-
摘要: 在复杂海洋环境条件下,海上目标探测性能受海杂波的影响很大。海杂波影响因素众多,机理复杂,特征描述和抑制难度大,需要开展长期、系统、持续、深入研究。开展海杂波测量试验并获取不同参数影响下的测量数据,是有效支撑该研究的重要前提。该文重点围绕海杂波测量试验情况,从岸基试验和机载试验两个方面,对加拿大、南非、澳大利亚、美国、西班牙、德国等国家开展的典型外场试验进行了归类梳理和总结,回顾了美国和日本开展的造浪池海杂波测量试验,并简要介绍了国内开展的海杂波测量试验和烟台的海上目标探测试验中心建设情况。最后,对后续试验仍需重点关注的方向做了展望,包括系统性、持续性的海杂波测量试验仍需进一步开展,任务背景牵引的海杂波测量试验及数据分析仍需强化,面向智能雷达应用的海杂波和目标回波数据集亟需构建。Abstract: In complex marine environments, sea clutter greatly affects the detection performance of maritime targets. Because the influencing factors of sea clutter are numerous and the mechanism is complex, there are great difficulties in feature description and sea clutter suppression, and it is necessary to carry out long-term, systematic, continuous, and in-depth research. Carrying out sea clutter measurement experiments and obtaining measurement data under the influence of different parameters is an important prerequisite for supporting this research. This paper mainly focuses on the sea clutter measurements that have been carried out. First, typical experiments in various countries such as Canada, South Africa, Australia, the United States, Spain, and Germany are categorized and summarized from the aspects of shore-based experiment and airborne experiment. Then, sea clutter measurement experiments with wave tank conducted by the United States and Japan are reviewed, and domestic sea clutter measurement experiments as well as the construction of the maritime target detection experimental center in Yantai are briefly introduced. Finally, the future research directions that should be emphasized are projected: more systematic and continuous sea clutter measurement experiments need to be conducted; experiment and data analysis under explicit task background need to be strengthened; and sea clutter and target datasets that meet the requirement of intelligent radar applications need to be urgently constructed.
-
Key words:
- Sea clutter /
- Target detection /
- Measurement experiments /
- Property description /
- Radar
-
1. 引言
作为现代通信、探测和测试系统中的核心部件,频率综合器能够在一定带宽范围内灵活输出高精度、高稳定的频率信号,广泛应用于无线通信、雷达探测、测试与计量、卫星等领域[1–4]。随着技术的发展,高频率、大带宽、低相噪及低杂散成为新一代高性能频率综合系统的必然演进方向。传统基于微波技术的频率综合技术采用低频晶体振荡器作为参考源,通过倍频锁相的方式产生高频信号,但是所产生的高频信号的相位噪声在倍频锁相过程中被快速恶化(20lgN, N为倍频因子),难以进一步提升。
相比之下,光子技术具有低噪声、低损耗和大带宽等关键优势,因此通过光子技术实现频率综合已获得人们的广泛重视[5–9]。光域实现微波频率综合技术主要包括双光频梳锁定技术[5],飞秒锁模激光器锁相技术[6],半导体激光器注入锁定技术[7]和基于光电振荡器(Opto-Electronic Oscillator, OEO)的锁相技术[8,9]等。双光频梳锁定技术和飞秒锁模激光器锁相技术本质上都需要选出两个光波长进行拍频,将拍频产生的微波信号作为频率综合器的参考信号。这两种技术都能产生高稳定的参考信号,但为了保证选出的两个波长的频率稳定性,需要对光频梳对或者锁模激光器进行复杂的控制,很难具有实用性。而基于半导体激光器的注入锁定技术[7]能够实现宽带频综信号产生,但是由于主光波长和从光波长之间无法严格相位锁定,因此产生的频综信号相位噪声性能较差。与前3种技术不同,基于OEO的频率综合技术采用OEO输出的高频、低相位噪声的微波频率作为参考信号,利用锁相环技术将频率综合器的输出信号和光电振荡频率进行相位锁定,进而实现宽带高性能的频率综合信号产生。基于该机理,Peng等人[8]利用锁相OEO实现了高频率分辨率的X波段频率综合器,输出频率范围覆盖8~10 GHz。该技术避免了传统倍频锁相技术引入的相噪恶化,但其OEO输出频率的相位噪声仅为–100 dBc/Hz@10 kHz,极大地限制了频率综合器性能的提升。此外,Beltchicov等人[9]基于振荡频率为10.2 GHz的OEO及锁相技术也实现了9~18 GHz的频率综合器。该系统通过频率合成输出的10 GHz信号相位噪声约为–120 dBc/Hz@1 kHz以及–140 dBc/Hz@10 kHz,具有很好的相噪性能。值得注意的是,该方案中采用的OEO相位噪声约为–122 dBc/Hz@1 kHz和–151 dBc/Hz@10 kHz,从根本上保证了频率综合器输出信号的频谱纯度及噪声性能。综上所述,基于超低相位噪声OEO的频率综合技术为实现高性能先进频率综合系统提供了有效新思路。
本文提出了一种基于级联相位调制器(Phase Modulator,PM)的注入锁定OEO及其频率综合系统。与传统的OEO[10–12]相比,本文利用相位调制技术展宽光谱并保持光功率恒定,降低振荡环路中光纤引入的受激布里渊散射[13]、自相位调制[14]以及四波混频[15]等非线性影响。采用注入信号和光电振荡信号分别独立调制的方式,隔离注入信号对振荡环路微波器件的反向干扰,从而消除微波链路中反射干扰对振荡信号的影响。双输出马赫曾德尔干涉器(Mach-Zehnder Interferometer,MZI)实现相位调制到强度调制的转化,之后通过平衡探测的方式消除系统共模强度噪声,大幅提升系统信噪比。此外,本文基于所提出的OEO,联合直接数字频率合成(Direct Digital frequency Synthesis, DDS)与锁相环(Phase-Locked Loop, PLL)的混合锁相技术,实现了宽带、高性能频率综合信号的产生。本文中,首先提出并分析基于级联相位调制器的注入锁定OEO的结构、机理及其性能,然后提出基于上述OEO的频率综合系统结构与原理,最后搭建基于级联相位调制器的注入锁定OEO的频率综合实验系统,并对其产生信号的性能开展研究与分析,证实所提OEO及其频综系统的可行性与技术优势。
2. 基于级联PM的注入锁定光电振荡器
图1所示为基于级联相位调制器的注入锁定OEO结构示意图,主要由光源,相位调制器(PM1, PM2),光纤,双输出MZI,平衡探测器(Balanced PhotoDetector, BPD),放大器,窄带带通滤波器(BandPass Filter, BPF),压控移相器(Voltage-Controlled Phase Shifter, VCPS),注入源以及锁相环等各部分组成。PM1将注入源输出的信号相位调制到光源输出的光载波上,输出的相位调制光信号在级联的PM2中相位调制上光电振荡信号,并输出级联相位调制后的光信号。PM2输出的光信号经过长光纤延时后,在双输出MZI中实现相位调制到强度调制的转化,输出两路差分的强度调制光信号,并在BPD中进行平衡探测,实现光信号到电信号的转化。平衡探测后的微波信号经过放大器、带通滤波器及压控移相器后连接至PM2的射频端口形成振荡环路。若注入源信号关闭,当反馈环路满足自由振荡条件后[16],OEO将输出频率为带通滤波器中心频率附近的振荡信号,但是自由振荡的OEO输出频率不固定,且边模抑制较差。
