 最后通過對實(shí)測海雜波數(shù)據(jù)進(jìn)行算法仿真驗(yàn)證， 表明了該算法的可行性和有效性。

關(guān)鍵詞： 海雜波抑制； 弱小慢速目標(biāo)檢測； 多幀積累； 十字窗； 多幀數(shù)據(jù)

中圖分類號： TJ760.1； TN911.7文獻(xiàn)標(biāo)識碼： A文章編號： 1673-5048（2018）02-0043-06

0引言

隨著海洋環(huán)境的日益復(fù)雜， 海洋的武器平臺也在不斷增加， 因此對海事雷達(dá)探測性能的要求也越來越高。 而在極其復(fù)雜的海面環(huán)境條件下， 檢測湮沒在強(qiáng)海雜波中的弱小慢速目標(biāo)一直是雷達(dá)對海探測研究的熱點(diǎn)與難點(diǎn)。 海事雷達(dá)接收到的回波中不僅僅包含目標(biāo)信號， 更多的是海雜波以及噪聲信號， 在強(qiáng)海雜波環(huán)境中回波的信雜比是非常低的， 通常都為負(fù)值， 具有較低的可觀測性， 而且雜波也是復(fù)雜非均勻的， 因此負(fù)的信雜比條件下檢測海面弱小目標(biāo)變得非常困難。 本文在多幀積累抑制海雜波算法的基礎(chǔ)上將算法進(jìn)一步改進(jìn)， 提出一種新的多幀積累的海面弱小慢速目標(biāo)檢測算法， 降低了算法的運(yùn)算復(fù)雜度。 并將算法應(yīng)用于實(shí)測海雜波數(shù)據(jù)中進(jìn)行算法仿真驗(yàn)證， 有效地抑制了海雜波從而檢測出海面弱小慢速目標(biāo)。

眾所周知， 海洋環(huán)境遠(yuǎn)遠(yuǎn)比其他環(huán)境的雜波復(fù)雜[1]， 因此海事雷達(dá)在海面檢測目標(biāo)的背景不僅僅是常見的三類背景即均勻背景、 雜波邊緣背景和多目標(biāo)環(huán)境中的任意一個(gè)單一的背景[2]， 而是非常容易受云雨、 海尖峰、 陸地、 海面溫度以及洋流等因素影響的復(fù)雜背景。 對于海雜波而言， 使用常規(guī)的雜波抑制[3]方法如動目標(biāo)顯示（MTI）算法[4]、 單幀恒虛警檢測算法[5-6]等很難對其進(jìn)行有效抑制。 基于此， 本文采用多幀積累的檢測算法實(shí)現(xiàn)對海雜波的抑制從而檢測出海面弱小慢速目標(biāo)， 通過對實(shí)測數(shù)據(jù)的處理和性能分析驗(yàn)證了所提算法的可行性和有效性。

1目前存在問題

由于海洋環(huán)境的復(fù)雜性， 海雜波的非均勻性以及多變性使海面弱小慢速目標(biāo)表現(xiàn)出低可觀測性， 增加了海事雷達(dá)檢測的難度。 而以往的雜波抑制算法對于海雜波的抑制大多也是失效的。 當(dāng)雜波與目標(biāo)的多普勒速度相近時(shí)， MTI算法的雜波抑制效果并不理想， 因?yàn)镸TI算法主要用來抑制靜止和慢速雜波， 但是海雜波會受到許多自然因素

收稿日期： 2017-08-21

基金項(xiàng)目： 西安電子科技大學(xué)基本科研業(yè)務(wù)費(fèi)項(xiàng)目（BYD061428）

作者簡介： 王雅（1992-）， 女， 天津人， 碩士研究生， 研究方向?yàn)槔走_(dá)信號處理。

引用格式： 王雅， 陶海紅， 代品品， 等. 基于多幀積累的海面弱小慢速目標(biāo)檢測算法[ J]. 航空兵器， 2018（ 2）： 43-48.

