CN109991579A - 一种基于分形理论的海杂波目标信号检测方法 - Google Patents
一种基于分形理论的海杂波目标信号检测方法 Download PDFInfo
- Publication number
- CN109991579A CN109991579A CN201711478275.6A CN201711478275A CN109991579A CN 109991579 A CN109991579 A CN 109991579A CN 201711478275 A CN201711478275 A CN 201711478275A CN 109991579 A CN109991579 A CN 109991579A
- Authority
- CN
- China
- Prior art keywords
- log
- sea
- sea clutter
- box
- coordinate system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于分形理论的海杂波目标信号检测方法。该方法包括步骤:S1,选取一个时间序列的单纯海杂波信号;S2,假定时间序列F(n)的长度为N,所述F(n)是一个分形集;S3,选取边长为εm,m=1,2,...,M的小正方形将正方形均等分割,所述小正方形称为盒子,并记录与所述边长εm对应的非空盒子数目Nm(ε);S4,对所述边长和所述非空盒子数目取对数,并形成双对数坐标系,在所述双对数坐标系中,所述In N(ε)伪横坐标,所述Inε为纵坐标;S5,对所述双对数坐标系中的曲线进行拟合得到直线方程;S6,获取所述直线方程的斜率即为盒子维数。本发明公开的基于分形理论的海杂波目标信号检测方法可以优化原有的雷达海面检测技术,并且提高了检测精度。
Description
技术领域
本发明涉及目标信号检测领域,特别涉及一种基于分形理论的海杂波目标信号检测方法。
背景技术
自Mandelbrot于1975年创造出分形(fraction)这个词以来,分形的研究在理论及应用中都取得了巨大的发展。随后,Mandelbrot等学者又将布朗运动(Bm)扩展到分数布朗运动(fBm),并由此建立起了随机分形理论。目前应用领域有有:(1)分形理论在管理领域的应用;(2)分形理论在地质领域的应用;(3)分形理论在机械领域的应用;(4)分形理论在目标检测中的应用等。
海杂波通常指海洋表面的雷达后向散射回波,传统海面信号检测中,海杂波严重干扰了雷达对海面目标的检测性能,因此海杂波研究对于雷达***设计、雷达信号处理和海面目标检测具有非常重要的意义。
发明内容
本发明旨在克服现有技术存在的缺陷,本发明采用以下技术方案:
本发明提供了一种基于分形理论的海杂波目标信号检测方法。所述基于分形理论的海杂波目标信号检测方法包括:
选取一个时间序列的单纯海杂波信号;
假定时间序列F(n)的长度为N,所述F(n)是一个分形集;
选取边长为εm,m=1,2,...,M的小正方形将正方形均等分割,所述小正方形称为盒子,并记录与所述边长εm对应的非空盒子数目Nm(ε);
对所述边长和所述非空盒子数目取对数,并形成双对数坐标系,在所述双对数坐标系中,所述In N(ε)伪横坐标,所述Inε为纵坐标;
对所述双对数坐标系中的曲线进行拟合得到直线方程;
获取所述直线方程的斜率即为盒子维数。
在一些实施例中,所述对所述双对数坐标系中的曲线进行拟合得到直线方程是通过最小二乘法拟合得到的直线方程。
在一些实施例中,在步骤:假定时间序列F(n)的长度为N,所述F(n)是一个分形集之前,还包括对所述单纯海杂波单元的幅度和时间轴做归一化处理,然后放入一个正方形内的。
在一些实施例中,所述分形集的结构具有多个层次,而且各层次之间存在空洞和缝隙。
在一些实施例中,所述方法还包括:
选取一个时间序列的目标单元的回波信号;
对所述目标单元的回波信号进行盒子维数计算。
在一些实施例中,所述对所述目标单元的回波信号进行盒子维数计算具体为:
假定时间序列F(n)的长度为N,所述F(n)是一个分形集;
选取边长为εm,m=1,2,...,M的小正方形将正方形均等分割,所述小正方形称为盒子,并记录与所述边长εm对应的非空盒子数目Nm(ε);
对所述边长和所述非空盒子数目取对数,并形成双对数坐标系,在所述双对数坐标系中,所述In N(ε)伪横坐标,所述Inε为纵坐标;
对所述双对数坐标系中的曲线进行拟合得到直线方程;
