A survey of target detection technique under sea background by menez

Scientific Journal of Information Engineering June 2014, Volume 4, Issue 3, PP.83-90

A Survey of Target Detection Technique under Sea Background Guangqiang Wei, Yongfeng Zhu, Hongzhong Zhao ATR Lab, National Univ. of Defense Technology, Changsha Hunan 410073, China

Abstract Sea clutter is superposition of a large number of radar backscatter wave, and it has heterogeneity and non-stationary characteristics, which is seriously interferes in detection performance of targets within sea clutter. Three aspects (sea clutter distribution characteristics, radar platform and target echo from sea surface) are discussed in this paper. Keywords: Sea Clutter; Radar Platform; Target Echo; Target Detection

海杂波下的雷达目标检测技术进展评述魏广强，朱永锋，赵宏钟国防科技大学电子科学与工程学院 ATR 重点实验室，湖南长沙 410073 摘

要：海杂波是雷达电磁信号照射到海面产生的大量散射体回波的叠加，并受风力、洋流、海浪等的影响呈现非均匀

性和非平稳性，对雷达目标检测能力造成影响。文章从海杂波特性的分布规律、雷达平台和海面目标回波三个方面对影响海面杂波背景下目标检测能力的因素进行梳理分析。关键词：海杂波；雷达平台；目标回波；目标检测

引言自从雷达问世以来，杂波下的目标检测问题就一直是雷达技术面临的主要挑战之一。而海杂波下的雷达目标检测问题一直是雷达领域的研究热点。雷达在海杂波下的探测能力影响涉及到三方面因素：海杂波特性的分布规律；雷达平台的对检测的影响；目标特性对检测的影响。海杂波是雷达电磁信号照射到海面产生的大量散射体回波的叠加，海杂波德描述一般采用统计分布特性，海杂波分布受电磁波段、极化、分辨力、入射角、海面风速、洋流、浪涌等的影响，因此呈现出一定的复杂性、非均匀性和非平稳性，海杂波伴随在海面目标环境回波中对雷达目标检测能力造成影响。雷达平台是电磁波照射接收的载体，雷达平台的运动状态、运动速度的大小影响海杂波的多普勒分布特性，从而给杂波下目标检测带来不同影响。海面目标回波是雷达信号检测的主体，目标的运动速度、RCS 的大小等条件也是影响雷达检测能力的因素。本文从以上三个方面对影响海面杂波背景下目标检测能力的因素进行梳理分析，指出近年来该领域的研究进展和发展趋势。

海杂波特性对目标检测的影响研究发现海杂波产生的原因是复杂多样的，电磁波段、分辨力、极化、入射角、洋流、风力、潮汐、波

浪等等都影响海杂波，使其在谱上呈现不规则性，幅度统计分布上难以用公式来描述。对海杂波建模从一开始的单参数建模如瑞利分布、对数正态分布等逐渐发展为多参数的 K 分布、复合高斯分布[1]等，但在实际应用中发现这些模型都不能完美反映海杂波的物理特性。 - 83 http://www.sjie.org

1.1 分辨力对海杂波的影响随着高分辨率雷达的发展和应用，海面目标检测性能得到一定的改善，但随着单位面积内的可观测散射点的增多，海杂波对目标检测性能的影响变得越来越显著，距离分辨单元变小，海杂波的统计特性逐渐偏离高斯分布，同时“拖尾”现象严重，使得传统的检测方法性能降低。在高分辨率雷达回波中，分辨率的提高使得分辨单元尺寸变小，单元内的强散射点数目变少，其散射中心对目标物理特性的描述越详细，目标的极化散射特性对其结构特征的反映也就越细致。Carlos L.[2]等对目标瞬态极化特征分解进行了大量的研究和实践工作，并对极化分解下的目标分类和识别进行了归总。国内方面，庄钊文，王雪松[3]等人撰写多部极化特征提取的书籍，对极化信息在应用领域的推广做出了重大贡献。其中，王雪松建立了全新极化信息处理基础框架，为极化特征提取提供了理论基础。