Wang Ya， Tao Haihong， Dai Pinpin， et al. Weak and Slow Targets Detection Algorithm for Sea Surface Based on MultipleFrame Accumulation[ J]. Aero Weaponry， 2018（ 2）： 43-48. （ in Chinese）的影響， 是一種具有動態(tài)特性的復(fù)雜雜波。 除此之外， 比較常見的單幀恒虛警檢測算法在強(qiáng)海雜波條件下，在信雜比較低、 海面弱小慢速目標(biāo)的可觀測性很差的時(shí)候會造成很高的虛警率， 因此也不適用于海面弱小慢速目標(biāo)的檢測；若直接采用分?jǐn)?shù)階傅里葉變換（FRFT）[7-9]的方法在較低的信雜比條件下比較容易失效；還有不少學(xué)者采用分形[10-11]的方法進(jìn)行海雜波背景下目標(biāo)的檢測問題， 但是分形方法無法獲得目標(biāo)的運(yùn)動信息。 多幀數(shù)據(jù)[12]聯(lián)合處理能更準(zhǔn)確地檢測出海面目標(biāo)。 因此， 按照目前研究情況來看， 尋找適用性強(qiáng)而且低復(fù)雜度的算法進(jìn)行海面弱小慢速目標(biāo)的檢測是一直努力和探索的方向。

2算法描述

2.1基于十字窗改進(jìn)的多幀積累算法

基于十字窗改進(jìn)的多幀積累（CW-SIC）算法首先通過兩個(gè)通道即SI通道[13]和CW通道對數(shù)據(jù)進(jìn)行處理， 然后將處理后的數(shù)據(jù)使用掃描相關(guān)（SC）算法進(jìn)一步處理， 最后通過過門限以及幀間十字窗處理的方法來實(shí)現(xiàn)檢測低速運(yùn)動目標(biāo)的目的。 其中SI通道主要是通過對信號進(jìn)行加權(quán)達(dá)到抑制海雜波的目的， 而CW通道主要是利用海雜波在幀間的非相關(guān)性與海面弱小慢速目標(biāo)在幀間的強(qiáng)相關(guān)性的原理來檢測海雜波中的所有目標(biāo)回波， 達(dá)到檢測目標(biāo)的效果。 CW-SIC算法的處理框圖如圖1所示。

圖1CW-SIC算法處理流程框圖

Fig.1The processing block diagram of CWSIC algorithm

2.1.1SI通道

SI通道最主要目的是抑制海雜波， 原理是通過對當(dāng)前幀的數(shù)據(jù)處理單元（i， j）的掃描幅度Aij與前一幀的數(shù)據(jù)處理單元的歷史加權(quán)幅度Aij，old進(jìn)行加權(quán)求和， 將合成的加權(quán)掃描幅度Aij，new作為下一次掃描加權(quán)處理的“舊”值， 即Ak+1，old=Ak，new， 其中k代表幀數(shù)。 根據(jù)經(jīng)驗(yàn)， 將加權(quán)因子[14]設(shè)為α0<α<1。 傳統(tǒng)SI算法按下式對幀間數(shù)據(jù)進(jìn)行積累：

Aij，new=（1-α）Aij，old+αAij（1）

2.1.2CW通道

CW通道的原理是假設(shè)當(dāng)前幀的數(shù)據(jù)處理單元（i， j）的幅度值為Aij， 則在其前一幀與后一幀數(shù)據(jù)中分別以數(shù)據(jù)處理單元（i， j）為中心拓展形成一個(gè)十字窗， 因?yàn)榈退龠\(yùn)動的弱小目標(biāo)運(yùn)動速度較低， 所以相鄰幀基本不會跨躍很大的距離單元和方位， 因此如果該幀的目標(biāo)在數(shù)據(jù)處理單元（i， j）處， 則在其前一幀與后一幀數(shù)據(jù)中以數(shù)據(jù)處理單元（i， j）為中心形成的拓展十字窗中也會有目標(biāo)存在。 根據(jù)這個(gè)原理可以大概率的檢測出目標(biāo)并且能有效抑制部分海雜波。

2.1.3SC算法[15]

航空兵器2018年第2期王雅， 等： 基于多幀積累的海面弱小慢速目標(biāo)檢測算法SC算法的主要目的是檢測目標(biāo)， 在經(jīng)SI通道與CW通道處理后的數(shù)據(jù)data_max中提取有效回波， 實(shí)現(xiàn)目標(biāo)檢測， 同時(shí)去掉傳統(tǒng)SI算法處理后帶來的動目標(biāo) “尾巴”現(xiàn)象， 減少海雜波的尖峰數(shù)目。 SC算法簡單來說是一個(gè)邏輯處理問題， 假設(shè)第k幀的數(shù)據(jù)處理單元（i， j）的幅度為data{k}（i， j）， 假如data{k}（i， j）超過閾值門限T2， 而且其對應(yīng)的data_max{k}（i， j）的幅度也超過閾值門限T1， 則輸出data_max{k}（i， j）， 否則就置零輸出。

