目标或目标组成部分的机械振动或旋转产生微多普勒效应，在目标分类和识别中起着重要作用。然而，环境中许多物体(例如风力涡轮机、空调等)的微多普勒效应对雷达系统而言就像时变的杂波，导致雷达探测性能下降。本文针对外辐射源雷达微动杂波影响目标检测的问题，提出了一种基于稀疏度自适应匹配追踪改进算法(SAMP)的微动杂波抑制方法。考虑到微动杂波的稀疏特性，将复杂的微动杂波抑制问题转化为稀疏信号表示问题，分离微动杂波并将其抑制，便于目标观测。相比于原SAMP 算法，改进后的SAMP 算法能自动调整步长并在残差达到自适应阈值后快速停止迭代。仿真和实测数据验证了所提方法的有效性。

弱小多目标的检测与跟踪是雷达探测面临的一个重要技术难点。面向复杂背景下的弱小目标探测, 提出了一种新的思路, 从3个方面对探测性能进行优化: 首先, 通过对概率数据关联算法进行改进来实现复杂背景下目标跟踪;其次, 通过自适应处理来实现斜视阵条件下非均匀杂波的抑制;最后, 通过分析目标隐藏信息来扩大目标跟踪范围, 完善目标形态。实验验证了此算法能很好地应用于跟踪波门重合性质的目标, 既能使跟踪的精确性得到保障, 又能大幅度提升关联速度, 能够很好地用于复杂背景下的弱小目标探测。

红外成像系统作为探测舰船目标的一种重要方式, 在**侦察中起着至关重要的作用, 面对复杂背景、 恶劣天气环境等情况时, 目标与背景局部对比度较低导致红外系统的探测准确率、 查全率等性能指标受到严重影响, 针对上述问题, 开展了基于红外偏振图像的舰船目标检测方法研究。 通过8~12 μm长波波段红外偏振图像采集系统实际采集86组4个偏振方向(0°, 45°, 90°, 135°)的红外偏振图像, 样本中舰船目标309个。 对同场景下不同偏振方向的红外偏振图像及红外强度/偏振度图像的目标与背景局部对比度计算, 发现海面与舰船目标偏振特征差异能够有效提高目标与背景局部对比度。 在前视红外图像中, 舰船目标通常位于海天线附近或下方, 但复杂背景及天气等因素干扰对红外图像中检测海天线影响较大, 为此提出红外偏振图像海天线检测方法, 对红外偏振图像直方图进行高斯滤波消除局部极值, 依据海面与背景的偏振特征差异, 利用双峰法阈值分割检测海天线, 最后利用霍夫变换检测海天线, 分割出海面作为目标候选区域。 针对红外偏振图像受到海杂波严重干扰的问题, 提出海杂波背景抑制算法, 采取背景抑制, 距离加权方法抑制偏振图像中杂乱的海杂波背景。 最后, 利用MSER算法检测舰船目标, 根据舰船目标特性约束条件剔除非目标区域。 对86组红外偏振图像进行舰船目标检测实验, 所提出的方法能够有效克服复杂背景和海杂波等因素的干扰准确检测海天线, 通过海杂波背景抑制及舰船特征约束的方法消除海杂波及海岸对舰船检测所带来的干扰, 检测准确率、 查全率分别为93.2%和95.7%, 优于红外舰船目标检测方法, 特别在红外图像对比度低的场景下检测效果提升明显, 检测准确率、 查全率分别提高了46.5%和16.4%。 表明充分考虑红外偏振图像中舰船目标与背景的偏振特征差异能够有效提高目标与背景的局部对比度, 有利于准确检测海天线, 提高舰船检测准确率和查全率, 对复杂背景及恶劣天气有较强的适应性, 在**应用中具有极大应用价值, 对红外波段舰船目标检测技术的发展有着极为重要的意义。

雷达在目标检测和跟踪时常面临地杂波、海杂波、气象杂波等复杂强杂波的干扰, 而雷达回波信号经过传统的动目标显示( MTI)和恒虚警( CFAR)检测处理后的剩余杂波, 在距离-时间(脉冲)上的二维分布与目标非常相似, 无法区分。对此, 提出一种基于杂波综合特征评估的雷达目标点迹过滤方法, 综合考虑目标与杂波在幅度起伏、距离/俯仰/方位相关性、相位变化等多维特征的不同, 利用综合特征因子评估区分目标和杂波。最后, 利用雷达实测数据对所提方法进行验证。结果表明, 杂波有效抑制率较传统方法有显著提升。

针对复杂环境下基于多输入多输出(MIMO)雷达空时自适应处理(STAP)检测性能较差的问题, 提出一种发射波形及接收权联合优化方法以改善MIMO-STAP检测性能。在建立MIMO-STAP模型基础上, 基于最大化输出信干噪比(SINR)准则, 在发射波形恒模特性、抑制杂波以及降低旁瓣等约束下构建发射波形及接收权联合优化问题以最大化输出SINR进而改善MIMO-STAP检测性能。为求解所得复杂非线性问题, 提出一种迭代算法, 所提算法中每一步都可转化为半定规划问题(SDP), 因而可获得高效求解。数值仿真表明, 与仅考虑杂波抑制、旁瓣抑制算法及不相关波形相比, 所提算法可显著改善MIMO-STAP的检测性能。

为了提升海杂波中小弱目标检测能力, 通过研究海杂波在空域和时域上的动态特性, 提出基于空时混沌分析的海面小弱目标检测方法。首先, 在海杂波混沌动力系统相空间重构的基础上提取海浪序列图像的空域混沌参数和时域混沌参数, 验证海杂波在空域与时域具备混沌性; 然后, 采用径向基函数神经网络学习海杂波的空域混沌重构函数、时域混沌重构函数和空时耦合系数, 联合空域和时域混沌特性综合重构海杂波在时间与空间上的传播规律。多种复杂度海面目标检测试验结果表明, 与空域混沌和时域混沌方法相比, 预测误差可降低10%, 检测概率可提高20%, 基于空时混沌重构的海杂波抑制能力与小目标检测性都得以显著提升。

针对红外图像中对比度较低、目标信号较弱且受背景噪声杂波干扰较大的特点,结合信号的稀疏表示理论提出了一种基于低秩三分解模型的红外图像背景杂波抑制算法.首先,分别对红外图像中目标、背景和噪声3种成份进行建模描述,得到低秩三分解模型.然后,采用二维高斯模型构造红外小目标超完备字典,利用所提出的低秩三分解模型将分块重置的图像数据矩阵分解为背景、噪声和目标3种成份.最后,对于目标分量进行阈值处理从而得到突出红外小目标的重构图像,实现杂波抑制.在3种不同情况下的实验结果表明:本文算法能够使红外图像局部信噪比提高2倍以上;与其他经典算法相比,抑制因子至少提高15%.得到的结果表明,所提算法能够有效抑制杂波,在提高红外图像信噪比的同时,对不同噪声干扰也具有较强的鲁棒性.

分析了单采样和过采样两种扫描探测体制的成像原理, 并建立了扫描图像仿真模型.在不同云层杂波场景下从目标能量收集、背景杂波抑制和弱小目标检测三个方面对单采样和过采样扫描图像进行了对比分析.理论分析和仿真结果表明: 过采样扫描探测体制更有利于收集目标能量, 杂波抑制能力较优, 对弱小目标的探测能力更强.