基于MDCFT與水平集的高海情彈載雷達(dá)成像檢測(cè)方法

周 利, 胡杰民, 付連慶, 凌三力

(1. 西南電子技術(shù)研究所, 四川 成都 610036; 2. 浙江理工大學(xué)信息學(xué)院, 浙江 杭州 310018)

0 引 言

主動(dòng)雷達(dá)探測(cè)具有高分辨、全天時(shí)、全天候和可以直接觀察等優(yōu)點(diǎn),是彈載平臺(tái)對(duì)海面目標(biāo)探測(cè)采用的主要體制之一,在實(shí)際應(yīng)用中占有相當(dāng)重要的地位。彈載雷達(dá)成像的距離向分辨能力通過發(fā)射寬頻帶信號(hào)獲得,橫向分辨力是通過積累時(shí)間內(nèi)雷達(dá)視線相對(duì)目標(biāo)的轉(zhuǎn)動(dòng)獲得。時(shí)至今日,海戰(zhàn)環(huán)境日益復(fù)雜,特別是高海情探測(cè)環(huán)境,給彈載雷達(dá)精確制導(dǎo)帶來了巨大挑戰(zhàn)。主要表現(xiàn)在:① 高海情條件下,海浪的劇烈涌動(dòng)會(huì)造成艦船三維擺動(dòng),由三維擺動(dòng)引起的多普勒頻率具有隨機(jī)性和不穩(wěn)定性,使得長時(shí)間的相參積累不一定能達(dá)到提高艦船多普勒分辨力的效果。② 高海情下破碎浪的存在會(huì)導(dǎo)致大量海尖峰出現(xiàn)在成像平面內(nèi),從而引入大量虛檢,增加彈載雷達(dá)探測(cè)識(shí)別的不確定性。因此,開展針對(duì)彈載平臺(tái)高海情下的目標(biāo)成像檢測(cè)方法研究,對(duì)于反艦導(dǎo)彈全天候作戰(zhàn)能力的提升具有重要的支撐作用。

由于高海情下實(shí)測(cè)試驗(yàn)的高風(fēng)險(xiǎn)性以及應(yīng)用方向的敏感性,目前公開報(bào)道高海情下海面目標(biāo)成像檢測(cè)研究成果的文獻(xiàn)寥寥無幾。從可查閱的文獻(xiàn)資料來看,現(xiàn)有高海情探測(cè)的研究成果主要集中于海雜波與艦船電磁回波模擬以及成像等方向。

文獻(xiàn)[1]研究了破碎波對(duì)海面電磁散射的影響,將破碎波散射近似為劈結(jié)構(gòu)散射,然后用射線追蹤方法計(jì)算電磁特性數(shù)據(jù)。這種方法具有較好的穩(wěn)定性且計(jì)算效率較高,其缺點(diǎn)是沒有考慮海面與艦船以及海面各面片之間的耦合效應(yīng)。文獻(xiàn)[2]對(duì)目標(biāo)與復(fù)雜地海面復(fù)合電磁散射建模的研究現(xiàn)狀進(jìn)行了綜述,并指出了可供參考的研究方向。

在高海情下艦船目標(biāo)成像研究方面,文獻(xiàn)[2-4]對(duì)復(fù)雜運(yùn)動(dòng)目標(biāo)的成像研究進(jìn)行了綜述;文獻(xiàn)[5-8]研究了基于成像時(shí)間段的高海情艦船逆合成孔徑雷達(dá)(inverse synthetic aperture radar, ISAR)成像方法。文獻(xiàn)[6]將平均多普勒展寬最大的時(shí)間段作為最優(yōu)成像時(shí)間段;文獻(xiàn)[7]和文獻(xiàn)[8]分別根據(jù)角速度矢量和海面探測(cè)先驗(yàn)信息(海況等級(jí)、艦船速度以及風(fēng)速等)確定成像平面穩(wěn)定、分辨率較高的時(shí)間段,這類方法的優(yōu)點(diǎn)是只需要傳統(tǒng)距離多普勒(range-Doppler, RD)算法就能完成目標(biāo)成像,缺點(diǎn)是只選取多普勒近似定值的時(shí)間段,成像積累時(shí)間受限。針對(duì)時(shí)間選取方法的缺陷,文獻(xiàn)[9-10]將方位慢時(shí)間回波建模為高階相位信號(hào),并分別基于時(shí)間-調(diào)頻率分布積分以及乘積型高階匹配相位變換的思路,利用Clean方法逐個(gè)獲得目標(biāo)散射點(diǎn)。由于Clean方法存在迭代過程,對(duì)于散射點(diǎn)較多的艦船目標(biāo),這類方法的計(jì)算量很大。文獻(xiàn)[11]提出基于三階改進(jìn)離散chirp傅里葉變換(modified discrete chirp Fourier transform, MDCFT)的ISAR成像算法,算法實(shí)現(xiàn)過程不涉及Clean方法的迭代步驟且可通過快速傅里葉變換(fast Fourier transform, FFT)進(jìn)行快速運(yùn)算,運(yùn)算效率較高。