2.2基于SI通道改進(jìn)的多幀積累算法

基于SI通道改進(jìn)的多幀積累（NCW-SIC）算法主要通過對基于十字窗改進(jìn)的多幀積累算法的SI通道進(jìn)行算法改進(jìn)， 利用多幀數(shù)據(jù)進(jìn)行海雜波抑制從而達(dá)到檢測低速運(yùn)動的弱小目標(biāo)的目的。

NCW-SIC算法首先通過兩個(gè)通道即NSI通道和CW通道進(jìn)行數(shù)據(jù)處理， 然后將處理后的數(shù)據(jù)使用SC算法進(jìn)一步處理， 以此實(shí)現(xiàn)檢測低速運(yùn)動目標(biāo)的目的。 NCW-SIC算法具體的處理框圖如圖2所示。

圖2NCW-SIC算法處理流程框圖

Fig.2The processing block diagram of NCWSIC algorithm

CW通道的主要目的是輸出海雜波中的所有目標(biāo)回波。 處理方法與CW-SIC算法中的CW通道的處理方法相同。

NSI通道是對傳統(tǒng)SI算法改進(jìn)而來的， 主要作用是抑制海雜波， 根據(jù)經(jīng)驗(yàn)[15]， 為了更好地抑制海雜波， 傳統(tǒng)SI算法中的加權(quán)因子α選取為α<0.5。 NSI在傳統(tǒng)SI算法處理之后增加了一步雜波抑制處理， 從而增加了原先SI通道雜波抑制的強(qiáng)度， 使海面弱小慢速目標(biāo)有更高的檢測概率。 根據(jù)式（1）可以看出經(jīng)過傳統(tǒng)SI算法處理之后， 目標(biāo)回波被衰減為原來的α倍， 而在CW通道中目標(biāo)都被輸出而且幅度沒有增大或者衰減， 所以在NSI通道中目標(biāo)幅度應(yīng)該不小于αT2的大小。 因此在NSI通道經(jīng)過傳統(tǒng)SI算法處理之后的目標(biāo)與雜波均存在的數(shù)據(jù)中， 若經(jīng)過傳統(tǒng)SI算法處理后幅度超過αT2時(shí)則判斷該點(diǎn)為目標(biāo)， 否則就置零輸出。

最后將經(jīng)過NSI通道和CW通道處理后的數(shù)據(jù)進(jìn)行一個(gè)邏輯“與”的操作， 將兩通道處理后的數(shù)據(jù)經(jīng)過SC算法處理后即可得到經(jīng)過NCW-SIC算法處理后的結(jié)果圖。

2.3閾值門限的選取

由于海雜波并不是均勻分布的， 因此較難提前給出海雜波的閾值門限， 同樣也不能將閾值門限設(shè)為一個(gè)固定的值。 但是小范圍內(nèi)的海雜波可以近似為均勻分布的， 因此在CW-SIC算法中涉及到的兩個(gè)閾值門限T1和T2， 本文均采用對每幀數(shù)據(jù)進(jìn)行分塊處理的方法來求取閾值門限， 就是將整幀數(shù)據(jù)看做一個(gè)大的矩形塊， 并將其平均分為若干個(gè)小的矩形塊。 NSI通道的門限T1的選取方法是去掉小矩形塊中的兩個(gè)最小值， 然后對剩下的值取平均求得； CW通道的門限T2的選取方法是將每個(gè)小矩形塊中的最大值與最小值剔除掉， 最后對剩余數(shù)據(jù)求取平均值。

2.4NCW-SIC算法的具體步驟

（1） 所用實(shí)測海雜波數(shù)據(jù)為對脈沖多普勒雷達(dá)的回波進(jìn)行脈沖壓縮處理后的M幀多普勒雷達(dá)回波數(shù)據(jù)， 先使用SI算法對M幀數(shù)據(jù)進(jìn)行處理， 將處理后的數(shù)據(jù)保存， 記作SI{k}， 然后根據(jù)2.3節(jié)閾值門限的選取方法求出其閾值門限T1。

（2） 假設(shè)選取第k幀數(shù)據(jù)作為檢測數(shù)據(jù)， 首先求出該幀的閾值門限T2； 然后將數(shù)據(jù)經(jīng)過CW通道進(jìn)行處理； 最后將經(jīng)過拓展十字窗處理后的第k幀數(shù)據(jù)結(jié)果保存， 記作CW{k}。

