● 摘要
针对弱小目标检测技术在雷达反隐身的需要，为了从雷达图像中检测和跟踪到弱小目标的轨迹，同时探讨海杂波的动力系统模型，本论文研究了基于动态规划的TBD检测策略算法，包括雷达图像仿真建模即场景仿真，弱小目标TBD检测策略的动态规划实现，海杂波的混沌特性简析，神经网络结构的简介及其在检测方法中的应用等关键点。本文所做的主要工作可以分为以下几点。本文首先对比总结了弱小目标检测中常见两种策略—TBD策略与DBT策略。借鉴红外与光学图像处理的弱小目标检测算法的研究现状，选择TBD策略作为应用于雷达图像中弱小目标检测策略，在此基础上，根据最优理论原理，重点选择了动态规划作为雷达图像小目标检测策略的实现方法。这部分的工作具体包括弱小目标在雷达图像中的定义，常见TBD算法的概述分析，动态规划算法的一般步骤及其在雷达图像中弱小目标检测的应用，基于动态规划的TBD策略仿真实现，TBD策略下性能分析以及工程化实现方面的分析。本文第二部分主要讨论基于海杂波混沌特性的检测方法。根据现有文献对海杂波混沌特性的论证及相关参数的计算，选择神经网络为工具捕捉产生海杂波的动力系统的动态特性，这是一种新的建模方案，并在IPIX雷达实测数据中得到验证，通过设计BP和RBF神经网络结构，两种神经网络均可以被应用于海杂波中弱小目标的检测，并分析了二者应用时的差别。两部分算法的仿真结果均实现了弱小目标在雷达数据中的检测，证明两种检测方法的有效性。