获取所述直线方程的斜率即为盒子维数。
在一些实施例中,所述方法还包括:将所述目标单元的回波信号与单纯海杂波信号叠加得到海面信号,其中海面信号的横坐标为位置变化,纵坐标为海面高度变化。
在一些实施例中,所述方法还包括:对所述海面信号进行盒子维数计算。
在一些实施例中,所述对所述海面信号进行盒子维数计算,具体为:
假定时间序列F(n)的长度为N,所述F(n)是一个分形集;
选取边长为εm,m=1,2,...,M的小正方形将正方形均等分割,所述小正方形称为盒子,并记录与所述边长εm对应的非空盒子数目Nm(ε);
对所述边长和所述非空盒子数目取对数,并形成双对数坐标系,在所述双对数坐标系中,所述In N(ε)伪横坐标,所述Inε为纵坐标;
对所述双对数坐标系中的曲线进行拟合得到直线方程;
获取所述直线方程的斜率即为盒子维数。
在一些实施例中,所述方法还包括:将海杂波分形,目标分形以及海面分形进行整合并形成图像进行对比。
本发明的技术效果:相比较传统的雷达探测信号,由于干扰回波比信号回波覆盖范围广且复杂得多,当二者信号叠加在一起时,在信号处理过程中须运用诸如小波分析等大量较复杂算法进行滤波才能确认是否存在目标信号,导致计算效率低的缺点,本发明公开的基于分形理论的海杂波目标信号检测方法通过依托于盒子维数的测量方法,利用分形理论来检测海杂波及弱小目标信号,采用分形理论恰恰利用了干扰信号与目标信号差异大的特点,将干扰回波信号与目标信号抽象成一种属性值,且该种算法更加简单、快速,因而可以优化原有的雷达海面检测技术,并且提高了检测精度。
附图说明
图1示意性示出根据本发明一个实施例的基于分形理论的海杂波目标信号检测方法的流程示意图;
图2为根据本发明一个实施例的盒子维数计算方法示意图;
图3为根据本发明一个实施例的海杂波波形示意图;
图4为根据本发明一个实施例的海杂波取双对数曲线和求出的分维数示意图;
图5为根据本发明一个实施例的单一目标回波信号示意图;
图6为根据本发明一个实施例的分维数计算结果示意图;
图7为根据本发明一个实施例的海面波形示意图。
图8为根据本发明一个实施例的海面信号进行盒子维数计算得到的分维数计算结果示意图;
图9为根据本发明一个实施例的海杂波分形,目标分形以及海面分形进行整合示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,而不构成对本发明的限制。
海杂波,又称海面回波,是雷达发射信号照射到一片海面,进而接收到的后向散射回波。通过雷达回波检测海面或接近海面的“点”目标时,海杂波的存在严重影响了雷达检测的准确性,因此研究海杂波背景下小目标检测算法具有十分重要的意义。
参考图1所示,示意出了根据本发明一个实施例的基于分形理论的海杂波目标信号检测方法。所述基于分形理论的海杂波目标信号检测方法包括:
S1,选取一个时间序列的单纯海杂波信号;
S2,假定时间序列F(n)的长度为N,所述F(n)是一个分形集;
S3,选取边长为εm,m=1,2,...,M的小正方形将正方形均等分割,所述小正方形称为盒子,并记录与所述边长εm对应的非空盒子数目Nm(ε);
S4,对所述边长和所述非空盒子数目取对数,并形成双对数坐标系,在所述双对数坐标系中,所述In N(ε)伪横坐标,所述Inε为纵坐标;
S5,对所述双对数坐标系中的曲线进行拟合得到直线方程;
S6,获取所述直线方程的斜率即为盒子维数。
在一些实施例中,所述步骤S5中:对所述双对数坐标系中的曲线进行拟合得到直线方程是通过最小二乘法拟合得到的直线方程。
在一些实施例中,在步骤S2中:假定时间序列F(n)的长度为N,所述F(n)是一个分形集之前,还包括对所述单纯海杂波单元的幅度和时间轴做归一化处理,然后放入一个正方形内的。
在一些实施例中,所述分形集的结构具有多个层次,而且各层次之间存在空洞和缝隙。
在一些实施例中,所述方法还包括:
选取一个时间序列的目标单元的回波信号;
对所述目标单元的回波信号进行盒子维数计算。
在一些实施例中,所述对所述目标单元的回波信号进行盒子维数计算具体为:
假定时间序列F(n)的长度为N,所述F(n)是一个分形集;
选取边长为εm,m=1,2,...,M的小正方形将正方形均等分割,所述小正方形称为盒子,并记录与所述边长εm对应的非空盒子数目Nm(ε);
对所述边长和所述非空盒子数目取对数,并形成双对数坐标系,在所述双对数坐标系中,所述In N(ε)伪横坐标,所述Inε为纵坐标;
对所述双对数坐标系中的曲线进行拟合得到直线方程;