为了使OEO输出固定频率且具有高杂散抑制比,本文将注入源信号打开,调制到PM1上,并通过PM2、光纤、双输出MZI和BPD进入至光电振荡环路,且注入信号频率与带通滤波器的中心频率保持一致。得益于注入信号的牵引与对其它振荡模式的抑制作用,OEO将在注入信号频率处形成振荡,并在带通滤波器输出端口输出高杂散抑制比的振荡信号[10]。此外,为了提高环路信号的信噪比以及降低振荡信号的相位噪声,光源输出功率需要尽可能提高。但是基于传统强度调制的OEO方案,随着光源功率提高,进入到光纤中的强度调制光信号功率也将提升,容易激发光纤中的各类非线性效应[14,17],比如受激布里渊散射、自相位调制及四波混频等。本文在进入长光纤前采用相位调制方式,将光载波的能量分散到各个调制边带上,降低了光纤中受激布里渊散射的影响[17]。同时相位调制不影响输出光信号强度,保持光能量在光纤传播中不随时间变化,从而降低光纤克尔非线性引入的噪声影响。此外,为了提升OEO的频率稳定性,本文将OEO输出频率相位锁定到注入源信号上,即采用PLL技术将OEO的输出频率与注入源信号鉴相并将获得的误差信号控制VCPS的相位变化,从而反馈控制光电振荡环路的相位,最终实现OEO输出频率的稳定。值得注意的是,本文引入的双输出MZI级联平衡探测器的方法拥有两倍于基于传统强度调制OEO的光功率,光电转化后产生的微波功率提升6 dB[18],可大幅提升振荡信号的信噪比。接下来对其进行理论分析,令通过PM1, PM2以及光纤后,输入MZI的光场为
E(t)=E0exp[jωc(t−τ0)+jθ(t−τ0)] (1) 其中,E0为进入MZI的光场幅度,
ωc 为光载波角频率,θ(t) 为经过PM1和PM2后相位调制总和,τ0 为光纤引入的时延。假设双输出MZI的两臂之间引入的时延差为τd ,φd 为MZI中两臂引入的相位差,那么MZI两臂输出光场E1(t), E2(t)分别为(忽略MZI本征长度)E1(t)=√22[ejφdE(t−τd)+E(t)]E2(t)=√22[ejφdE(t−τd)−E(t)]} (2) 双输出MZI的两路输出光信号分别注入到BPD中,通过BPD转化成电信号,并输出差分后的光电流i(t),可表示为
i(t)=2ℜcos[θ(t−τ0)−θ(t−τ0−τd)+ωcτd+φd] (3) 其中,
ℜ 为BPD中单个探测器的响应度。由于光电振荡器输出的信号为单频信号,所以可以令θ(t)=βcos(ω0t) ,其中ω0 为振荡信号的角频率,β 为小信号调制系数。调节MZI的延时使得ω0τd=(2n−1)π ,其中n为整数,同时调节MZI的相对相位差使得ωcτd+φd=π/2 ,最终由式(3)可得(忽略高阶分量)i(t)=4ℜβsin(ωt−ωτ0) (4) 由式(2)、式(3)、式(4)式可得,BPD输出的信号比单路PD输出微波信号功率提升了4倍,从而大幅度提升了系统的信噪比。
根据图1的原理结构,搭建了基于级联PM的注入锁定OEO,输出信号频率为9.9999914 GHz,其结果如图2所示。图2(a)为OEO输出信号在频率范围为1 MHz、RBW为1 kHz的频谱图。由图2(a)可知,OEO输出信号杂散抑制比大于85 dB,表明该系统具有很低的杂散分量。这些杂散分量主要来自于光电振荡环路中残余的竞争模式。接下来对本文所提的OEO输出频率的相位噪声进行分析,如图2(b)中蓝色曲线所示,系统产生的光电振荡信号在1 kHz频偏处的相位噪声为–127.2 dBc/Hz, 10 kHz频偏处的相位噪声为–153.1 dBc/Hz,振荡模式模式间隔为46 kHz左右。作为对比,红色曲线为商用基于微波技术实现的高性能微波源(E8257D, Keysight)在同频点处的相位噪声曲线,其相位噪声为–105 dBc/Hz@1 kHz以及–114.4 dBc/Hz@10 kHz。对比分析可知,本文所提出的基于级联PM的注入锁定OEO在1 kHz和10 kHz频偏处的相位噪声比E8257D分别低22.2 dB和38.7 dB,表明本系统实现了超低相位噪声信号的产生。
为了分析光纤非线性效应对OEO相位噪声的影响,本文在相位调制器为小信号调制状态且输出光功率为15.5 dBm情况下,依次在环路光纤前端和后端增加光衰减器,测试不同光衰减量下的相位噪声情况。如图3所示,蓝色曲线和红色曲线分别为在环路光纤的前端和后端增加光衰减器、对应OEO在10 kHz频偏处的相位噪声随光衰减量的变化情况。对比两条曲线可知,当光衰减量从0~5 dB变化时,红色曲线对应的相噪变化较小,而蓝色曲线对应的相位噪声值比红色曲线有了极大的提升,且逐步接近–150 dBc/Hz。表明高功率的调制光信号激发了光纤中的非线性效应,严重地恶化了OEO的相位噪声。通过在光纤前端增加光衰减,降低进入光纤的光功率,可达到降低光纤非线性效应影响、提升OEO性能的效果。当光衰减量从5.0~8.8 dB变化时,蓝色曲线对应的OEO逐渐从最优的相位噪声恶化至–130 dBc/Hz左右,恶化的主要来源为环路衰减引起的信噪比损失。而红色曲线对应的相位噪声仍然比蓝色曲线高近20 dB,表明光纤非线性效应对相位噪声的影响在红色曲线中仍然表现显著。所以,为了实现最优化的相位噪声性能,需要提高系统信噪比同时尽可能降低光纤中非线性效应的影响。
3. 基于超低相噪OEO的频率综合系统
目前,实现频率综合器的主要方式包括直接模拟频率合成、DDS、混频法频率合成以及锁相环频率合成等几种途径[19]。结合第2节所提出的基于级联PM的注入锁定OEO,本文利用DDS与锁相环技术实现宽带、高性能频率综合系统,输出频率为5.9~12.9 GHz,其系统结构如图4所示。
基于级联PM的注入锁定OEO为本文所提出频率综合系统提供高性能参考信号。如图4所示,OEO输出的9.9999914 GHz信号通过功分器分为A, B, C 3路,其中A路输出信号与压控振荡器(Voltage-Controlled Oscillator, VCO)在混频器1中混频产生0.1~1.1 GHz的中频信号。B路输出信号经过10分频器分频后,产生多个次谐波分频分量,其中1 GHz, 2 GHz, 3 GHz的分频分量分别由对应的带通滤波器选出。频率为3 GHz的分频分量被选出用作DDS的外部参考时钟。DDS的输出频率通过编程控制,可实现0.2~1.2 GHz的频率输出。DDS输出信号与来自混频器1中的中频信号再次混频,输出频率为100 MHz的中频信号,并与C路的光电振荡频率100次分频后的信号一起输入至鉴相鉴频器中(Phase-Frequency Detector, PFD)。PFD输出的误差信号经由带宽为1 MHz的环路滤波器(Loop Filter, LF)提取,并反馈至VCO,进行频率稳定控制,从而实现VCO到OEO的相位锁定。当锁相环路稳定后,VCO可输出频率为8.9~9.9 GHz的信号。然后,通过将VCO输出信号与OEO的10分频信号中1 GHz, 2 GHz或3 GHz的分频分量在混频器3处混频,实现频率为5.9~12.9 GHz的频率输出。
此外,为了实现宽频谱范围内频率的快速切换,系统引入射频开关(SW1, SW2, SW3及SW4),并通过FPGA对其快速控制。由于频综系统中引入了多个混频器,混频器输出的交调分量将会恶化系统的杂散抑制度,因此在信号输出端引入带宽为500 MHz的带通滤波器组(BPF Group)对杂散信号进行滤除,抑制残余的杂散分量。本系统通过引入高频、超低相位噪声参考源,可实现频率综合器锁相环路中分频系数的大幅降低,避免相位噪声的倍频恶化,从而保证了系统信号的高性能输出。
4. 实验及结果分析
基于图4所示结构图,搭建了基于超低相位噪声OEO的频率综合器系统,其中OEO采用基于级联PM的注入锁定技术,输出频率与注入源频率同频(9.9999914 GHz)。OEO中激光器(Emcore 1782)输出波长为1550.2 nm,输出光功率为20 dBm。环路中光纤为单模光纤,类型为G652D,模场直径为9.3 μm。光纤长度约为4.4 km且注入至光纤中的光功率约为 13 dBm。为保证注入信号不对光电振荡器相位噪声造成影响,注入功率低于–15 dBm,对应信号的相位噪声为–118 dBc/Hz @1 kHz以及–122 dBc/Hz @10 kHz。此外,该频率综合系统主要还包括VCO(Hittite-HMC511), DDS(ADI-AD9914), PFD(Hittile-HMC439),分频器,混频器,低噪声放大器,带通滤波器,功分器和射频开关等。实验过程中,采用相噪分析仪(FSWP-50, R&S)对频率综合信号的频谱和相位噪声进行分析,使用实时示波器(Keysight DSOX93304,采样率80 GSa/s)对跳频信号进行采样与分析。
为了验证以基于级联PM的注入锁定OEO为参考源,锁相后VCO的输出信号性能,调节DDS参数,使其输出599.9914 MHz信号用于VCO的鉴相鉴频,从而使VCO输出9.4 GHz的微波信号,其频谱图如图5(a)所示。由图5(a)可知,VCO成功产生了频率为9.4 GHz的微波信号,且杂散抑制比在10.0 MHz的频率范围内达到74.3 dB。需要注意的是,在9.4 GHz频率两侧频偏大约1 MHz处有两个较高的噪声包络,该噪声包络主要由带宽为1 MHz的锁相环引入。此外,本文还对VCO输出9.4 GHz信号的相位噪声进行了分析,图5(b)给出了锁相前VCO输出相噪曲线(黑线),锁相后VCO输出相噪曲线(红线)以及OEO信号的相噪曲线(蓝线)。由图可知,锁相后输出信号的相位噪声在1 kHz和10 kHz频偏处分别为–115.3 dBc/Hz和–130.7 dBc/Hz,比锁定前信号的相位噪声分别低65.2 dB和47.3 dB,表明VCO输出信号锁相至OEO后相位噪声比锁相前有了极大的提升。值得注意的是,锁相后VCO信号的相位噪声相对于OEO相噪仍然有较大的差距,在1 kHz和10 kHz频偏处比OEO的相位噪声分别高11.9 dB和22.4 dB,其主要原因在于VCO本征噪声、DDS本征噪声和锁相环带内噪声的总噪底比OEO的噪底要高。为进一步降低VCO输出信号的相位噪声,可通过引入更低本征噪声的VCO和DDS,并优化锁相环的有源噪声。
改变DDS输出频率,VCO输出频率也会随之变化。图6为VCO输出信号频率为8.9~9.9 GHz、步进为0.1 GHz的相位噪声和杂散抑制情况。由图6(a)可知,VCO输出各频点在10 kHz频偏处的相位噪声值为–130 dBc/Hz左右,表明VCO锁相至超低相噪OEO后实现了宽带、低相噪信号的产生。图6(b)为VCO输出各频点的杂散抑制情况,从图中可知,各频点杂散抑制比都大于70 dB,说明该系统具有高频谱纯度。