1.2 入射角对海杂波的影响 1.2.1 小入射角情形雷达以较小的入射角照射海面时，雷达回波强度会出现明显增强，杂波幅值的概率密度函数曲线会出现明显的拖尾效应，即海尖峰效应[4]。海尖峰的存在严重影响了对目标的检测能力，使得虚警率变大。近年来学者们对海尖峰的研究表明海尖峰作为海杂波非均匀特性的体现之一，具有很强的起伏特性。文献[5]研究发现水平极化和上风向的海杂波中海尖峰现象更加明显。Gutnik VG 指出海尖峰的空间统计特征和海面碎波的出现的关系[6]，并由入射角和海面阴影部分面积负相关关系，提出海面阴影函数，为海尖峰的分析提供了定量的描述。 Posner Fred L[7]通过对大量实测数据的处理得到在低擦地角、高分辨率和水平极化方式下海尖峰出现的更频繁的结论。Posner F.从定量的角度给出了描述海尖峰的三个特性参数[8]：海尖峰的幅度阈值，最小海尖峰宽度以及相邻海尖峰最小间隔，从而可以描述其统计学测度平均海尖峰持续时间和平均相邻海尖峰间隔。Luke Rosenberg[9]利用时间距离的幅度分布得到的门限来区分数据中的布拉格散射和海尖峰，发现海尖峰主要出现在 HH 极化中的低擦地角区域，还有很少的一部分是出现在 VV 极化的侧风向部分。有的学者还通过建立海尖峰模型的方法来研究其特性。文献[10]基于 K 分布模型，利用二项分布来统计海尖峰出现频数。并对 C 波段的实测数据进行处理，得出 K 分布较之其他模型拟合得更好的结论，但是随着虚警概率的提高，二项分布和泊松分布都会趋于正态分布，而实际的海尖峰统计特性并不服从于正态分布。谢洪森[11]给出了纹理分量提取算法，提出了基于对数正态分布纹理的广义 K 分布模型，通过 X 波段实测数据验证该模型具有很好的拟合度。 Bandiera F 等[12]采用广义似然比检测技术研究了高斯色噪声下的扩展目标检测，但是由于该方法只适用于回波方向矢量已知的情况，所以只能应用在相参雷达系统。Blunt S D 等[13]采用距离窗内二进制检测，然后脉间二进制检测的思路，取得很好的检测的性能，但在参数优化上没能给出详细的选择标准。文献[14]研究了二进制检测器参数和杂波形状参数、扩展目标径向长度之间关系，给出了最优二进制检测器的参数经验公式和选择标准，仿真结果证实了最优二进制检测器的实用性和有效性。 1.2.2 大入射角情形当雷达照射海面的入射角超过一定角度后，海杂波的镜面散射效应增强，单位散射系数迅速上升，尽管海杂波的照射面变小，但是海杂波的散射强度迅速上升。目标检测需要对抗的海杂波很强，同时由于雷达照射海面的足迹变小，雷达回波中的独立杂波单元越来越少，因此可用于杂波参数估计的参考单元数量变少，估计误差增大，甚至没有足够的单元估计杂波参数，导致常用的杂波恒虚警检测算法失效。当雷达朝正下方照射海表面时，严格试验的基础上，人们发现该角度的海杂波截面积几乎与频率无关[15]。对应零风速时它有一个最大值约为+15dB，并与风速呈现负相关的联系。大入射余角的散射通常被认为是倾 - 84 http://www.sjie.org

斜表面的一种镜面散射。当雷达以较大入射角照射海面时，海面会产生碎波的现象，而且在多个连续的距离单元上产生多目标效应，降低了雷达目标的检测性能。学者们利用不同的手段对大入射角下的海面进行模拟和处理。 D.S. W. Kwoh,[16]发现掠入射（LGA）下容易出现的波浪破碎现象，提出用劈散射近似，并依据微扰法和几何绕射理论给出了张力波散射分量和劈散射分量的分析式。也有学者对准镜面散射区进行了研究，文献[17] 给出了准镜面散射区海面散射系数的解析式，并提出垂直入射时海面散射系数的天线波束校正方法。文献[18] 总结了不同海况、不同极化方式、不同方位向和入射角情况下的海面镜面变化规律，利用 Gram-Charlier 分布得到海面镜面后向散射截面定量解析式。针对散射系数的研究和修正也取得了不错的成果。黄际英等[19]分别利用微扰理论和求集平均的方法计算小尺度和大尺度粗糙度后向散射系数，并提出双尺度模型下入射角大于 60 度时用大尺度斜率韦布尔分布代替高斯分布以及入射角大于 80 度时用计算机耦合方法来对后向散射系数进行修正的思路。文献[20]分别采用 VRT（矢量辐射传输方程）和 TSM 方程求解泡沫层和海面的散射系数，并经过白冠覆盖率因子加权得到总的散射系数。文献[21]对中等和大入射角下遮蔽效应进行了定量分析，遮蔽效应会随着入射角、粗糙面均方根斜率以及散射角的增大而更加明显，并引入基尔霍夫近似地得到散射面的计算公式。还有一些学者对双尺度模型进行了改进，使其更加精确地拟合实测数据，如王运华等[22]利用改进后的双尺度模型对海面散射场的频谱特性进行分析，发现掠射下遮蔽效应会增大散射场频移，减短谱宽的现象。