获取所述直线方程的斜率即为盒子维数。
在一些实施例中,所述方法还包括:将所述目标单元的回波信号与单纯海杂波信号叠加得到海面信号,其中海面信号的横坐标为位置变化,纵坐标为海面高度变化。
在一些实施例中,所述方法还包括:对所述海面信号进行盒子维数计算。
在一些实施例中,所述对所述海面信号进行盒子维数计算,具体为:
假定时间序列F(n)的长度为N,所述F(n)是一个分形集;
选取边长为εm,m=1,2,...,M的小正方形将正方形均等分割,所述小正方形称为盒子,并记录与所述边长εm对应的非空盒子数目Nm(ε);
对所述边长和所述非空盒子数目取对数,并形成双对数坐标系,在所述双对数坐标系中,所述In N(ε)伪横坐标,所述Inε为纵坐标;
对所述双对数坐标系中的曲线进行拟合得到直线方程;
获取所述直线方程的斜率即为盒子维数。
在一些实施例中,所述方法还包括:将海杂波分形,目标分形以及海面分形进行整合并形成图像进行对比。
下面结合具体的实施例对本发明提供的基于分形理论的海杂波目标信号检测方法进行详细的说明。
本发明的技术效果:本发明公开的基于分形理论的海杂波目标信号检测方法通过依托于盒子维数的测量方法,利用分形理论来检测海杂波及弱小目标信号,可以优化原有的雷达海面检测技术,并且提高了检测精度。
实施例1:
结合图2所示,本发明依托于盒子维数的测量方法,该方法是由容量维数的定义衍生出来,只是将包覆分形集的球替换成边长为ε的小盒子。分形集的结构具有多个层次,而且各层次之间存在空洞和缝隙,这就导致有些小盒子是空的,将非空盒子的数目记为N(ε)。可以想象如果不断缩小盒子的边长ε,所需盒子数目N(ε)会持续增大。依据容量维数的定义,对盒子边长和盒子数目取对数,画出In N(ε)和Inε的关系曲线,其拟合直线的斜率即为分形集的盒子维数DB
就一个时间序列而言,它的盒子维数计算步骤如下:
(1)假定时间序列F(n)的长度为N,为了计算方便,对它的幅度和时间轴做归一化处理,然后放入一个正方形内;
(2)选取边长为εm,m=1,2,...,M的小正方形将正方形均等分割,这些小正方形就称为盒子,记录与边长εm对应的非空盒子数目Nm(ε);
(3)如果F(n)是一个分形集,反应在双对数坐标系上,In N(ε)和Inε在某区间内局有限性关系,该直线斜率即为时间顺序的盒子维数DB,可以对曲线用最小二乘法拟合直线的斜率。
参考图2所示,是盒子维数计算方法示意图。
如图2所示,选用边长ε=1/10的小盒子将正方形分成均等的100个小方格,时间序列归一化后放入正方形内,阴影部分a即为覆盖时间序列所需的非空小盒子,可求得Nm(1/10)=33个,那么在该尺度下的盒子维数DB为:
实施例2:
由于海面的不稳定性及多层次性,其后向散射特性—海杂波表现出较强的分形特性。假设待检测目标是长为80米的驱逐舰,其外包有钢筋等增加表面平滑性,存在目标的距离单元的回波信号为目标回波与海杂波的叠加,因此其盒子维数要小于单纯海杂波单元,而又高于目标维数。可以利用这一特点进行海面目标检测。
图3为一幅横坐标为位置变化,纵坐标为海杂波幅度大小的纯海杂波仿真图:
图4是海杂波取双对数曲线和求出的分维数:
选取单纯海杂波单元的幅度信息,按每次格子的大小:2^(e-1)(e=1···t,t=log2(cellmax)+1)分割位移轴形成小正方形,在双对数坐标系中的描迹曲线具有较好的线性,横坐标为log2(e),纵坐标为log2(Ne)。利用最小二乘法拟合得到的直线方程为:
Y=1.5563x+0.4437
可以观察出单纯海杂波的盒子维数在1.55左右徘徊,这就是由于海杂波作为一种自然界的分形结构,具有自相似性。图4为计算最小二乘法拟合得到的直线方程。直线斜率为盒子维数。
具体的,各距离单元的盒子维数的对应表,如下表所示:
表1各距离单元的盒子维数
图5为单一目标信号的回波信号。对于目标单元的回波数据,盒子维数计算方法同上,结果如图6所示,计算结果为:分维数=1.10714。拟合曲线,得到直线方程:
Y=1.0714x+0.9286
最后将目标信号与单一海杂波信号叠加,同样,横坐标为位置变化,纵坐标为海面高度变化。得到此时海面波形图如图7所示。
对海面信号进行盒子维数计算,得到计算结果如图8所示,计算得到的分维数=1.3537。
将海杂波分形,目标分形以及海面分形进行整合,得到如图9所示分形对比图。
在图9中,其中线x代表海杂波分形;线y代表海面分形;线z代表目标分形。放在同一坐标系下更明显观察到当海中有非自然人造物体时采用分形理论可以如何精确的被观察到。