由于VCO输出的频率范围有限,为进一步拓展频率综合系统的输出频率范围,将VCO的输出信号与OEO的10分频后的次谐波分量(分别为1 GHz, 2 GHz, 3 GHz)进行混频,从而实现了5.9~12.9 GHz的频率合成,其结果如图7所示。图7(a)为本文所提出频率综合系统输出频率为5.9~12.9 GHz、步进为1 GHz情况下的相位噪声曲线。由图7(a)可知,频率综合系统输出信号的相位噪声在5.9~12.9 GHz范围内具有高一致性,且在近频偏处相对于VCO有极大提升。图7(b)分析了该频率综合系统的在不同频率下、10 kHz频偏处的相位噪声值和杂散抑制情况。由图可得,其10 kHz频偏处相位噪声在5.9~12.9 GHz范围内均低于–125 dBc/Hz,最低能到–135 dBc/Hz,表明该系统在更大工作频率范围下仍然能保持低相位噪声的信号输出。值得注意的是,输出信号的杂散抑制比随频率在65~70 dB范围内变化,比图6(b)恶化了5 dB左右,主要原因在于混频器是非线性器件,混频后的信号中包含众多交调分量,恶化了系统杂散性能。此外,还对频率综合系统的跳频时间进行了分析,如图7(c)所示,从9.04 GHz到9.02 GHz的跳频时间低于1.48 μs,表明该系统具有快速跳频性能。
5. 结束语
本文提出一种基于级联PM的注入锁定OEO及其频率综合系统。该OEO利用相位调制输出光信号具有光谱宽、功率恒定的特点,降低了光纤中的非线性效应引入的强度噪声。还利用双输出MZI级联BPD的结构实现相位调制到强度调制的转化并有效提高了系统的信噪比。为了降低光电振荡信号的边模抑制比,采用在PM1中注入信号的方式,实现了注入锁定OEO,其输出频率为9.9999914 GHz,其相位噪声分别为–127.2 dBc/Hz@1 kHz和–153.1 dBc/Hz@10 kHz,比Keysight E8257D在相同频点、相同频偏处分别低22.2 dB和38.7 dB,具有超低相位噪声性能。此外,本文还基于所提出的超低相位噪声OEO构建了一个宽带频率综合系统。该频率综合系统采用DDS和PLL混合技术,实现了VCO锁相至OEO中,并输出8.9~9.9 GHz信号,且相位噪声保持在–130 dBc/Hz@10 kHz附近,杂散抑制比优于70 dB。最后,本文通过引入电混频器、带通滤波器组及射频开关,将频率综合系统的工作频率进行了拓展,实现了5.9~12.9 GHz的频率输出,对应的10 kHz频偏处相位噪声仍然为–130 dBc/Hz附近,跳频时间小于1.48 μs,且杂散抑制比优于65 dB。值得注意的是,通过改善或者引入更高性能VCO、DDS和锁相环,可进一步提升该频率综合系统的相位噪声性能。综上所述,本文所提出的基于级联PM的注入锁定OEO及其频率综合系统具有宽带、超低相位噪声、低跳频时间等特性,可应用于现代卫星通信、电子战系统、雷达探测以及高端仪器仪表等领域。
-
表 1 IPIX雷达参数
Table 1. IPIX radar parameters
参数 参数值 参数 参数值 工作频率(GHz) 9.39 波束宽度(°) 0.9 峰值功率(kW) 8 距离分辨率(m) 30 脉宽(μs) 0.2 距离采样间隔(m) 15 重频(PRF) (kHz) 1 中频频率(MHz) 150 天线增益(dB) 45.7 量化位数 8位 表 2 Fynmeet雷达系统性能参数
Table 2. Fynmeet system and performance specifications
分机 参数 参数值 发射机 频率范围(GHz) 6.5~17.5 峰值功率(kW) 2 PRF范围(kHz) 0~30 波形 固定频、步进频、捷变频等 天线 类型 双偏置反射器 增益(dB) ≥ 30 波束宽度(°) ≤ 2 旁瓣(dB) ≤ –25 接收机 动态范围(dB) 60/120 采集范围(km) 0.2~15 距离门 1~96个,15 m/45 m分辨率 采样类型 I/Q中频采样 镜像干扰抑制(dBc) ≤ –41 表 3 地理位置和环境参数汇总
Table 3. Summary of geometry and environment conditions
参数 不同架设位置的参数值 OTB 信号山 雷达高度(m) 67 294 与海岸线距离(km) 1.2 1.25 方位角范围 90°N~225°N 240°N~20°N 擦地角(°) 0.3~3 0.3~10 最大观测距离(km) 15 60 平均风速(m/s) 0~10.3 0~20.58 最大风速(m/s) 20.58 30.87 主导风向 180°N~270°N 130°N~140°N, 320°N~330°N 有效波高(m) 1~3.8 1~6 最大波高(m) 7.31 11.26 涌浪方向 135°N~180°N 230°N~270°N 表 4 S波段雷达主要性能参数
Table 4. Specifications of the S-band radar system
参数 参数值 工作频率(GHz) 3.2~3.3 瞬时发射带宽(MHz) 50 瞬时接收带宽(MHz) 10 接收机通道数 4路,实际使用3路 存储深度 支持至少连续300 s连续采样 输出功率(kW) 1 占空比(%) 6.5 中频频率(MHz) 125 量化位数 14位 极化方式 HH, VV 表 5 XPAR和发射机的主要性能参数
Table 5. Specifications of the XPAR and transmitter
参数 参数值 工作频率(GHz) 1.3 发射机波束宽度(°) 120 发射机峰值功率(W) 500 发射机带宽(MHz) 5 发射天线增益(dBi) 12 脉宽(μs) 20 PRF (kHz) 5 通道间方位间隔 0.5倍波长 通道波束宽度(°) 120 阵列波束宽度(波束形成后)(°) 6.3 接收天线增益(dBi) 12 中频频率(MHz) 175 量化位数 14位 极化方式 VV 表 6 记录的气象和波浪参数
Table 6. Recorded weather and wave parameters
参数 参数值 kix022数据 kix040数据 平均风向(°) 340 230 与阵列法线夹角(°) 162 52 平均波浪方向(°) 231 222 平均风速(m/s) 4.5 4.7 阵风风速(m/s) 7.2 25 温度(°C) 15.0 15.2 有效波高(m) 2.4 2.8 最大波高(m) 3.4 6.6 表 7 X波段雷达参数
Table 7. X-band radar parameters
参数 参数值 工作频率(GHz) 9.5~10.0 峰值功率(kW) 500 脉宽(ns) 2.5(脉压后) 距离分辨率(m) 0.3 PRF (kHz) 2 信号处理 I/Q通道同步解调,8位量化,
500 MHz采样率采集波门宽度 156 m,包含512个距离单元 采集模式 聚束模式 波束宽度(°) 2.4(水平)/4(俯仰) 极化方式 HH或VV 表 8 LFMCW雷达参数和试验参数
Table 8. LFMCW radar and experimental parameters
参数 参数值 工作频率(GHz) 28~30 极化 HH 带宽(GHz) 2 (最大值) PRF (kHz) 3 (最大值) 波束宽度(°) 3 距离分辨率(m) 0.08, 0.16和0.8 波门中心与雷达的距离(m) 1080, 1755 波门宽度(m) 108 擦地角(°) 2.52~2.79, 1.58~1.68 方位角(°) 138, 180 平均风向(°) 270 海况 3~4级(由风速等级推断) 表 9 NetRAD系统参数
Table 9. NetRAD system parameters
参数 参数值 工作频率(GHz) 2.45 带宽(MHz) 45 峰值功率(dBm) 57.7 单基地距离分辨率(m) 4.9 PRF (kHz) 1 脉宽(μs) 0.4~20 极化 HH, VV 波束宽度(°) 11.3 (俯仰)/8.9 (水平) 天线增益(dBi) 23.8 表 10 RSTER系统参数
Table 10. RSTER system parameters
参数 参数值 工作频率(MHz) 400~500 带宽(MHz) 0.2 天线增益(dBi) 29 峰值功率(kW) 100 平均功率(kW) 6 PRF (kHz) 0.25~1.5 波束宽度(°) 9 (水平)/6 (俯仰) 表 11 MCARM计划的雷达参数
Table 11. Radar parameters of the MCARM program
参数 参数值 工作频率(GHz) 1.25 峰值功率(kW) 20 波形 LFM信号或加窗的射频信号 脉冲压缩比 63 PRF (kHz) 单基地:0.5, 2, 7
双基地:0.313, 23距离分辨率(m) 120 发射天线波束宽度(°) 7.5 天线单元数 16列8行,共128个单元 接收机通道数 24路 接收机带宽(MHz) 0.8 表 12 LSCL试验的主要参数
Table 12. Main parameters of the LSCL experiment
参数 参数值 波段 X波段 脉宽(ns) 32 采样率(MHz) 70 PRF 大多数为1250 Hz 波束内的脉冲数 最多21个 CNR 约30%高于10 dB 风向 逆风、侧风和顺风 擦地角 平均为1.56° 数据总时长(h) 约5.6 风速等级 3个架次分布为3级、6级和4级 表 13 雷达系统参数和海洋环境参数
Table 13. Radar system and environmental parameters
类别 参数 参数值 雷达系统 工作频率(GHz) 9.375 峰值功率(kW) 8 最大占空比(%) 2 距离分辨率(m) 1.5 PRF (Hz) 500 带宽(MHz) 96 波束宽度(°) 3.8 (水平)/8 (俯仰) 海洋环境 海况 2~3级 有效波高(m) 3~4 波长(m) 15 波周期(s) 10~12 涌浪方向 西北方向 风向 从西北到东南 风速(m/s) 5.14~6.17 表 14 典型试验参数
Table 14. Typical experimental parameters
参数 参数值 工作频率(GHz) 10.1 LFM带宽(MHz) 200 极化 HH, VV, HV, VH 脉宽(μs) 20 距离分辨率(m) 0.5 距离向采样点数 1024个 方位角(°) 0~360 PRF (Hz) 540 方位向3 dB波束宽度 2.4° 飞行高度(km) 1.353 平台速度(km/h) 约291 表 15 两型机载雷达系统试验参数
