混沌时间序列中弱信号的检测.pdfVIP

混沌时间序列中弱信号的检测 1 刘瑞平 ，郭昕，沈福民 （西安电子科技大学雷达信号处理国家重点实验室，西安 710071） 摘 要： 首先介绍了混沌的基本特性。然后利用混沌时间序列对 RBF 神经网络进行训练，最后用训练好 的神经网络分别对淹没在混沌杂波及混沌杂波加一定强度的白噪声中的目标进行检测。仿真结果表明这种 方法有着较好的目标检测能力。 关键词： 混沌；RBF 神经网络；目标检测 Weak Signal Detection in Chaos Time Series 1 LIU Rui-Ping , GUO Xin, SHEN Fu-Min (National Key Lab of Radar Signal Processing, Xidian University, Xi’an 710071) Abstract: The basic characteristics of chaos are presented in this paper at first. Then the RBF neural network is trained using chaos time series. Finally, the targets which are submerged in chaos clutter and chaos clutter mixed with a certain intensity of white noise are detected respectively with the trained neural network. Simulation results indicate that this method is effective in target detection. key words: chaos; RBF neural network; target detection 1 引言 海杂波对于海面上或海面附近的点目标回波有重要的影响。由于海杂波具有非高斯、非平稳和 相关等特性，故海杂波中的目标特别是小目标的检测十分困难。针对海杂波的非高斯性和相关性， 已提出了关于其幅度概率密度函数的许多模型，例如Weibull 分布、对数正态分布及相关 K 分布等。 针对其非平稳性，经过大量实验，初步验证了海杂波，特别是高分辨雷达所接收的海杂波具有混沌 特性[1] 。混沌是简单的确定性非线性动力系统表现出的不规则的复杂现象。产生混沌现象的系统具 1作者简介：刘瑞平（1979～），女，现为西安电子科技大学雷达信号处理国家重点实验室硕士研究生。 78-1 有非线性、确定性、正的 Lyapunov 指数等几个基本特点。对于具有混沌特性的海杂波，如果人为地 引入随机模型将会破坏自然界的本来规律，给信号处理带来了损失。本文利用海杂波为混沌信号这 一先验知识，采用神经网络相空间重构的方法，对淹没在混沌杂波背景下的弱信号进行了检测。仿 真结果表明，此方法能有效地检测出混沌杂波背景下的弱信号，且具有一定的杂波抑制能力。 2 混沌序列的特性 2.1 相空间重构 为了方便直观地研究动力系统，了解系统的动力学特征，人们提出了抽象的相空间概念。相空 间就是以系统变量数为维数的多维空间，系统的状态和相空间的点是一一对应的。 可以由系统中某一可观测的时间序列{xi i 1,2,,N }重构m 维相空间，得到一组相空间矢量： x {x ,x +τ ,,x } i 1,2,,M x ∈R m (1)