相比较传统的雷达探测信号,由于干扰回波比信号回波覆盖范围广且复杂得多,当二者信号叠加在一起时,在信号处理过程中须运用诸如小波分析等大量较复杂算法进行滤波才能确认是否存在目标信号,导致计算效率低的缺点,本发明公开的基于分形理论的海杂波目标信号检测方法通过依托于盒子维数的测量方法,利用分形理论来检测海杂波及弱小目标信号,采用分形理论恰恰利用了干扰信号与目标信号差异大的特点,将干扰回波信号与目标信号抽象成一种属性值,且该种算法更加简单、快速,因而可以优化原有的雷达海面检测技术,并且提高了检测精度。
本领域内的技术人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种基于分形理论的海杂波目标信号检测方法,其特征在于,包括:
选取一个时间序列的单纯海杂波信号;
假定时间序列F(n)的长度为N,所述F(n)是一个分形集;
选取边长为εm,m=1,2,...,M的小正方形将正方形均等分割,所述小正方形称为盒子,并记录与所述边长εm对应的非空盒子数目Nm(ε);
对所述边长和所述非空盒子数目取对数,并形成双对数坐标系,在所述双对数坐标系中,所述In N(ε)伪横坐标,所述Inε为纵坐标;
对所述双对数坐标系中的曲线进行拟合得到直线方程;
获取所述直线方程的斜率即为盒子维数。
2.根据权利要求1所述的基于分形理论的海杂波目标信号检测方法,其特征在于,所述对所述双对数坐标系中的曲线进行拟合得到直线方程是通过最小二乘法拟合得到的直线方程。
3.根据权利要求1所述的基于分形理论的海杂波目标信号检测方法,其特征在于,在步骤:假定时间序列F(n)的长度为N,所述F(n)是一个分形集之前,还包括对所述单纯海杂波单元的幅度和时间轴做归一化处理,然后放入一个正方形内的。
4.据权利要求1所述的基于分形理论的海杂波目标信号检测方法,其特征在于,所述分形集的结构具有多个层次,而且各层次之间存在空洞和缝隙。
5.根据权利要求1所述的基于分形理论的海杂波目标信号检测方法,其特征在于,所述方法还包括:
选取一个时间序列的目标单元的回波信号;
对所述目标单元的回波信号进行盒子维数计算。
6.根据权利要求5所述的基于分形理论的海杂波目标信号检测方法,其特征在于,所述对所述目标单元的回波信号进行盒子维数计算具体为:
假定时间序列F(n)的长度为N,所述F(n)是一个分形集;
选取边长为εm,m=1,2,...,M的小正方形将正方形均等分割,所述小正方形称为盒子,并记录与所述边长εm对应的非空盒子数目Nm(ε);
对所述边长和所述非空盒子数目取对数,并形成双对数坐标系,在所述双对数坐标系中,所述In N(ε)伪横坐标,所述Inε为纵坐标;
对所述双对数坐标系中的曲线进行拟合得到直线方程;
获取所述直线方程的斜率即为盒子维数。
7.根据权利要求5所述的基于分形理论的海杂波目标信号检测方法,其特征在于,所述方法还包括:
将所述目标单元的回波信号与单纯海杂波信号叠加得到海面信号,其中海面信号的横坐标为位置变化,纵坐标为海面高度变化。
8.根据权利要求7所述的基于分形理论的海杂波目标信号检测方法,其特征在于,所述方法还包括:对所述海面信号进行盒子维数计算。
9.根据权利要求8所述的基于分形理论的海杂波目标信号检测方法,其特征在于,所述对所述海面信号进行盒子维数计算,具体为:
假定时间序列F(n)的长度为N,所述F(n)是一个分形集;
选取边长为εm,m=1,2,...,M的小正方形将正方形均等分割,所述小正方形称为盒子,并记录与所述边长εm对应的非空盒子数目Nm(ε);
对所述边长和所述非空盒子数目取对数,并形成双对数坐标系,在所述双对数坐标系中,所述In N(ε)伪横坐标,所述Inε为纵坐标;
对所述双对数坐标系中的曲线进行拟合得到直线方程;
获取所述直线方程的斜率即为盒子维数。
10.根据权利要求9所述的基于分形理论的海杂波目标信号检测方法,其特征在于,所述方法还包括:将海杂波分形,目标分形以及海面分形进行整合并形成图像进行对比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711478275.6A CN109991579A (zh) | 2017-12-29 | 2017-12-29 | 一种基于分形理论的海杂波目标信号检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711478275.6A CN109991579A (zh) | 2017-12-29 | 2017-12-29 | 一种基于分形理论的海杂波目标信号检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109991579A true CN109991579A (zh) | 2019-07-09 |