Table 15. Experimental parameters of two airborne radar systems
参数类型 XWEAR雷达系统 PAMIR雷达系统 工作频率(GHz) 9.75 9.45 峰值功率(kW) 50 1.28 极化 HH VV 距离分辨率(m) 最高为0.3,试验时小于1 最高为0.1,试验时7.5 试验时工作模式 聚束模式 扫描MTI条带模式 PRF (kHz) 1 3 试验地点 Halifax东海岸(44°30′N, 63°25′W) 德国Helgoland和Wilhelmshaven之间的北海 载机飞行高度(km) 1.828, 3.932, 7.01 2.5 飞行速度(m/s) 100 100 擦地角(°) 7, 15, 28 20 波高范围(m) 1.97~2.21 (有效波高) 0.9~1.5 (涌浪高度) 表 16 造浪池试验雷达系统主要参数
Table 16. Main radar system parameters of wave tank experiment
参数 FMCW雷达 MIDAS雷达 IIS雷达 雷达体制 调频连续波 脉冲多普勒 连续波散射计 工作频率(GHz) 4~8 (典型值为6) 3.15, 9.75, 15.75, 34.75, 94 3.2, 5.4, 9.6 带宽 125 MHz~4 MHz (典型值为4 MHz) 500 MHz – 波束宽度(°) 3 5 13.7/16.6 天线类型 抛物面天线 喇叭天线(3.15 GHz时为抛物面天线) 喇叭天线 极化方式 双极化(HH, VV) 双极化(HH, VV) 单极化(HH或VV) PRF (kHz) 1 2 1 擦地角(°) 6 3~24 30~75 表 17 C波段雷达主要试验参数
Table 17. Main parameters of the C-band radar experiment
参类 参数值 工作频率(GHz) 5.5 PRF(kHz) 1 脉宽 1 μs,压缩比3 波束宽度 锥形波束,2.2° 天线转速 90°/s 极化 HH 采集数据空间范围 方位角范围:50°;距离范围:7 km 信号处理 500 MHz采样率,I/Q同步采集 海况 3~4级(根据Beaufort风速等级推断) -
[1] WARD K, TOUGH R, and WATTS S. Sea Clutter: Scattering, the K Distribution and Radar Performance[M]. 2nd ed., London: The Institution of Engineering and Technology, 2013. [2] WARD K D and WATTS S. Use of sea clutter models in radar design and development[J]. IET Radar, Sonar & Navigation, 2010, 4(2): 146–157. doi: 10.1049/iet-rsn.2009.0132 [3] SKOLNIK M I. Radar Handbook[M]. 3rd ed., New York: The McGraw-Hill Companies Inc., 2008. [4] 何友, 黄勇, 关键, 等. 海杂波中的雷达目标检测技术综述[J]. 现代雷达, 2014, 36(12): 1–9. doi: 10.3969/j.issn.1004-7859.2014.12.001HE You, HUANG Yong, GUAN Jian, et al. An overview on radar target detection in sea clutter[J]. Modern Radar, 2014, 36(12): 1–9. doi: 10.3969/j.issn.1004-7859.2014.12.001 [5] 丁昊. 雷达海杂波特性与目标检测方法研究[D]. [博士论文], 海军航空工程学院, 2016.DING Hao. Research on radar sea clutter property and target detection algorithms[D]. [Ph.D. dissertation], Naval Aeronautical and Astronautical University, 2016. [6] 丁昊, 董云龙, 刘宁波, 等. 海杂波特性认知研究进展与展望[J]. 雷达学报, 2016, 5(5): 499–516. doi: 10.12000/JR16069DING Hao, DONG Yunlong, LIU Ningbo, et al. Overview and prospects of research on sea clutter property cognition[J]. Journal of Radars, 2016, 5(5): 499–516. doi: 10.12000/JR16069 [7] DROSOPOULOS A. Description of the OHGR database[R]. Technical Note 94–14, 1994. [8] DE WIND H J, CILLIERS J C, and HERSELMAN P L. DataWare: Sea clutter and small boat radar reflectivity databases[J]. IEEE Signal Processing Magazine, 2010, 27(2): 145–148. doi: 10.1109/MSP.2009.935415 [9] ANTIPOV I. Analysis of sea clutter data[R]. Technical Report DSTO-TR-0647, 1998. [10] DONG Yunhan and MERRETT D. Statistical measures of S-band sea clutter and targets[R]. Technical Report DSTO-TR-2221, 2008. [11] DONG Yunhan and MERRETT D. Analysis of L-band multi-channel sea clutter[R]. Technical Report DSTO-TR-2455, 2010. [12] POSNER F L. Spiky sea clutter at high range resolutions and very low grazing angles[J]. IEEE Transactions on Aerospace and Electronic Systems, 2002, 38(1): 58–73. doi: 10.1109/7.993229 [13] CARRETERO-MOYA J, GISMERO-MENOYO J, BLANCO-DEL-CAMPO Á, et al. Statistical analysis of a high-resolution sea-clutter database[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(4): 2024–2037. doi: 10.1109/TGRS.2009.2033193 [14] SIEGEL A, OCHADLICK A, DAVIS JR J, et al. Spatial and temporal correlation of LOGAN-1 high-resolution radar sea clutter data[C]. Proceedings of 1994 IEEE International Geoscience and Remote Sensing Symposium, Pasadena, CA, USA, 1994: 818–821. doi: 10.1109/IGARSS.1994.399273. [15] RINO C L, ECKERT E, SIEGEL A, et al. X-band low-grazing-angle ocean backscatter obtained during LOGAN 1993[J]. IEEE Journal of Oceanic Engineering, 1997, 22(1): 18–26. doi: 10.1109/48.557536 [16] HAIR T, LEE T, and BAKER C J. Statistical properties of multifrequency high-range-resolution sea reflections[J]. IEE Proceedings F-Radar and Signal Processing, 1991, 138(2): 75–79. doi: 10.1049/ip-f-2.1991.0012 [17] ISHII S, SAYAMA S, and MIZUTANI K. Effect of changes in sea-surface state on statistical characteristics of sea clutter with X-band radar[J]. Wireless Engineering and Technology, 2011, 2(3): 5829. doi: 10.4236/wet.2011.23025 [18] FABBRO V, BIEGEL G, FÖRSTER J, et al. Measurements of sea clutter at low grazing angle in Mediterranean coastal environment[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(11): 6379–6389. doi: 