1.3 海杂波非线性建模问题随着信号处理技术的发展，一些新的技术用在了海杂波分析中，比如多重分形分析、混沌模型、人工神经网路和小波分析等。Simon Haykin 等通过对大量的海杂波数据分析，利用相关维数法提出了海杂波具备混沌动态特性。97 年，Simon Haykin 等计算海杂波 Lyapunov 谱和海面回波相关维，发现 Lyapunov 谱的维数和相关维值相近，并进一步深入研究推测出海杂波是有 5~6 个非线性微分方程构成的非线性动力学系统。 Morrison[23]在 93 年首次提出利用分形法来估计海杂波分形维。2002 年 Kantelhardt 提出多重分形消除趋势波动分析（MF-DFA）[24]法，可以反映多个标量指数的奇异测度，并有效的校验一个非平稳序列是否具备多重分形特性。常见的预测神经网络有 BP 神经网络、支持向量机（SVM）和径向基函数（RBF）。RBF 神经网络具备很好非线性逼近能力，有效改善 BP 方法的泛化能力差的问题，而 SVM 是基于结构风险最小原理和 VC 维理论发展起来的机器学习算法，所以不存在泛化能力问题。RBF 神经网络以及支持向量机都凭借着良好的非线性预测能力在海面目标检测中得到了越来越广泛的应用。

雷达平台对目标检测的影响

2.1 岸基雷达平台岸基雷达多位于海岛、海岸高山等地，岸基雷达观测的海杂波相对简单。在岸基雷达系统设计上，有一些可行的方法来提高岸基雷达的检测性能。文献[25]阐述了岸基雷达在目标检测时应注意的因素，并对减小杂波反射截面积削弱杂波干扰提出一些方法：如减小方位波束宽度，增加天线口径，加宽发射脉冲带宽，采用扫描间积累，对海杂波距离去相关，改善目标起伏性能等。考虑到波导效应[26]对岸基雷达的影响，还应当采取降低岸基雷达天线的副瓣电平、增加雷达天线高度、增大接收机的动态和提高信号处理系统改善因子等措施来改善岸基雷达低空探测能力。研究发现，海杂波背景下雷达单元分辨力越大，目标检测能力越好，所以宽带信号检测可以很好的增强海杂波下目标检测能力。但宽带雷达信号检测时数据率高，无法进行实时处理。基于此，陈希信提出一种二次门限非相参积累[27]的检测方案，达到了减小了宽带雷达数据率的效果。动目标检测（MTD）和脉间频率捷变是雷达抑制杂波和抗有源的主要手段。但在实际应用中出现了新的 - 85 http://www.sjie.org

问题，脉间频率捷变使得扫描间起伏目标变成脉间目标，造成相邻脉冲间的信杂比出现严重起伏。文献 [28] 提出一种改进算法，在对同频回波多普勒处理后，非相参积累不同频率的回波，仿真实验证明该方法改善了回波的信噪比并提升了目标检测性能。冀振元[29]等通过对实测数据处理得到岸基观测下的海杂波频谱图分析，验证了高频电磁波与海浪一阶作用会在多普勒谱中形成两个一阶 Bragg 尖峰的分析。王福友[30]等提出利用 Hurst 指数差异估计海杂波物理特性方法，通过实测数据发现含小目标的距离门内数据具备长程依赖性，验证了 Hurst 差值作为判断目标是否存在这一标准的有效性。文献[31]从远景和近景两个角度对岸基平台下的舰船检测进行阐述，利用 OTSU 算法和霍夫变换以及投影法检测远景目标，利用三帧差和背景差相结合的算法缓解物体纹理结构在帧间差后的“空洞”和“双影”现象，对近景目标进行检测，实测结果表明两种策略都具备很高的精确度。