Family
ID=67108933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711478275.6A Pending CN109991579A (zh) | 2017-12-29 | 2017-12-29 | 一种基于分形理论的海杂波目标信号检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109991579A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101881826A (zh) * | 2009-05-06 | 2010-11-10 | 中国人民解放军海军航空工程学院 | 扫描模式海杂波局部多重分形目标检测器 |
CN102566577A (zh) * | 2010-12-29 | 2012-07-11 | 沈阳新松机器人自动化股份有限公司 | 一种工业机器人简易标定方法 |
CN102788969A (zh) * | 2012-07-04 | 2012-11-21 | 中国人民解放军海军航空工程学院 | 基于短时分数阶傅里叶变换的海面微动目标检测和特征提取方法 |
CN102914769A (zh) * | 2012-10-19 | 2013-02-06 | 南京信息工程大学 | 基于联合分形的海杂波背景下小目标检测方法 |
CN103207390A (zh) * | 2013-04-02 | 2013-07-17 | 中国人民解放军海军航空工程学院 | Frft域海杂波中目标的近似分形检测方法 |
-
2017
- 2017-12-29 CN CN201711478275.6A patent/CN109991579A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101881826A (zh) * | 2009-05-06 | 2010-11-10 | 中国人民解放军海军航空工程学院 | 扫描模式海杂波局部多重分形目标检测器 |
CN102566577A (zh) * | 2010-12-29 | 2012-07-11 | 沈阳新松机器人自动化股份有限公司 | 一种工业机器人简易标定方法 |
CN102788969A (zh) * | 2012-07-04 | 2012-11-21 | 中国人民解放军海军航空工程学院 | 基于短时分数阶傅里叶变换的海面微动目标检测和特征提取方法 |
CN102914769A (zh) * | 2012-10-19 | 2013-02-06 | 南京信息工程大学 | 基于联合分形的海杂波背景下小目标检测方法 |
CN103207390A (zh) * | 2013-04-02 | 2013-07-17 | 中国人民解放军海军航空工程学院 | Frft域海杂波中目标的近似分形检测方法 |
Non-Patent Citations (1)
Title |
---|
何鑫萍: "基于分形理论的海面小目标检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Serra et al. | Social and physical characterization of urban contexts: Techniques and methods for quantification, classification and purposive sampling | |
Grubesic | On the application of fuzzy clustering for crime hot spot detection | |
Getz et al. | A local nearest‐neighbor convex‐hull construction of home ranges and utilization distributions | |