10.1109/TGRS.2017.2727057 [19] AL-ASHWAL W A, BAKER C J, BALLERI A, et al. Statistical analysis of simultaneous monostatic and bistatic sea clutter at low grazing angles[J]. Electronics Letters, 2011, 47(10): 621–622. doi: 10.1049/el.2011.0557 [20] AL-ASHWAL W A, WOODBRIDGE K, and GRIFFITHS H D. Analysis of bistatic sea clutter-Part I: Average reflectivity[J]. IEEE Transactions on Aerospace and Electronic Systems, 2014, 50(2): 1283–1292. doi: 10.1109/TAES.2014.120426 [21] AL-ASHWAL W A, WOODBRIDGE K, and GRIFFITHS H D. Analysis of bistatic sea clutter-Part II: Amplitude statistics[J]. IEEE Transactions on Aerospace and Electronic Systems, 2014, 50(2): 1293–1303. doi: 10.1109/TAES.2014.120434 [22] RITCHIE M, STOVE A, WOODBRIDGE K, et al. NetRAD: Monostatic and bistatic sea clutter texture and Doppler spectra characterization at S-band[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(9): 5533–5543. doi: 10.1109/TGRS.2016.2567598 [23] FIORANELLI F, RITCHIE M, GRIFFITHS H, et al. Analysis of polarimetric bistatic sea clutter using the NetRAD radar system[J]. IET Radar, Sonar & Navigation, 2016, 10(8): 1356–1366. doi: 10.1049/iet-rsn.2015.0416 [24] GRECO M, STINCO P, GINI F, et al. Impact of sea clutter nonstationarity on disturbance covariance matrix estimation and CFAR detector performance[J]. IEEE Transactions on Aerospace and Electronic Systems, 2010, 46(3): 1502–1513. doi: 10.1109/TAES.2010.5545205 [25] HERSELMAN P L, BAKER C J, and DE WIND H J. An analysis of X-band calibrated sea clutter and small boat reflectivity at medium-to-low grazing angles[J]. International Journal of Navigation and Observation, 2008, 2008: 347518. doi: 10.1155/2008/347518 [26] HERSELMAN P L and BAKER C J. Analysis of calibrated sea clutter and boat reflectivity data at C- and X-band in South African coastal waters[C]. IET International Conference on Radar Systems, Edinburgh, UK, 2007. doi: 10.1049/cp:20070616. [27] 陈帅. 海杂波背景下的过采样MTD方法研究[D]. [硕士论文], 西安电子科技大学, 2014.CHEN Shuai. Oversampling MTD method in sea clutter background[D]. [Master dissertation], Xidian University, 2014. [28] 陈小龙, 关键, 于晓涵, 等. 基于短时稀疏时频分布的雷达目标微动特征提取及检测方法[J]. 电子与信息学报, 2017, 39(5): 1017–1023. doi: 10.11999/JEIT161040CHEN Xiaolong, GUAN Jian, YU Xiaohan, et al. Radar micro-Doppler signature extraction and detection via short-time sparse time-frequency distribution[J]. Journal of Electronics &Information Technology, 2017, 39(5): 1017–1023. doi: 10.11999/JEIT161040 [29] DALEY J C, RANSONE J T, BURKETT J A, et al. Sea-clutter measurements on four frequencies[R]. Report No. 6806, 1968. [30] TITI G W and MARSHALL D F. The ARPA/navy mountaintop program: Adaptive signal processing for airborne early warning radar[C]. Proceedings of 1996 IEEE International Conference on Acoustics, Speech, and Signal Processing, Atlanta, GA, USA, 1996: 1165–1168. doi: 10.1109/ICASSP.1996.543572. [31] LITTLE M O and BERRY W P. Real-time multichannel airborne radar measurements[C]. Proceedings of 1997 IEEE National Radar Conference, Syracuse, NY, USA, 1997: 138–142. doi: 10.1109/NRC.1997.588238. [32] HIMED B and SOUMEKH M. Synthetic aperture radar-moving target indicator processing of multi-channel airborne radar measurement data[J]. IEE Proceedings-Radar, Sonar and Navigation, 2006, 153(6): 532–543. doi: 10.1049/ip-rsn:20050128 [33] STEHWIEN W. Sea clutter measurements using an airborne X-band radar[C]. Proceedings of OCEANS’93, Victoria, BC, Canada, 1993, 1: 125–130. doi: 10.1109/OCEANS.1993.326036. [34] STEHWIEN W. Statistics and correlation properties of high resolution X-band sea clutter[C]. Proceedings of 1994 IEEE National Radar Conference, Atlanta, GA, USA, 1994: 46–51. doi: 10.1109/NRC.1994.328096. [35] ANTIPOV I. Statistical analysis of northern Australian coastline sea clutter data[R]. Technical Report DSTO-TR-1236, 2001. [36] CRISP D J, STACY N J S, and GOH A S. Ingara medium-high incidence angle polarimetric sea clutter measurements and analysis[R]. Technical Report DSTO-TR-1818, 2006. [37] MCDONALD M, CERUTTI-MAORI D, and DAMINI A. Characterisation and cancellation of medium grazing angle sea clutter[C]. The 7th European Radar Conference, Paris, France, 2010: 172–175. [38] DAMINI A, MCDONALD M, and HASLAM G E. X-band wideband experimental airborne radar for SAR, GMTI and maritime surveillance[J]. IEE Proceedings-Radar, Sonar and Navigation, 2003, 150(4): 305. doi: 10.1049/ip-rsn:20030654 [39] BRENNER A