在海面目標(biāo)檢測(cè)方面,文獻(xiàn)[12-14]針對(duì)海面微弱目標(biāo)研究了基于特征的檢測(cè)方法,文獻(xiàn)[15]對(duì)基于特征的檢測(cè)方法進(jìn)行了總結(jié)。然而對(duì)于彈載高海情應(yīng)用背景而言,其面臨的主要技術(shù)難點(diǎn)是艦船能量的散焦以及由海尖峰導(dǎo)致的虛警問題。文獻(xiàn)[16]利用改進(jìn)小波變換處理結(jié)合高低帽濾波與閉運(yùn)算完成海面目標(biāo)檢測(cè),該方法具有一定的消除海尖峰的能力,但作者沒有進(jìn)行進(jìn)一步分析。

艦船三維擺動(dòng)和海尖峰的存在是制約高海情環(huán)境彈載雷達(dá)探測(cè)性能的關(guān)鍵因素之一。本文面向彈載雷達(dá)高海情探測(cè)應(yīng)用場(chǎng)景,提出一種新的艦船成像檢測(cè)思路。首先,建立高海情下艦船與海雜波回波模型。針對(duì)由艦船三維轉(zhuǎn)動(dòng)引入的相位高次項(xiàng)導(dǎo)致的多普勒散焦問題,本文采用MDCFT算法實(shí)現(xiàn)高階相位信號(hào)的相參積累;其次,提出一種基于水平集算法的艦船檢測(cè)方法,初步檢測(cè)目標(biāo)可能存在區(qū)域;在此基礎(chǔ)上,利用聚類算法獲取每個(gè)目標(biāo)的區(qū)域,提取目標(biāo)特征并判決目標(biāo)是否為艦船。最后,利用仿真實(shí)驗(yàn)與現(xiàn)有算法進(jìn)行了比較,驗(yàn)證了所提算法的有效性。

1 高海情下彈載雷達(dá)回波建模

1.1 海雜波建模

目前,國內(nèi)海環(huán)境模擬系統(tǒng)尚不具備構(gòu)造大于3級(jí)海情海面的能力,高海情電磁散射特性數(shù)據(jù)主要通過仿真手段獲取,高海情雜波建模并非本文主要工作,這里借鑒已有的研究成果[1]進(jìn)行實(shí)現(xiàn),如圖1所示。海雜波模擬過程可歸納如下:首先,根據(jù)風(fēng)速、風(fēng)向以及海譜類型生成高海情下的海面幾何模型;其次,對(duì)海面進(jìn)行剖分和離散化處理,每個(gè)海面上面片的散射系數(shù)根據(jù)雷達(dá)散射截面(radar cross section, RCS)隨入射角的變化規(guī)律計(jì)算[17],破碎波的存在是造成海尖峰的根本原因:通常情況下,海表面的斜率越大,越容易出現(xiàn)表面破碎現(xiàn)象,就越容易產(chǎn)生海尖峰。這里將海面上斜率超過設(shè)定門限的面片篩選出來。在這些面片上,回波將由后向散射系數(shù)很強(qiáng)的海尖峰替代,通過所有面元回波合成得到海面面元回波。

圖1 高海情下的海雜波模擬流程圖Fig.1 Flowchart of sea clutter simulation process with high sea conditions

采用線性濾波法并考慮風(fēng)向影響建立的二維海面幾何輪廓如圖2所示,海面被劃分為2 m×2 m的面元,每個(gè)面元的斜率分別通過計(jì)算得到,本文將斜率大于預(yù)設(shè)門限(仿真中將門限設(shè)為最大門限的0.9倍)的面元設(shè)定為破碎波所在的位置,如圖2(b)所示,該位置回波用海尖峰替代。含破碎波海面的總散射場(chǎng)可以表示為