Camilus et al. | Computer-aided identification of the pectoral muscle in digitized mammograms | |
Zhang et al. | Mapping tropical deforestation in Central Africa | |
Lefebvre et al. | Application of Delaunay tessellation for the characterization of solute-rich clusters in atom probe tomography | |
CN102438529A (zh) | 自动检测医学图像中的病变的方法和*** | |
CN104200471B (zh) | 基于自适应权值图像融合的sar图像变化检测方法 | |
Santika et al. | The effect of species response form on species distribution model prediction and inference | |
Hiederer | Mapping soil typologies—spatial decision support applied to European Soil Database | |
Frery et al. | Analysis of minute features in speckled imagery with maximum likelihood estimation | |
Nan et al. | Groundwater parameter estimation using the ensemble Kalman filter with localization | |
CN110210129A (zh) | 自适应有限元gpr频率域正演方法 | |
CN107346541A (zh) | 一种基于超声射频时间序列小波分析的组织定征方法 | |
Zhang et al. | Denoising for satellite laser altimetry full-waveform data based on EMD-Hurst analysis | |
Sahu et al. | Segmental variability of precipitation in the Mahanadi River basin from 1901 to 2017 | |
Habib | Exploring the physical interpretation of long-term memory in hydrology | |
CN106204607B (zh) | 基于波动参数划分的sar图像变化检测方法 | |
CN103576131A (zh) | 距离扩展目标内禀模态特征能量智能融合检测方法 | |
CN109991579A (zh) | 一种基于分形理论的海杂波目标信号检测方法 | |
Fakiris et al. | Quantification of regions of interest in swath sonar backscatter images using grey-level and shape geometry descriptors: The TargAn software | |
da Silva et al. | Diagnosis of lung nodule using Moran’s index and Geary’s coefficient in computerized tomography images | |
CN112101325B (zh) | 耕地变化检测方法、装置、电子设备及存储介质 | |
TWI314700B (zh) | ||
Simon et al. | Point based assessment: Selecting the best way to represent landslide polygon as point frequency in landslide investigation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190709 |
|
WD01 | Invention patent application deemed withdrawn after publication |