R and ENDER J H G. Demonstration of advanced reconnaissance techniques with the airborne SAR/GMTI sensor PAMIR[J]. IEE Proceedings-Radar, Sonar and Navigation, 2006, 153(2): 152–162. doi: 10.1049/ip-rsn:20050044 [40] MCDONALD M K and CERUTTI-MAORI D. Coherent radar processing in sea clutter environments, part 1: Modelling and partially adaptive STAP performance[J]. IEEE Transactions on Aerospace and Electronic Systems, 2016, 52(4): 1797–1817. doi: 10.1109/TAES.2016.140897 [41] MCDONALD M K and CERUTTI-MAORI D. Coherent radar processing in sea clutter environments, Part 2: Adaptive normalised matched filter versus adaptive matched filter performance[J]. IEEE Transactions on Aerospace and Electronic Systems, 2016, 52(4): 1818–1833. doi: 10.1109/TAES.2016.140898 [42] WATTS S, ROSENBERG L, BOCQUET S, et al. Doppler spectra of medium grazing angle sea clutter; Part 1: Characterisation[J]. IET Radar, Sonar & Navigation, 2016, 10(1): 24–31. doi: 10.1049/iet-rsn.2015.0148 [43] WATTS S, ROSENBERG L, BOCQUET S, et al. Doppler spectra of medium grazing angle sea clutter; Part 2: Model assessment and simulation[J]. IET Radar, Sonar & Navigation, 2016, 10(1): 32–42. doi: 10.1049/iet-rsn.2015.0149 [44] ROSENBERG L. Characterization of high grazing angle X-band sea-clutter Doppler spectra[J]. IEEE Transactions on Aerospace and Electronic Systems, 2014, 50(1): 406–417. doi: 10.1109/TAES.2013.120809 [45] DONG Yunhan. High grazing angle and high resolution sea clutter: Correlation and polarization analyses[R]. Technical Report DSTO-TR-1972, 2007. [46] WEINBERG G V. An investigation of the Pareto distribution as a model for high grazing angle clutter[R]. Technical Report DSTO-TR-2525, 2011. [47] ROSENBERG L. Sea-spike detection in high grazing angle X-band sea-clutter[R]. Technical Report DSTO-TR-2820, 2013. [48] LAMONT-SMITH T, WASEDA T, and RHEEM C K. Measurements of the Doppler spectra of breaking waves[J]. IET Radar, Sonar & Navigation, 2007, 1(2): 149–157. doi: 10.1049/iet-rsn:20060109 [49] LAMONT-SMITH T. An empirical model of EM scattering from steepening wave profiles derived from numerical computations[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(6): 1447–1454. doi: 10.1109/TGRS.2003.811551 [50] LAMONT-SMITH T. Investigation of the variability of Doppler spectra with radar frequency and grazing angle[J]. IEE Proceedings-Radar, Sonar and Navigation, 2004, 151(5): 291–298. doi: 10.1049/ip-rsn:20040859 [51] LAMONT-SMITH T. Azimuth dependence of Doppler spectra of sea clutter at low grazing angle[J]. IET Radar, Sonar & Navigation, 2008, 2(2): 97–103. doi: 10.1049/iet-rsn:20070099 [52] LAMONT-SMITH T, MITOMI M, KAWAMURA T, et al. Electromagnetic scattering from wind blown waves and ripples modulated by longer waves under laboratory conditions[J]. IET Radar, Sonar & Navigation, 2010, 4(2): 265–279. doi: 10.1049/iet-rsn.2009.0072 [53] LEE P H Y, BARTER J D, LAKE B M, et al. Lineshape analysis of breaking-wave Doppler spectra[J]. IEE Proceedings-Radar, Sonar and Navigation, 1998, 145(2): 135–139. doi: 10.1049/ip-rsn:19981822 [54] 赵海云, 张瑞永, 武楠, 等. 基于实测数据的海杂波特性分析[J]. 雷达科学与技术, 2009, 7(3): 214–218. doi: 10.3969/j.issn.1672-2337.2009.03.011ZHAO Haiyun, ZHANG Ruiyong, WU Nan, et al. Analysis of sea clutter characteristics based on measured data[J]. Radar Science and Technology, 2009, 7(3): 214–218. doi: 10.3969/j.issn.1672-2337.2009.03.011 [55] 刘志高, 徐向东, 刘斌. 某低空警戒雷达海杂波数据的统计特性分析[J]. 空军雷达学院学报, 2004, 18(4): 1–3, 10. doi: 10.3969/j.issn.1673-8691.2004.04.001LIU Zhigao, XU Xiangdong, and LIU Bin. Statistical analysis of sea clutter feature data from a low-altitude surveillance radar[J]. Journal of Air Force Radar Academy, 2004, 18(4): 1–3, 10. doi: 10.3969/j.issn.1673-8691.2004.04.001 [56] 张忠, 袁业术, 孟宪德. 舰载超视距雷达背景杂波统计特性分析[J]. 系统工程与电子技术, 2002, 24(9): 19–22. doi: 10.3321/j.issn:1001-506X.2002.09.007ZHANG Zhong, YUAN Yeshu, and MENG Xiande. Background clutters statistical characteristics in shipborne radar[J]. Systems Engineering and Electronics, 2002, 24(9): 19–22. doi: 10.3321/j.issn:1001-506X.2002.09.007 [57] 周超, 刘泉华. Ku波段实验雷达海杂波实测数据分析[J]. 信号处理, 2015, 31(12): 1573–1578. doi: 10.3969/j.issn.1003-0530.2015.12.005ZHOU Chao and LIU Quanhua. Analysis of field sea clutter data of Ku band[J]. Journal of Signal Processing, 2015, 31(12): 1573–1578. doi: 10.3969/j.issn.1003-0530.2015.12.005 [58] 杨俊岭, 李大治, 万建伟, 等. 海杂波尖峰特性研究及仿真分析[J]. 