2.2 机载雷达平台机载雷达存在一定的速度，多采用宽波束。其中如何提高机载雷达对较小反射截面积目标的检测跟踪能力是提高其性能的关键。该关键技术的研究主要有设计最佳波形、杂波抑制技术、目标检测技术等。机载雷达多采用脉冲多普勒体制，常见波形有线性调频脉冲串信号、恒载频信号和相位编码信号。线性调频信号优点是对回波中多普勒频移不敏感，缺点是存在距离多普勒耦合现象，相比恒载频信号具备较高速度和距离分辨力，但存在周期性测速、测距模糊现象。相位编码信号可以同时测量多普勒频率和距离，但是由于其多普勒敏感性，不适于高速目标。在杂波抑制方面：黄勇等提出一种基于 FFT 频域的杂波处理法[32]，将 MTD 技术和 AMTI 技术有机结合起来，利用频域自适应滤波来实现时域杂波抑制的目的，该方法计算速度快，且可有效防止目标白化。凌忠 [33]

利用扫描间积累和逻辑对机载平台下目标检测的虚警现象进行改善。上世纪六十年代，相位中心偏置天线（DPCA）[34]技术多用在运动补偿和杂波抑制方面，优点是易于实

现，同时可以很好的抑制主杂波。文献[35]利用预滤波补偿载机运动误差，采用自适应 DPCA 补偿幅相误差，提出稳健的双通道自适应 DPCA 杂波抑制方法。73 年空时自适应处理概念的提出从时空维角度为杂波抑制提供了新思路。刘小洋等[36]根据杂波协方差矩阵和不同目标导向矢量建立功率谱模型，利用 STAP 方法分析不同 PRF 下杂波特征谱，得到 STAP 更适于高脉冲重复频率的结论。95 年，Eli Yadin 提出天线对消主瓣杂波技术[37]，在接受回波时采用两个相同的子孔径天线，先是利用深加权 DFT 滤除通带以外的杂波，后根据平台参数开环调整权系数，形成空域零点滤除通带内的杂波，试验证明该方法可以很好的提高抑制杂波检测性能。在目标检测技术方面 Laura Santos Ugarte[38]提出采用物理屏蔽，高天线增益，旁瓣消除和自适应滤波等技术以实现对直接通路耦合信号压制和获得较大目标回波峰值。机载雷达对海面舰船进行检测时，通常会使用非相参积累或者单脉冲的方法，并采用数据处理的方式来获得目标速度，投影滤波跟踪算法（PFLRR）[39] 的使用使得机载雷达在处理慢速目标时有很好的检测效果。

2.3 弹载雷达平台弹载雷达平台由于其运动速度非常高，海杂波通常是存在多普勒模糊的。在相参雷达体制下，海杂波由于多普勒的影响在距离多普勒平面上呈现非均匀分布特性，许多研究是针对弹载雷达建模展开的：文献 [40] 实现雷达搜索函数的模拟，在一定范围内，该模型降低了模拟的复杂性，但由于其没能完全反映雷达信号处理流程，所以并不能应用到动态模拟中。Liu Jian-cheng[41]等设计了多普勒雷达的信号接受模型和信号处理模型，但是忽略了雷达和目标具备相对高速度情况下的高分辨率雷达信号处理特性。Ching T L.等[42]在波束形状角度加以分析，提出相控阵雷达在干扰方向形成凹口来降低干扰信号增益的方法。付强教授研究了目标机动特性的分类方法，采用标量化目标加速度序列，建立基于一阶马尔可夫（Markov）的分类器[43]的方法来识别目标加速度序列，结果证明该方法具备很好的识别率，且易于计算。 - 86 http://www.sjie.org