圖2 高海情下的海表面及破碎浪位置Fig.2 Sea surface and broken wave’s position with high sea conditions

(1)

1.2 艦船回波建模

三維擺動(dòng)艦船成像幾何模型如圖3所示,艦船坐標(biāo)系假定為OXYZ,其中坐標(biāo)系的原點(diǎn)O為艦船參考成像中心,艦船三維旋轉(zhuǎn)角速度可表示為矢量ω;雷達(dá)視線在OXYZ中的歸一化矢量為n; 角速率矢量ω在雷達(dá)視線方向的投影為ωR,在垂直雷達(dá)視線方向的投影為ωe,ωR和n平行,不會(huì)產(chǎn)生多譜勒頻移;ωe和雷達(dá)視線垂直,該旋轉(zhuǎn)分量將會(huì)導(dǎo)致多譜勒頻移,是方位聚焦和散焦的主要原因。假設(shè)目標(biāo)上第p個(gè)散射點(diǎn)到坐標(biāo)原點(diǎn)O的矢量為rp,則可以通過計(jì)算得到該點(diǎn)的線速度為ωe×rp,對(duì)應(yīng)的徑向分量為(ωe×rp)·n。

圖3 三維擺動(dòng)艦船成像幾何模型Fig.3 Geometric model of three-dimensional swinging ship imaging

假設(shè)雷達(dá)發(fā)射LFM信號(hào)并采用去斜處理的方法,發(fā)射信號(hào)為

(2)

目標(biāo)距離-慢時(shí)間回波為

(3)

式中:B=γTp為發(fā)射信號(hào)帶寬;r為距離取值(距離分辨率c/2B的整數(shù)倍);σp為散射點(diǎn)p的強(qiáng)度。在tm時(shí)刻,Rrpy(tm)=rp·n為散射點(diǎn)p與參考成像中心的距離(即rp)在徑向n的投影。

根據(jù)圖3可知,隨著時(shí)間推移,Rrpy(tm)為散射點(diǎn)p線速度徑向分量(ωe×rp)·n的積分,即

(4)

假設(shè)散射點(diǎn)p的坐標(biāo)為(xp,yp,zp),ωe在坐標(biāo)軸上的分量分別為ωex,ωey,ωez,對(duì)于復(fù)雜運(yùn)動(dòng)目標(biāo),它們都是時(shí)變的,可以進(jìn)行二階近似:

(5)

式中:ωx,ωy,ωz,λx,λy,λz,γx,γy,γz分別表示為角速度的常數(shù)分量系數(shù)、線性分量系數(shù)以及二次分量系數(shù)。將式(5)代入式(4)可得:

(6)

式中:‘·’表示兩矢量內(nèi)積;ω=[ωx,ωy,ωz];λ=[λx,λy,λz];γ=[γx,γy,γz];r=[(ypzR-zpyR),(zpxR-xpzR),(xpyR-ypxR)];Rrpy(t0)為初始時(shí)刻t0,散射點(diǎn)p與成像中心O的距離(即rp)在徑向n的投影。

根據(jù)式(6)可知,Rrpy(tm)將造成越距離單元走動(dòng),其線性距離走動(dòng)借助Keystone變換校正。若目標(biāo)的某個(gè)距離單元中包含P個(gè)散射中心,可得到對(duì)應(yīng)的方位向回波為

(7)

(8)

2 高海情下艦船成像

高海情下的艦船三維擺動(dòng),使得雷達(dá)觀測(cè)到的角速度矢量隨時(shí)間不斷變化,其中模值變化將導(dǎo)致海面艦船目標(biāo)的轉(zhuǎn)動(dòng)速度時(shí)變,而指向的變化將導(dǎo)致ISAR成像平面的改變。時(shí)間段選取的思想是從三維擺動(dòng)過程中尋找轉(zhuǎn)速和成像平面穩(wěn)定的時(shí)間窗,在該時(shí)間窗內(nèi)采用RD方法進(jìn)行成像。考慮到時(shí)間窗由海浪涌動(dòng)下艦船的搖擺特點(diǎn)決定,難以保證多普勒分辨率的要求。

本文通過對(duì)高階信號(hào)的MDCFT處理[11]提高雷達(dá)回波的相參積累時(shí)間。成像算法流程如圖4所示,成像具體步驟如下:

圖4 三維擺動(dòng)艦船成像流程圖Fig.4 Imaging flowchart of three-dimensional swinging ship

步驟 1根據(jù)式(8),s(nr) 的離散chirp傅里葉變換(discrete chirp Fourier transform, DCFT)為

(9)

步驟 2在三維DCFT域(k,l,m) 中,Sc(k,l,m)沿l軸和m軸的積分后的結(jié)果反映了在k軸的多普勒聚焦效果。因此,通過沿l軸和m軸的積分可獲得該距離單元對(duì)應(yīng)的多普勒成像結(jié)果ID(k)。ID(k)可表示為

(10)

步驟 3綜合所有距離單元,可獲得目標(biāo)RD。

假定目標(biāo)散射中心分布如圖5(a)和圖5(b)所示,艦船航行徑向速度及加速度分別為vr=10 m/s和ar=10 m/s2。在初始時(shí)刻t0,雷達(dá)和艦船目標(biāo)的初始距離為R0=40 km。雷達(dá)及艦船三維旋轉(zhuǎn)參數(shù)如表1和表2所示。ISAR成像相干累積時(shí)間為TCPI=0.7 s,則信號(hào)采樣點(diǎn)數(shù)為Nr=TCPI·PRF=700。圖5(c)和圖5(d)分別給出了RD方法和MDCFT方法的成像結(jié)果,由圖可見,艦船目標(biāo)的多普勒維存在散焦現(xiàn)象,且艦首和艦尾的散焦尤為明顯,這是因?yàn)镽D成像的適用條件是成像時(shí)間內(nèi)目標(biāo)上各散射中心多普勒恒定,而三維擺動(dòng)艦船的多普勒頻率具有隨機(jī)和不穩(wěn)定性(艦首和艦尾最為明顯),使得信號(hào)無法實(shí)現(xiàn)相參積累。而MDCFT方法將多普勒回波建模為三階相位信號(hào),對(duì)多普勒頻率的變化感知更加準(zhǔn)確。從圖5(d)可見,艦船在多普勒維具有良好的聚焦效果,成像結(jié)果表明,MDCFT方法更適用于三維擺動(dòng)目標(biāo)的雷達(dá)成像。

表1 雷達(dá)參數(shù)Table 1 Radar parameters

表2 艦船三維旋轉(zhuǎn)參數(shù)Table 2 Three-dimensional rotation parameters of ships

圖5 三維擺動(dòng)艦船成像仿真結(jié)果Fig.5 Imaging simulation results of three-dimensional swinging ship

3 基于ISAR圖像的彈載雷達(dá)導(dǎo)引頭海面目標(biāo)檢測(cè)方法

高海情下,采用上述方法對(duì)海面艦船的典型成像結(jié)果如圖6所示。由圖6可見,由于海尖峰的大量存在,采用傳統(tǒng)恒虛警率(constant false alarm rate, CFAR)檢測(cè)必然會(huì)出現(xiàn)虛檢。高海情下艦船目標(biāo)檢測(cè)的關(guān)鍵在于海雜波特性的深度認(rèn)知、精細(xì)感知和充分利用[15]。通常采用雜波和目標(biāo)回波的差異性特征實(shí)現(xiàn)檢測(cè),特征是用以描述雜波與目標(biāo)之間差異性的指標(biāo),根據(jù)海尖峰與艦船回波在RD圖像中的尺度特征差異,本文提出一種基于水平集方法的艦船目標(biāo)檢測(cè)思路。

圖6 高海情環(huán)境下艦船典型成像結(jié)果Fig.6 Typical imaging results of ships in high sea conditions

3.1 基于水平集的艦船與海面區(qū)域劃分

水平集方法是計(jì)算機(jī)視覺中的用于形狀建模的數(shù)值計(jì)算方法。其優(yōu)點(diǎn)是可以對(duì)演化中的目標(biāo)輪廓進(jìn)行數(shù)值計(jì)算,而不必對(duì)輪廓參數(shù)化。另一個(gè)優(yōu)點(diǎn)是可以便捷地追蹤目標(biāo)輪廓的改變。例如,當(dāng)目標(biāo)的輪廓一分為二、產(chǎn)生空洞等。這些特點(diǎn)使得水平集方法成為隨時(shí)間變化的物體建模的有力工具。圖7給出了不同時(shí)刻的水平集的輪廓演化示意圖。

圖7 水平集的輪廓演化示意圖Fig.7 Outline evolution schematic diagram of level set

基于水平集的區(qū)域劃分包含如下步驟:

步驟 2曲面輪廓的迭代方程可表示為

(11)

式中:F為梯度函數(shù),表示迭代速度的大小,對(duì)于t=nΔt,離散化的迭代方程可表示為

(12)

步驟 3假定φ0曲面與實(shí)際雷達(dá)圖像的大小一致,建立一個(gè)C(0)對(duì)應(yīng)的閉合輪廓S0,使其滿足如下表達(dá)式

(13)

(14)

式中:ε為較小的常數(shù);kij為(i,j)處的斜率;M1和M2為本文算法分別分割的在對(duì)應(yīng)區(qū)域的平均值;fij為坐標(biāo)(i,j)處的像素值。

本文利用仿真數(shù)據(jù)進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明,經(jīng)過500次左右的迭代,水平集的劃分結(jié)果將趨于穩(wěn)定,此時(shí)對(duì)應(yīng)的劃分結(jié)果可作為目標(biāo)區(qū)域二值分割的結(jié)果。

3.2 高海情下艦船目標(biāo)檢測(cè)策略

水平集算法具有無需人工干預(yù)、自主迭代、無需大量數(shù)值計(jì)算等優(yōu)點(diǎn),適用于彈載雷達(dá)對(duì)海探測(cè)的應(yīng)用背景。本文將水平集算法應(yīng)用于高海情下的艦船目標(biāo)檢測(cè),其基本策略流程如圖8所示。

圖8 基于水平集的艦船目標(biāo)檢測(cè)流程Fig.8 Ship target detection process based on level set

檢測(cè)流程包含4個(gè)步驟。首先對(duì)雷達(dá)基帶回波采用MDCFT算法進(jìn)行成像處理,獲得包含目標(biāo)與海雜波的距離多普勒?qǐng)D像,由于海尖峰位置相對(duì)固定,與艦船運(yùn)動(dòng)規(guī)律存在差異,MDCFT算法對(duì)雜波信號(hào)具有一定的抑制能力;然后,采用水平集方法對(duì)RD圖像進(jìn)行二值分割,由于水平集方法得到的結(jié)果是多個(gè)區(qū)域的閉環(huán)曲線,因此,輸出結(jié)果具有初步的聚類屬性;在此基礎(chǔ)上,采用經(jīng)典的DBscan算法即可實(shí)現(xiàn)對(duì)輸出區(qū)域的有效聚類;最后,分別對(duì)不同目標(biāo)區(qū)域進(jìn)行特征提取,并根據(jù)提取得到的特征判斷目標(biāo)真實(shí)身份,從而實(shí)現(xiàn)高海情下艦船的有效檢測(cè)。

在高海情下,破碎浪的位置通常是海表面斜率最大的位置,該位置的浪通常以大致相等的速度運(yùn)動(dòng),而對(duì)于大型艦船而言,不同位置受到的浪涌的推力存在差異,造成艦船首尾先對(duì)雷達(dá)的速度存在一定差異,因此多普勒展寬更加明顯。同時(shí),距離分辨率由帶寬決定,徑向距離是雷達(dá)圖像中最可靠的特征。本文將徑向尺寸和多普勒展寬作為判斷檢測(cè)區(qū)域是否為目標(biāo)的依據(jù),判決表達(dá)式如下:

(15)

式中:L為目標(biāo)徑向長度;LD和LU分別為艦船目標(biāo)的長度上限與下限;LU取值通常為艦船目標(biāo)可能的實(shí)際最大長度,本文中LU取值為LD=LU/5;BDoppler為方位向多普勒展寬程度;BD為展寬門限,在實(shí)際應(yīng)用中通過海情等級(jí)和雷達(dá)信號(hào)積累時(shí)間估算得到。

4 實(shí)驗(yàn)驗(yàn)證

假定高海情下的海表面輪廓與破碎浪位置如圖2所示,目標(biāo)散射中心分布如圖5(a)和圖5(b)所示,艦船航行徑向速度及加速度分別為vr=10 m/s和ar=10 m/s2,仿真初始時(shí)刻為t0,艦船目標(biāo)到雷達(dá)的距離為R0=40 km。雷達(dá)工作參數(shù)與艦船三維轉(zhuǎn)動(dòng)參數(shù)總結(jié)如表1所示。圖9分別給出了海表面和艦船的一維距離像,將距離像矩陣相加獲得艦船與海表面復(fù)合的距離像回波。