系统仿真学报, 2007, 19(8): 1836–1840. doi: 10.3969/j.issn.1004-731X.2007.08.046YANG Junling, LI Dazhi, WAN Jianwei, et al. Sea spike characteristics studies and simulation analyses[J]. Journal of System Simulation, 2007, 19(8): 1836–1840. doi: 10.3969/j.issn.1004-731X.2007.08.046 [59] XU Shuwen, SHUI Penglang, and YAN Xueying. Non-coherent detection of radar target in heavy-tailed sea clutter using bi-window non-linear shrinkage map[J]. IET Signal Processing, 2016, 10(9): 1031–1039. doi: 10.1049/iet-spr.2015.0564 [60] 康士峰, 葛德彪, 罗贤云, 等. 多波段多极化海杂波特性的实验研究[J]. 微波学报, 2000, 16(5): 463–468. doi: 10.3969/j.issn.1005-6122.2000.z1.003KANG Shifeng, GE Debiao, LUO Xianyun, et al. Experimental study on multi-band and multi-polarization characteristics of sea clutter[J]. Journal of Microwaves, 2000, 16(5): 463–468. doi: 10.3969/j.issn.1005-6122.2000.z1.003 [61] 张金鹏, 张玉石, 李清亮, 等. 基于不同散射机制特征的海杂波时变多普勒谱模型[J]. 物理学报, 2018, 67(3): 034101. doi: 10.7498/aps.67.20171612ZHANG Jinpeng, ZHANG Yushi, LI Qingliang, et al. A time-varying Doppler spectrum model of radar sea clutter based on different scattering mechanisms[J]. Acta Physica Sinica, 2018, 67(3): 034101. doi: 10.7498/aps.67.20171612 [62] 夏晓云, 黎鑫, 张玉石, 等. 基于相位的岸基雷达地海杂波分割方法[J]. 系统工程与电子技术, 2018, 40(3): 552–556. doi: 10.3969/j.issn.1001-506X.2018.03.10XIA Xiaoyun, LI Xin, ZHANG Yushi, et al. Sea-land clutter segmentation method of shore-based radar based on phase information[J]. Systems Engineering and Electronics, 2018, 40(3): 552–556. doi: 10.3969/j.issn.1001-506X.2018.03.10 [63] 许心瑜, 张玉石, 黎鑫, 等. UHF波段海杂波时间相关性的海浪状态影响分析[J]. 系统工程与电子技术, 2017, 39(6): 1203–1207. doi: 10.3969/j.issn.1001-506X.2017.06.03XU Xinyu, ZHANG Yushi, LI Xin, et al. Influence of sea condition on the temporal correlation properties of UHF band sea clutter[J]. Systems Engineering and Electronics, 2017, 39(6): 1203–1207. doi: 10.3969/j.issn.1001-506X.2017.06.03 [64] 张玉石, 许心瑜, 吴振森, 等. L波段小擦地角海杂波幅度均值与风速关系建模[J]. 电波科学学报, 2015, 30(2): 289–294. doi: 10.13443/j.cjors.2014042001ZHANG Yushi, XU Xinyu, WU Zhensen, et al. Modeling windspeed behavior of L-band sea clutter average reflectivity at low grazing angles[J]. Chinese Journal of Radio Science, 2015, 30(2): 289–294. doi: 10.13443/j.cjors.2014042001 [65] 张玉石, 尹雅磊, 许心瑜, 等. 海杂波测量定标的姿态修正数据处理方法[J]. 电子与信息学报, 2015, 37(3): 607–612. doi: 10.11999/JEIT140659ZHANG Yushi, YIN Yalei, XU Xinyu, et al. Data processing method of posture correction for calibration of sea clutter measurement[J]. Journal of Electronics &Information Technology, 2015, 37(3): 607–612. doi: 10.11999/JEIT140659 [66] 许心瑜, 张玉石, 黎鑫, 等. L波段小擦地角海杂波KK分布建模[J]. 系统工程与电子技术, 2014, 36(7): 1304–1308. doi: 10.3969/j.issn.1001-506X.2014.07.13XU Xinyu, ZHANG Yushi, LI Xin, et al. KK distribution modeling with L band low grazing sea clutter[J]. Systems Engineering and Electronics, 2014, 36(7): 1304–1308. doi: 10.3969/j.issn.1001-506X.2014.07.13 [67] 张玉石, 许心瑜, 尹雅磊, 等. L波段小擦地角海杂波幅度统计特性研究[J]. 电子与信息学报, 2014, 36(5): 1044–1048. doi: 10.3724/SP.J.1146.2013.01139ZHANG Yushi, XU Xinyu, YIN Yalei, et al. Research on amplitude statistics of L-band low grazing angle sea clutter[J]. Journal of Electronics &Information Technology, 2014, 36(5): 1044–1048. doi: 10.3724/SP.J.1146.2013.01139 [68] DING Hao, GUAN Jian, LIU Ningbo, et al. New spatial correlation models for sea clutter[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(9): 1833–1837. doi: 10.1109/LGRS.2015.2430371 [69] DING Hao, GUAN Jian, LIU Ningbo, et al. Modeling of heavy tailed sea clutter based on the generalized central limit theory[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(11): 1591–1595. doi: 10.1109/LGRS.2016.2596322 [70] GUAN J, LIU N B, HUANG Y, et al. Fractal characteristic in frequency domain for target detection within sea clutter[J]. IET Radar, Sonar & Navigation, 2012, 6(5): 293–306. doi: 10.1049/iet-rsn.2011.0250 [71] GUAN Jian, LIU Ningbo, HUANG Yong, et al. Fractal Poisson model for target detection within spiky sea clutter[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(2): 411–415. doi: 10.1109/LGRS.2012.2203578 [72] CHEN Xiaolong, GUAN Jian, HE You, et al. Detection of low observable moving target in sea clutter via fractal characteristics in fractional Fourier transform domain[J]. IET Radar, Sonar & Navigation, 2013, 7(6): 635–651. doi: 10.1049/iet-rsn.2012.0116 [73] CHEN Xiaolong, GUAN Jian, BAO Zhonghua, et al. Detection and extraction of target with micromotion in spiky sea clutter via