（3） 將SI{k}（i， j）的幅值與步驟（2）中求出的閾值門限T2{k}（i， j）的α倍αT2{k}（i， j）作比較， 若SI{k}（i， j）>=αT2{k}（i， j）， 則暫時(shí)判定該點(diǎn)為目標(biāo)， 否則就置零輸出， 輸出結(jié)果記作SI_OUT{k}， 然后將SI_OUT{k}（i， j）與CW{k}（i， j）的值進(jìn)行“與”操作， 將滿足上述條件的數(shù)據(jù)保存為NCW{k}。

（4） 將NCW{k}與第k幀未經(jīng)處理過的數(shù)據(jù)使用SC算法進(jìn)行處理， 若第k幀數(shù)據(jù)處理單元（i， j）的幅度Ak（i， j）大于其對應(yīng)的閾值門限T2{k}（i， j）， 而且數(shù)據(jù)處理單元（i， j）的幅度NCW{k}（i， j）也大于其閾值門限T1{k}（i， j）， 則輸出數(shù)據(jù)NCW{k}（i， j）的值， 否則就置零輸出， 最后將得到的數(shù)據(jù)記作data_end{k}， 并且畫出目標(biāo)航跡圖。

對比圖1～2， 可以看出NCW-SIC算法處理起來更加簡單方便， 比CW-SIC算法少了一個(gè)幀間十字窗處理的模塊， 大大降低了算法的復(fù)雜度。 對于NCW-SIC算法來說， 在上通道中只增加了一個(gè)CW-SIC過門限的處理， 其復(fù)雜度比起算法中的幀間十字窗處理簡單很多， 假設(shè)一幀數(shù)據(jù)包括10個(gè)距離單元10個(gè)脈沖， 那么對于NCW-SIC算法中的SI_OUT的復(fù)雜度是100， 但是對于CW-SIC算法中的幀間十字窗處理來說就大得多， 比如選擇的十字窗長和寬均為3， 那么經(jīng)過幀間十字窗處理后的復(fù)雜度為256， 所以可以明顯看出NCW-SIC算法比CW-SIC算法的復(fù)雜度要低， 說明了NCW-SIC算法經(jīng)過改進(jìn)后更有效， 也更易于工程實(shí)現(xiàn)。

3仿真實(shí)驗(yàn)和性能分析

仿真實(shí)驗(yàn)所用的兩組數(shù)據(jù)均為某海域?qū)崪y海雜波數(shù)據(jù)， 第一組數(shù)據(jù)包含25幀數(shù)據(jù)， 海雜波不是很強(qiáng)； 另一組數(shù)據(jù)包含27幀數(shù)據(jù)， 但是海雜波相對于第一組數(shù)據(jù)來說強(qiáng)了很多， 該數(shù)據(jù)中均含有兩個(gè)小目標(biāo)， 這兩個(gè)目標(biāo)是敞篷小船拉著一個(gè)易拉罐， 如圖3為導(dǎo)航設(shè)備錄取時(shí)的PPI視頻圖片。 小目標(biāo)在海面上運(yùn)動情況的圖片見圖4。 對兩組數(shù)據(jù)具體的仿真效果見圖5～11。

圖3導(dǎo)航設(shè)備錄取時(shí)PPI視頻

Fig.3PPI video when navigation equipment accepts data

假設(shè)目標(biāo)的能量為S， 雜波與噪聲的能量為C+N， 則信雜噪比可以表示為SCNR=S/（C+N）。 所取第2組數(shù)據(jù)的第23幀數(shù)據(jù)原始的信雜噪比為-21.95 dB。 該信雜噪比的計(jì)算均是在弱小慢速目標(biāo)檢測成功后通過對實(shí)測海雜波數(shù)據(jù)中的信號能量與其周圍雜波及噪聲平均能量的比值得到的，所以該數(shù)據(jù)是比較真實(shí)的。 如果想在該低信雜比情況下檢測出目標(biāo)是相當(dāng)困難的。 但是實(shí)測海雜波數(shù)據(jù)經(jīng)過NCW-SIC算法處理后兩個(gè)小目標(biāo)均檢測出來， 可以看到信雜噪比得到明顯的提高， 表明了NCW-SIC算法的有效性， 具體仿真結(jié)果如圖6， 8， 11所示。

圖5～6為對第一組海雜波較弱的實(shí)測數(shù)據(jù)進(jìn)行的仿真實(shí)驗(yàn)； 圖7～8為對第二組較強(qiáng)的實(shí)測海雜波數(shù)據(jù)進(jìn)行的仿真實(shí)驗(yàn)。 從圖6與圖8兩張結(jié)果圖均可以明顯看出兩個(gè)小目標(biāo)， 而且海雜波也被圖4小目標(biāo)在海面運(yùn)動情形