圖9 海雜波與艦船一維距離像矩陣Fig.9 HRRP matrix of ships and sea clutter

采用MDCFT算法對(duì)其進(jìn)行二維成像,得到的成像結(jié)果如圖10(a)所示,圖10(b)和圖10(c)分別給出了二維恒虛警率(constant false alarm rate, CFAR)檢測(cè)方法和水平集方法的檢測(cè)結(jié)果,其中二維CFAR檢測(cè)需要對(duì)目標(biāo)窗口、保護(hù)窗口、背景窗口3的大小進(jìn)行設(shè)置,本仿真中分別設(shè)置為1,20和50?？梢?當(dāng)參數(shù)設(shè)置合理時(shí),采用水平集方法和CFAR方法均能有效提取目標(biāo)區(qū)域。若將3個(gè)窗口對(duì)應(yīng)的參數(shù)分別設(shè)置為1,5和10時(shí),對(duì)應(yīng)的CFAR檢測(cè)結(jié)果如圖10(d)所示,存在連片狀目標(biāo)中間強(qiáng)散射點(diǎn)無法檢測(cè)的情況,而本文方法不需要對(duì)檢測(cè)窗進(jìn)行設(shè)置,避免了由于參數(shù)設(shè)置不合理帶來的影響。需要指出的是,采用仿真軟件進(jìn)行計(jì)算,所提方法步驟1的迭代收斂的計(jì)算時(shí)間為554.07 ms,這相對(duì)彈載實(shí)際應(yīng)用而言,還存在一定的差距,后續(xù)需要針對(duì)彈載平臺(tái)硬件條件及應(yīng)用環(huán)境對(duì)算法進(jìn)行優(yōu)化設(shè)計(jì),以滿足實(shí)際應(yīng)用需求。

圖10 高海情艦船成像及初步檢測(cè)結(jié)果Fig.10 Imaging and preliminary detection results of ships with high sea conditions

采用DBScan聚類算法對(duì)水平集算法輸出區(qū)域的聚類結(jié)果如圖11所示,由于水平集的輸出結(jié)果是閉合的,因此在進(jìn)行聚類時(shí)只需要將閉合區(qū)域進(jìn)行聚類即可,由結(jié)果可知,聚類算法能夠?qū)崿F(xiàn)對(duì)RD圖像中各個(gè)目標(biāo)的有效聚類。將徑向距離和多普勒展寬作為區(qū)分艦船與海雜波的特征,分別對(duì)每個(gè)目標(biāo)進(jìn)行提取,得到的特征值如表3所示?？梢娕灤?目標(biāo)1)的徑向長度與多普勒展寬等特征與海尖峰存在明顯的差異,為高海情下海面艦船的檢測(cè)提供了一種可行的思路。

表3 目標(biāo)特征估計(jì)結(jié)果比較Table 3 Comparison of target feature estimation results

圖11 DBScan聚類結(jié)果Fig.11 Cluster results of DBScan

5 結(jié) 論

高海情下彈載雷達(dá)探測(cè)面臨兩方面的挑戰(zhàn),一是艦船三維擺動(dòng)造成RD圖像散焦;二是海尖峰的存在增加了虛檢概率。本文將MDCFT與水平集算法組合,提出一種新的成像檢測(cè)思路。首先通過MDCFT算法對(duì)三維擺動(dòng)的艦船回波進(jìn)行多普勒聚焦,消除回波相位高階項(xiàng)帶來的RD圖像散焦;其次,利用水平集算法初步檢測(cè)圖像中的目標(biāo)區(qū)域,然后利用聚類算法獲取每個(gè)目標(biāo)的區(qū)域;最后提取目標(biāo)特征并用于判決目標(biāo)是否為艦船,檢測(cè)過程不需要設(shè)置目標(biāo)窗、保護(hù)窗、背景窗等參數(shù),避免了參數(shù)設(shè)置導(dǎo)致的性能下降;最后利用仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性。該方法綜合考慮了目標(biāo)成像與檢測(cè)性能的提升,具有較好的檢測(cè)性能。需要指出的是,由于缺乏實(shí)測(cè)數(shù)據(jù),本文根據(jù)相關(guān)參考文獻(xiàn)[1]仿真了海雜波并用于算法驗(yàn)證,后續(xù)將利用實(shí)測(cè)數(shù)據(jù)進(jìn)一步驗(yàn)證并優(yōu)化所提算法的性能。