除了对弹载雷达建模外，人们还利用抑制旁瓣的方法来提高检测性能。Richard K.[44]将脉冲多普勒技术和相控阵技术结合，通过加权各阵元信号幅度和空时自适应信号处理抑制旁瓣。王建明等[45]提出基于盲源分离的抑制主瓣干扰方法。赵磊等[46]提出在低秩矩阵恢复理论的基础上建立弹载雷达 S  -STAP 模型，利用 RPCA 技术从多普勒序列中分离出目标的稀疏矩阵。文献[47]提出变尺度离散 Chirp-fourier（B-DCFT）变换下的序贯检测算法用于加速目标的检测。通过实测数据证明，修正相控阵雷达空间滤波算法和补偿 IQ 通道相位分别可以很好的抑制旁瓣杂波和主瓣的镜频干扰。在信号处理方面也有一些不错的研究成果。文献[48]利用极化处理和多普勒处理的方法对速度和角度欺骗干扰进行滤除。文献[49]利用将多普勒频率分布转换为方位角频率分布的方法，根据等距和等多普勒线划分杂波网格，可以很好的缓解径向速度引发的多普勒频移现象。刘伟等[50]将随机共振原理引入 PD 雷达检测中，可以得到很好的信杂比。苏晋等[51]提出波束内多运动目标分辨算法，利用超分辨谱估计对去斜率后的回波多普勒频谱处理，从而分离单个和多个目标。此外，宋立众等[52]提出弹载极化 PD 雷达极化滤波方法，利用瞬态极化变换、极化估值对脉压后的高距离分辨信号处理，很好的抑制了与目标同角度、距离单元的干扰信号。

目标特性对雷达检测的影响目标特性主要体现在 RCS 的大小、运动速度等影响。近年来随着隐身技术的发展，目标的 RCS 缩减控

制技术，使得海杂波下的舰船目标检测越来越困难，其本身是一个杂波下弱信号检测问题。此外目标的高速运动容易导致回波信号相位变化剧烈，信号积累效率下降，也可能导致信号变弱。另一个值得注意的问题是慢速运动的小目标由于其多普勒谱线位于海杂波主瓣区域内，信杂比极低，如何发现海杂波中慢速运动的小船或者隐身艇、甚至蛙人等慢速小目标是海杂波下目标检测面临的挑战。其径向距离变化率会产生高次幂的变化。所以对高速运动目标特性的研究是提高度该类目标检测性能的关键。频分包络移位算法则通过补偿包络对齐误差来改进积累效果。微弱目标检测算法和多脉冲扩展目标检测方法在 Keystone 变换基础上对距离单元走动现象进行修正。频谱搬移误差和回波信号混频处理方法和 RAT 线性参数法都可以很好地衡量频谱带宽，并解决了搬移误差问题。在目标跟踪方面，文献[53]利用自适应的多假设波门航迹起始算法和航迹起始等级化方法对航迹起始进行定量分析，文献[54]比较了乘积型模糊函数（PHAF）和联合时频表示（AGR）这两种运动补偿方法，对两种方法的应用条件进行了划分。在雷达波形方面也有一些新的进展。文献[55]采用最小均方误差估计（MMSE）准则自适应调整波形，提高了识别性能。王彬[56]给出了几种不同准则下认知雷达的自适应波形设计算法。文献[57]通过设计自适应的波形捷变组网雷达发射波形，实现对扩展目标的识别。由于海杂波背景相关性导致能量无法累积，所以在慢速小目标检测上首先要考虑背景的去相关。在这一前提下出现了一些以检测前跟踪和扫描间积累为主的检测方法。Rutten M G.将存储的多次扫面数据处理得到速度距离二维像，将帧间的扫面数据沿着预定轨迹累积和相关处理[58]，利用帧间杂波能量和目标能量的相关性差异，有效剔除背景杂波，缺点在于需要获得在多帧图像中目标轨迹，运算量非常大。目前出现了多种改进方法，如动态规划法等。关键等提出一种扫描间积累的分维数估计法[59]对传统的分型参数法进行了改进。文献[60]将可变步长最小二乘（FB-VSLMS）算法用于分形参数估计中，并在实测结果上取得了较高的检测精度。肖春生等利用修正 Morlet 分布[61]的检测方法分别处理含有目标和不含目标的海杂波数据，提高了约 3dB 的检测性能。

结束语从现有的研究成果来看，对海杂波信号的处理大多是采用海杂波建模方法，从统计特性以及时空相关行

角度来拟合实测数据。对海杂波非线性的处理是以后的一个研究方向，随着混沌分形等理论的完善和发展， - 87 http://www.sjie.org

也愈将推动实际应用的发展。目标极化信息可以本质地反映其形状等结构，通过极化信息可以更全面的获取目标特性信息。随着极化信息在目标检测上体现越来越多的优势，以及高分辨率技术对雷达方位距离上分辨率的提高，将极化信息处理和高分辨技术相结合是推动目标识别取得更大进展的一个可行方向。

REFERENCES [1]