Fig.4The movement of small targets in the sea

圖5第7幀數(shù)據(jù)

Fig.5Data of the 7 frame

圖6第7幀數(shù)據(jù)經(jīng)過NCW-SIC算法處理結(jié)果圖

Fig.6The 7 frame data are processed by NCWSIC algorithm

圖7第23幀數(shù)據(jù)

Fig.7Data of the 23 frame

圖8第23幀數(shù)據(jù)經(jīng)過NCW-SIC算法處理結(jié)果圖

Fig.8The 23 frame data are processed by NCWSIC algorithm

明顯的抑制了， 表明NCW-SIC算法對海雜波抑制與海面弱小慢速目標(biāo)的檢測均具有明顯效果， 表現(xiàn)出該算法的有效性與可靠性。

圖9為對第一組海雜波數(shù)據(jù)的第7幀數(shù)據(jù)采用SIC算法處理后的結(jié)果圖。 在圖9中發(fā)現(xiàn)目標(biāo)并未找到， 目標(biāo)依然湮沒在了海雜波中， 表明使用傳統(tǒng)SIC算法的處理效果并不理想； 圖10是未經(jīng)處理的第二組強(qiáng)雜波數(shù)據(jù)的27幀數(shù)據(jù)的原始航跡圖，從該圖可以發(fā)現(xiàn)由于雜波太強(qiáng)根本看不出目標(biāo)的軌跡， 小目標(biāo)完全湮沒在海雜波中； 圖11是第二組數(shù)據(jù)經(jīng)過NCW-SIC算法處理后的27幀數(shù)據(jù) 圖9第7幀數(shù)據(jù)經(jīng)過傳統(tǒng)SIC算法處理結(jié)果圖

Fig.9The 7 frame data are processed by conventional SIC

algorithm

的航跡圖， 海雜波抑制效果比較明顯， 目標(biāo)航跡圖較清晰， 均表明了NCW-SIC算法是可行的。

圖1027幀數(shù)據(jù)疊加處理的目標(biāo)航跡

Fig.10Target track of 27 frames data by superimposition processing

圖1127幀數(shù)據(jù)經(jīng)過NCW-SIC算法處理后航跡圖

Fig.11Target track of 27 frames data by NCWSIC algorithm processing

4結(jié)論

通過對實(shí)測海雜波數(shù)據(jù)的處理， 從處理結(jié)果上表明了基于多幀積累的海面弱小慢速目標(biāo)檢測算法的可行性與有效性。 NCW-SIC算法與CW-SIC算法的性能對比結(jié)果表明了新算法對于海雜波抑制與海面弱小慢速目標(biāo)的檢測更有效。 NCW-SIC算法通過對算法中的SI通道的改進(jìn)降低了算法的復(fù)雜度， 使NCW-SIC算法更利于工程的實(shí)現(xiàn)。 基于此， 本文提出的基于多幀積累的海面弱小慢速目標(biāo)檢測算法對于海雜波抑制與海面弱小慢速目標(biāo)的檢測均具有更好的效果， 降低了算法的復(fù)雜度使算法更加高效可靠， 利于工程實(shí)現(xiàn)。

參考文獻(xiàn)：

[1] 何友， 黃勇， 關(guān)鍵， 等. 海雜波中雷達(dá)目標(biāo)檢測技術(shù)綜述[J]. 現(xiàn)代雷達(dá)， 2014， 36（12）： 1-9.

He You， Huang Yong， Guan Jian， et al. An Overview on Radar Target Detection in Sea Clutter[J]. Modern Radar， 2014， 36（12）： 1-9.（in Chinese）

[2] 何友， 修建娟， 關(guān)欣， 等. 雷達(dá)數(shù)據(jù)處理及應(yīng)用[M]. 3版. 北京： 電子工業(yè)出版社， 2013： 2-6.

He You， Xiu Jianjuan， Guan Xin， et al. Radar Data Processing with Application[M]. 3rd ed.Beijing： Publishing House of Electronics Industry， 2013： 2-6.（in Chinese）

[3] 趙翠. 海雜波特性及其抑制技術(shù)的研究[D]. 成都：電子科技大學(xué)， 2014： 48-57.