short-time fractional Fourier transform[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(2): 1002–1018. doi: 10.1109/TGRS.2013.2246574 [74] CHEN Xiaolong, GUAN Jian, Liu Ningbo, et al. Maneuvering target detection via Radon-fractional Fourier transform-based long-time coherent integration[J]. IEEE Transactions on Signal Processing, 2014, 62(4): 939–953. doi: 10.1109/TSP.2013.2297682 [75] CHEN Xiaolong, GUAN Jian, HUANG Yong, et al. Radon-linear canonical ambiguity function-based detection and estimation method for marine target with micromotion[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(4): 2225–2240. doi: 10.1109/TGRS.2014.2358456 [76] CHEN Xiaolong, HUANG Yong, LIU Ningbo, et al. Radon-fractional ambiguity function-based detection method of low-observable maneuvering target[J]. IEEE Transactions on Aerospace and Electronic Systems, 2015, 51(2): 815–833. doi: 10.1109/TAES.2014.130791 [77] 黄勇, 陈小龙, 关键. 实测海尖峰特性分析及抑制方法[J]. 雷达学报, 2015, 4(3): 334–342. doi: 10.12000/JR14108HUANG Yong, CHEN Xiaolong, and GUAN Jian. Property analysis and suppression method of real measured sea spikes[J]. Journal of Radars, 2015, 4(3): 334–342. doi: 10.12000/JR14108 [78] 苏宁远, 陈小龙, 关键, 等. 基于卷积神经网络的海上微动目标检测与分类方法[J]. 雷达学报, 2018, 7(5): 565–574. doi: 10.12000/JR18077SU Ningyuan, CHEN Xiaolong, GUAN Jian, et al. Detection and classification of maritime target with micro-motion based on CNNs[J]. Journal of Radars, 2018, 7(5): 565–574. doi: 10.12000/JR18077 [79] 丁昊, 薛永华, 黄勇, 等. 均匀和部分均匀杂波中子空间目标的斜对称自适应检测方法[J]. 雷达学报, 2015, 4(4): 418–430. doi: 10.12000/JR14133DING Hao, XUE Yonghua, HUANG Yong, et al. Persymmetric adaptive detectors of subspace signals in homogeneous and partially homogeneous clutter[J]. Journal Radars, 2015, 4(4): 418–430. doi: 10.12000/JR14133 [80] 丁昊, 王国庆, 刘宁波, 等. 逆Gamma纹理背景下两类子空间目标的自适应检测方法[J]. 雷达学报, 2017, 6(3): 275–284. doi: 10.12000/JR16088DING Hao, WANG Guoqing, LIU Ningbo, et al. Adaptive detectors for two types of subspace targets in an inverse Gamma textured background[J]. Journal Radars, 2017, 6(3): 275–284. doi: 10.12000/JR16088 期刊类型引用(30)
1. 连静,杨勇,谢晓霞,王雪松. 大掠射角对海雷达导引头实测回波特性分析. 系统工程与电子技术. 2024(05): 1535-1543 . 百度学术
2. 韩喆璇,于恒力,王中训,刘宁波,孙艳丽. 基于相对多普勒峰高特征的OS-CFAR改进方法. 海军航空大学学报. 2024(04): 475-484 . 百度学术
3. 关键,姜星宇,刘宁波,丁昊,黄勇. 海杂波背景下的双极化最大特征值目标检测. 系统工程与电子技术. 2024(11): 3715-3725 . 百度学术
4. 张梦雨,王中训,李飞,刘宁波,董云龙. CNN海况等级分类方法的性能. 烟台大学学报(自然科学与工程版). 2023(02): 196-203 . 百度学术
5. 关键,刘宁波,王国庆,丁昊,董云龙,黄勇,田凯祥,张梦雨. 雷达对海探测试验与目标特性数据获取——海上目标双极化多海况散射特性数据集. 雷达学报. 2023(02): 456-469 . 本站查看
6. 许述文,焦银萍,白晓惠,蒋俊正. 基于频域多通道图特征感知的海面小目标检测. 电子与信息学报. 2023(05): 1567-1574 . 百度学术
7. 赵迪,行鸿彦,王海峰,阎妍. 基于SAE-GA-XGBoost算法的海面小目标检测. 雷达科学与技术. 2023(01): 88-96 . 百度学术
8. 关键,姜星宇,刘宁波,黄勇,丁昊. 海杂波中目标分数域谱范数特征检测方法. 电子与信息学报. 2023(06): 2162-2170 . 百度学术
9. 刘照标,张友益,陈翰. 舰载近程搜索雷达时空二维海杂波建模与仿真. 舰船电子对抗. 2023(03): 70-74 . 百度学术
10. 丁昊,朱晨光,刘宁波,王国庆. 高海况条件下海面漂浮小目标特征提取与分析. 海军航空大学学报. 2023(04): 301-312 . 百度学术
11. 李宏武,王燊燊,徐秦,祁华峰. 海杂波对机载雷达探测影响研究. 现代电子技术. 2023(20): 101-106 . 百度学术
12. 杜延磊,杨晓峰,汪胜,殷君君,杨会章,杨健. 海面雷达散射及其杂波幅度统计特性的空间遍历性数值仿真研究. 系统工程与电子技术. 2023(12): 3806-3818 . 百度学术
13. 关键,伍僖杰,丁昊,刘宁波,董云龙,张鹏飞. 基于对角积分双谱的海面慢速小目标检测方法. 电子与信息学报. 2022(07): 2449-2460 . 百度学术
14. 董云龙,刘洋,刘宁波,丁昊,关键. 基于雷达方程修正的目标探测距离评估方法. 信号处理. 2022(10): 2102-2113 . 百度学术
15. 刘宁波,丁昊,黄勇,董云龙,王国庆,董凯. X波段雷达对海探测试验与数据获取年度进展. 雷达学报. 2021(01): 173-182 . 本站查看
16. 丁斌,夏雪,梁雪峰. 基于深度生成对抗网络的海杂波数据增强方法. 电子与信息学报. 2021(07): 1985-1991 . 百度学术
17. 时艳玲,刘子鹏,贾邦玲. 样本不平衡下的海杂波弱目标分类研究. 信号处理. 2021(09): 1781-1789 . 百度学术
18. 伍僖杰,丁昊,刘宁波,关键. 基于时频脊-Radon变换的海面小目标检测方法. 信号处理. 2021(09): 1599-1611 . 百度学术
19. 刘宁波,姜星宇,丁昊,关键. 雷达大擦地角海杂波特性与目标检测研究综述. 电子与信息学报. 2021(10): 2771-2780 . 百度学术
20. 杜延磊,高帆,刘涛,杨健. 基于数值仿真的X波段极化SAR海杂波统计建模与特性分析. 系统工程与电子技术. 2021(10): 2742-2755 . 百度学术
21. 时艳玲,姚婷婷,郭亚星. 基于图连通密度的海面漂浮小目标检测. 电子与信息学报. 2021(11): 3185-3192 . 百度学术
22. 刘用功,尹勇. 目标船感知技术综述. 广州航海学院学报. 2021(04): 1-4+30 . 百度学术
23. 陈世超,高鹤婷,罗丰. 基于极化联合特征的海面目标检测方法. 雷达学报. 2020(04): 664-673 . 本站查看
24. 关键. 雷达海上目标特性综述. 雷达学报. 2020(04): 674-683 . 本站查看
25. 唐先慧,李东,粟嘉,程婉儒,任金芝,李秀琴. 基于AlexNet的自适应杂波智能抑制方法. 信号处理. 2020(12): 2032-2042 . 百度学术
26. 王超,孙芹东,张林,王文龙,张小川. 水下声学滑翔机海上目标探测试验与性能评估. 信号处理. 2020(12): 2043-2051 . 百度学术
27. 曹成会,张杰,张晰,孟俊敏,毛兴鹏. 低掠射微波雷达的海杂波多方位幅度特性分析. 信号处理. 2020(12): 2085-2098 . 百度学术
28. 刘宁波,董云龙,王国庆,丁昊,黄勇,关键,陈小龙,何友. X波段雷达对海探测试验与数据获取. 雷达学报. 2019(05): 656-667 . 本站查看
29. 于涵,水鹏朗,施赛楠,杨春娇. 广义Pareto分布海杂波模型参数的组合双分位点估计方法. 电子与信息学报. 2019(12): 2836-2843 . 百度学术
30. 王国庆,王朝铺,刘传辉,刘宁波,丁昊. 利用神经网络的海杂波幅度分布参数估计方法. 海军航空工程学院学报. 2019(06): 480-487 . 百度学术
其他类型引用(23)
-