Sutour Camille, Petitjean Julien, Watts Simon, Quellec Jean-Michel, Kemkemian Stephane. Analysis of K-distribution sea clutter and thermal noise in high range and Doppler resolution radar data. IEEE National Radar Conference-Proceedings, 2013

[2]

Carlos L. M, E. Pottier, S. R. Cloude. Statistical Assessment of Eigenvector-Based Target Decomposition Theorems in Radar Polarimetry. IEEE. Trans. On Geoscience and Remote Sensing, 2005, 43(9): 2058-2074

[3]

Zhuang Zhaowen, Li Yongzhen, Xiao Shunping, Wang Xuesong. Statistical Characteristics and Processing of Instantaneous Polarization. Beijing: National Defence Industry Press, 2005

[4]

Mei Xiaoan. A study on the Statistical Characteristics of IPIX Radar Sea Spikes. Journal of Spacecraft TT&C Technology, 2007, 26(2): 19-23

[5]

Posner FL, Spiky sea clutter at low grazing angles and high range resolutions [C]. IEEE Proceedings of the 1998 IEEE Radar Conference. Piscataway, NJ. USA: IEEE, 1998: 405-410

[6]

Gutnik VG, Kulemin G P, Sharapov LI. Spike statistics features of the radar sea clutter in the millimeter wave band at extremely small grazing angles [J]. Physics and Engineering of Millimeter and Sub-Millimeter Waves (S0018-8976), 2001, 43(3): 426-428

[7]

Posner Fred L. Spiky sea clutter at high range resolutions and very low grazing angles [J]. IEEE Transactions on aerospace and electronic systems (S0018-9251), 2002, 38(1): 58-73

[8]

Posner F, Gerlach K. Sea spike demographics at high range resolutions and very low grazing angles [C]. Radar Conference, Proceedings of the 2003 IEEE, Huntsville, AL, United States: Institute of Electrical and Electronics Engineers Inc: 38-45

[9]

Luke Rosenberg. Sea-Spike Detection in High Grazing Angle X-Band Sea-Clutter. IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, 2013, 51(8): 4556-4562

[10] Yang Jun-ling, Li Dazhi, Wan Jian-wei, Huang Fu-kan. Sea Spike Characteristics Studies and Simulation Analyses. Journal of System Simulation, 2007, 19(8): 1836-1840 [11] Xie Hongsen, Zou Kun, Zhou Peng. Statistical Analysis of Sea Clutter at Low Grazing. Radar Science and Technology, 2011, 9(2): 172-179 [12] Bandiera F, Maio A, Stefano A. Adaptive Radar Detection of Distributed Targets in Homogeneous and Partially Homogeneous Noise Plus Subspace Interference [J]. IEEE Trans. On Signal Processing, 2007, 55(4): 1223-1237 [13] Blunt S D, Bawden P J. High resolution RCS measurements of boats [J]. IEE Proceedings of Radar and Signal Processing, 1991, 138(3): 218-222 [14] Zhao Hongzhong, Chen Yuanzheng, Zhu Yongfeng. Optimal Binary Detection Strategy for Range-extended Targets in Sea Clutter. Systems Engineering and Electronics, 2011, 33(5): 982-986 [15] Merrill Skolnik, Radar Handbook. (Second Edition). Beijing: Publishing House of Electronics Industry, 2003 [16] D.S. W. Kwoh, B. M. Lake. A deterministic, coherent, and dual polarized laboratory study of microwave backscattering from water waves, part 1: short gravity waves without wind. IEEE J. Oceanic Eng, 1984, OE-9(5): 291-308 [17] Xue Deyong, Wu Shuchu. A Study of the Antenna Beam Correction of Sea Surface Scattering Coefficient at Normal Incidence. Journal of Astronautics, 1984: 8-18 [18] Wang Ke, Hong Jun, Ming Feng, Ding Yan. Ocean Surface Specular-point Scattering Model Based on the Gram-Charlier Distribution [ J]. Journal of the Graduate School of the Chinese Academy of Sciences, 2010, 27(5): 645-650 [19] Huang Jiying. Calculation of the Backscatter Coefficient of sea Surface at Large Incident Angles. Chinese Journal of Radio Science, 1992, 7(3): 21-28 [20] Tian Jiwe, Cao Hongjie. Wave Breaking on The Influence of Sea Surface Microwave Backscattering Coefficient. Science in China, - 88 http://www.sjie.org