Zhao Cui. Research on Characteristics and Suppression Technology of Sea Clutter[D]. Chengdu：University of Electronic Science and Technology of China， 2014： 48-57.（in Chinese）

[4] 吳順君， 梅曉春. 雷達(dá)信號處理和數(shù)據(jù)處理技術(shù)[M]. 北京：電子工業(yè)出版社， 2008： 115-127.

Wu Shunjun， Mei Xiaochun. Radar Signal Processing and Data Processing Technology[M]. Beijing： Publishing House of Electronics Industry， 2008： 115-127.（in Chinese）

[5] 何友， 關(guān)鍵， 彭應(yīng)寧，等. 雷達(dá)自動檢測與恒虛警處理[M]. 北京：清華大學(xué)出版社， 1999： 10-22.

He You，Guan Jian， Peng Yingning， et al.Automatic Radar Detection and CFAR Processing[M]. Beijing： Tsinghua University Press， 1999： 10-22.（in Chinese）

[6] 何友， 關(guān)鍵， 孟祥偉， 等. 雷達(dá)自動檢測和CFAR處理方法綜述[J]. 系統(tǒng)工程與電子技術(shù)， 2001， 23（1）： 9-14.

He You， Guan Jian， Meng Xiangwei， et al. Survey of Automatic Radar Detectionand CFAR Processing[J]. Systems Engineering and Electronics， 2001， 23（1）： 9-14.（in Chinese）

[7] 劉建成， 劉忠， 王雪松， 等. 高斯白噪聲背景下的LFM信號的分?jǐn)?shù)階Fourier域信噪比分析[J]. 電子與信息學(xué)報(bào)， 2007， 29（10）： 2337-2340.

Liu Jiancheng， Liu Zhong， Wang Xuesong， et al. SNR Analysis of LFM Singal with Gaussian White Noise in Fractional Fourier Transform Domain[J].Journal of Electronics and Information Technology， 2007， 29（10）： 2337-2340.（in Chinese）

[8] 陶然， 張峰， 王越. 分?jǐn)?shù)階Fourier 變換離散化的研究進(jìn)展[J]. 中國科學(xué)， 2008， 38（4）： 481-503.

Tao Ran， Zhang Feng， Wang Yue. Study Evolution of Discrete Fractional Fourier Transform[J]. Science in China， 2008， 38（4）： 481-503.（in Chinese）

[9] 郭海燕， 董云龍， 關(guān)鍵. 基于分?jǐn)?shù)階模糊函數(shù)的海面運(yùn)動弱目標(biāo)檢測[J]. 系統(tǒng)工程與電子技術(shù)， 2011， 33（6）： 1212-1216.

Guo Haiyan， Dong Yunlong， Guan Jian. Weak Target Detection of Sea Surface Motion Based on Fractional Ambiguity Function[J]. Systems Engineering and Electronic Technology， 2011， 33 （6）： 1212-1216.（in Chinese）

[10] 劉寧波， 關(guān)鍵. 海雜波的多重分形判定及廣義維數(shù)譜自動提取[J]. 海軍航空工程學(xué)院學(xué)報(bào)， 2008， 23（2）： 126-131.

Liu Ningbo， Guang Jian. Judgement of Multifractal AutoComputing of Generalized Dimension Spectrum Based on Sea Clutter[J]. Journal of Naval Aeronautical and Astronautical University， 2008， 23 （2）： 126-131.（in Chinese）

[11] 承德保， 胡風(fēng)明， 楊汝良. 利用改進(jìn)分形特征對SAR圖像目標(biāo)檢測方法的研究[J]. 電子與信息學(xué)報(bào)， 2009， 31（1）： 164-168.

Cheng Debao， Hu Fengming， Yang Ruliang. Study on Target Detection in SAR Images Using Improved Fractal Features[J]. Journal of Electronics and Information Technology， 2009， 31 （1）： 164-168.（in Chinese）

[12] 趙元瑞. 基于多幀數(shù)據(jù)的弱小目標(biāo)檢測與跟蹤算法研究[D]. 西安： 西安電子科技大學(xué)， 2015： 28-36.

Zhao Yuanrui. Study on Weak Targets Detection and Tracking Algorithms Based on MultiFrame Data[D]. Xian： Xidian University， 2015： 28-36.（in Chinese）

[13] Zhao Haibo， Hu Guangrui， Xu Xiaoxi. Application of ScantoScan IntegrationCorrelation to Detection of Small FastMoving Target on Sea Surface[J]. Journal of Shanghai University（English Edition）， 2005， 9（4）： 349-353.