基于三维特征融合的舰载HFSWR在海杂波区域的目标检测

《IEEE Transactions on Radar Systems》：Shipborne HFSWR Target Detection in Sea Clutter Regions Based on 3-D Feature Fusion

　　海杂波抑制的高频表面波雷达船舶目标检测方法研究，提出基于多维度融合特征的3D目标检测算法，通过数字窄波束形成构建三维频谱，结合3D极值检测和智能分类器，运用离散小波变换、3D卷积神经网络提取形态特征，采用鲁棒稀疏线性判别分析进行特征融合，实验表明检测率和虚警率优于现有方法。

　　

摘要：

舰载高频表面波雷达（HFSWR）系统面临海杂波扩散的挑战，海杂波会掩盖船舶回波，使得目标检测变得困难。在本文中，我们提出了一种新颖的3D目标检测算法，该算法利用多维融合特征有效识别海杂波中的船舶目标。该算法包括两个阶段：3D频谱构建和目标检测。在3D频谱构建阶段，结合了数字窄波束形成（DNBF）方法，将距离-多普勒（RD）频谱转换为距离-多普勒-方位角3D频谱。在目标检测阶段，提出了一种两级级联目标检测算法。在第一级，3D极值检测算法从3D频谱中识别出潜在的船舶目标，并定位包含这些潜在船舶高维形态特征的3D张量块。在第二级，我们引入了一种智能的3D张量块分类器，该分类器包括一个双通道3D特征提取网络和一个特征分类器。该网络利用3D离散小波变换和3D卷积神经网络（CNN）从张量块中提取3D形态特征。然后通过鲁棒稀疏线性判别分析（RSLDA）融合提取的特征，最后由极值学习机处理融合特征以生成最终结果。实验结果表明，所提出的算法在检测率和误报率方面优于现有方法。

引言

高频表面波雷达（HFSWR）以其低功耗和宽覆盖范围而闻名。目前，它被用于实时检测专属经济区内大范围内的船舶目标。然而，在复杂的电磁环境中，HFSWR回波信号不仅包含船舶目标信息，还包含大量的杂波干扰[1]、[2]、[3]、[4]。对于舰载HFSWR来说，船舶的六自由度运动和前进运动会导致距离-多普勒（RD）频谱中的海杂波多普勒维度变宽。此外，船舶目标还存在能量分散现象[5]、[6]。这些因素使得在海杂波中检测目标变得特别具有挑战性。