2001, 31(4): 342-352 [21] Guo Lixin, Ren Yuchao, Wu Zhensen. Study on the Shadowing Effect and Doppler Spectra for the Scattering from the Time-Varying Fractal Rough Sea Surface. Journal of Electronics & Information Technology, 2005, 27(10): 1666-1670 [22] Wang Yunhua, Zhang Yanmin, Chen Haihua. Doppler Spectra of Microwave Scattering Fields from Nonlinear Oceanic Surface at Moderate-and Low-grazing Angles. http://www.paper.edu.cn [23] Morrison A I, Srokosez M A, Estimating of the fractral dimension of the sea-surface attrmpt. Annales Geophysicse-Atriiospheres HY drosspheres and Space SCI, 1993, 6(2): 648-658 [24] Kantelhardt J W, Zschiegner S A, Koscielny-Bunde E. Multifractal detrended fluctuation analysis ofnonstationary time series. Physics, 2002, 316: 87-114 [25] Lei Wangmin, Zhang Biao. Anti-sea Clutter Technology for Shore-based Radar. Modern Radar, 2006, 28(5): 5-7 [26] Li Xuesen, Yu Jian, Qiu Dehou. Atmospheric Duct Characteristic and Its Effect on Seacoast-Based Radar. Electronic Warfare Technology. 2012, 27(1): 73-77 [27] Chen Xixin, Liu Gang. Detection Method for Wideband Radar Signal. Modern Radar, 2005, 27(8): 28-31 [28] Liu Leisong, Zhang Yongquan, Cai Chenxi, Liu Xiaojun. An Improved Algorithm for Compatibility of Pulse-to-Pulse Frequency Agility and MTD. Computer Simulation, 2011, 28(2): 5-8 [29] Ji Zhenyuan, Meng Xiande, Zhou Hemi. Analyses of Clutters in HF Ground Wave Over-the-Horizon Radar. Systems Engineering and Electronics, 2000, 22(5): 12-14 [30] Wang Fuyou, Yuan Gannan, Zhou Weidong, Hao Yong. Small Target Detection in Sea Clutter Based on Hurst Exponent Difference. Radar Science and Technology, 2009, 7(2): 129-134 [31] Hua Rui. Research on Moving Ship Detection [D]. Tianjin: Tientsin University, 2009 [32] Huang Yong, Peng Yingning, Wang Xiutan, Xu Junyi. Adaptive Clutter Suppression Method for Airborne Radar Baced on Frequency Domain. Systems Engineering and Electronics, 2000, 22(12): 4-6 [33] Ling Zhong. Analysis of Airborne Maritime Surveillance Clutter Suppression Performance. Modern Radar, 2012. 34(7): 41-43 [34] Delphine Cerutti-Maori. A Generalization of DPCA Processing for Multichannel SAR/GMTI Radars. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(1): 560-572 [35] Liu Xiangyang, Liao Guisheng, Yang Zhiwei, Qu Yi. DPCA Error Compensation and Robust Clutter Suppression for Multi-ChannelAirborne Radar. ACTA ELECTRONICA SINICA, 2009, 37(9): 1982-1988 [36] Liu Xiaoyang, Li Yong, Li Ruike. Clutter Suppression Optimize and Performance Analysis of Airborne Radar Clutter. Computer Simulation, 2013, 30(4): 108-111 [37] Eli Yadin. A Performance Evaluation Model for a Two Port Interferometer SAR-MTI. IEEE National Radar Conference, 1996: 261-266 [38] Danny Kai Pin Tan. Marc Lesturgie. Hongbo Sun. Yilong Lu. Target detection performance analysis for airborne passive bistatic radar. IGARSS 2010 IEEE: 3553-3556 [39] Zhang Yan, Huang Xiaobin. Improved Tracking Method for Sea -surface Ship Target. Computer Engineering and Applocations, 2011, 47(25): 239-241 [40] Gao feng. Design and simulation for Doppler radar seeker. Guidance and Fuze, 1999, (3): 1-7 [41] Liu Jiancheng, Li Dun, Wang Xuesong. Modeling and Simulation of Pulsed Doppler Radar Seeker. Systems Engineering and Electronics, 2003, 25(6): 674-677 [42] Ching T L, Huang L. Sidelobe reduction through subarray overlapping for wideband arrays. Proc of IEEE Radar Conference, 2001: 228-233 [43] Fu Qiang, Chen Fubin, Zhang Jun, Xiao Huaitie. Maneuvering Targets Classification Method Based on Markov Model. Systems Engineering and Electronics, 2003, 25(5): 568-571 [44] Richard Klemm. Space Time Adaptive Processing Principle. (Third Edition). Beijing: Higher Education Press, 2009, 43-59

- 89 http://www.sjie.org

[45] Wang Jianming, Wu Guangxin, Zhou Weiguang. A Study on Radar Mainlobe Jamming Suppression Based on Blind Source Separation Algorithm [J]. Modern Radar, 2010, 32(10): 46-49 [46] Zhao Lei, Wang Huan, Fu Jinbin, Sun Jinping. S  -STAP Low-rank Matrix Recovery Detection Algorithm for Radar Seeker. Journal of Signal Processing, 2013, 29(9): 1098-1104 [47] Zhang Jun. Study on Missle-borne MMW PD Radar Guidance Information Processing [D]. Changsha: National University of Defense Technology, 2001 [48] You Xianliang. The Application of Polarization Informance to Target Detection in the Missle Radarr System. Nanjing: Nanjing University of Aeronautics and Astronautics, 2011 [49] Xiaobo Luo, Zheng Liu, Zaiqi Lu, Qiang Fu. Modeling and simulation of sea clutter for missile-borne radar. International Symposium on Photoelectronic Detection and Imaging 2011. Proc. of SPIE. 81911A: 1-7 [50] Liu Wei, Lu Zaiqi, Zhu Yilong. A Method for PD Radar Dim Target Detection Based on Stochastic Resonance Principle. Modern Radar, 2011, 33(3): 34-38 [51] Su Jin, Chen Fubin, Zhang Jun, Fu Qiang. Multiple Moving Targets Resolving Based on Relac Spectrum Estimation. Systems Engineering and Electronics, 2003, 25(11): 1313-1317 [52] Song Lizhong, Qiao Xiaolin, Wu Qun. Phased Array Radar on Missles and Its Polarization Filtering Method. Chinese Journal of Radio Science, 2009, 24(6): 1071-1077 [53] Huo Hangyu. The Research of Track Initiation for Fast Targets. Harbin: Harbin Institute of Technology, 2006 [54] Xu Rencan, Huang Xiaohong, Chen zengping. The Study for Method of High Velocity Compensation for Profile of Spatial Targets. Signal Processing, 2007, 23(4): 607-610 [55] Dai F Z, Liu H W, Wang P H. Adaptive waveform design for range-spread target tracking [J]. IET Electronics Letters, 2010, 46(11): 793-794 [56] Wang Bin, Wang Jinkuan, Song Xin. Adaptive Waveform Selection Algorithm Based on Q-learning in Cognitive Radar [J]. Systems Engineering and Electronics. 2011, (5): 1007-1012 [57] Wei Yimin, Meng Huadong, Liu Yimin. Extended target recognition in cognitive radar networks [J]. Sensors, 2010, (10): 181-197 [58] M. G. Rutten, N. J. Gordon, S. Maskell. Recursive track-before-detect with target amplitude fluctuations. IEE Proc. Radar Sonar Navig, 2005, 152(05): 345-352 [59] Guan Jian, Li Xiuyou, Huang Yong, Zhang Jian. A Target Detection Method Based on Sea Clutter Fractral Characteristics. Electronics Optics & Control, 2008, 15(12): 5-9 [60] Liu Ningbo, Guan Jian, Zhang Jian. Low-Observable Target Detection in Sea Clutter Based on Fractal-based Variable Step-Size LMS Algorithm. Journal of Electronics & Information Technology. 2010, 32(2): 371-376 [61] Xiao Chunsheng, Cha Hao, Zhou Mo. Targets Detection of Sea Clutter Background Based on Modified Morlet Distribution. Journal of Detection & Control, 2012, 34(2): 67-71

【作者简介】 1

魏广强（1991-），男，汉，山东聊城人。现为国防科技大学

朱永锋（1979-），男，汉，江西南通人。国防科技大学 ATR

ATR 国防科技重点实验室硕士研究生。研究方向：雷达信号

国防科技重点实验室硕士讲师。研究方向：雷达信号处理、

处理、雷达目标检测与识别。

目标识别。

Email: guangqiang0310@126.com

赵宏钟（1971-），男，汉，山西寿阳人。国防科技大学 ATR

国防科技重点实验室教授。研究方向精确制导、雷达信号处理与自动目标识别。

- 90 http://www.sjie.org