《文献检索与管理》课程报告概述.docx

《文献检索与管理》课程报告概述.docx

《《文献检索与管理》课程报告概述.docx》由会员分享，可在线阅读，更多相关《《文献检索与管理》课程报告概述.docx（33页珍藏版）》请在冰点文库上搜索。

《文献检索与管理》课程报告概述

报告编号：

2015—xxxxxxxxxxx

《信息检索》课程报告

课题名称：

基于混沌预测的雷达微弱目标检测研究

姓名（学号）：

xxx（xxxxxxxxxx）

检索完成日期：

2015年06月25日

联系方式：

xxxxxxxxxxx

课题名称

中文：

基于混沌预测的雷达微弱目标检测研究

英文：

RadarWeakTargetDetectionbasedonChaosPrediction

一、选题简介：

1.选题来源（项目或工作选题、学习选题、兴趣选题）；

本人所在的智能信息处理实验室的主要研究方向是信号处理，导师的其中一个项目是高频地波雷达的相关研究，所以选题来源于项目选题。

2.为什么选择上述课题？

在雷达微弱目标检测领域，主要是基于两个方面：

一种是基于噪声抑制，使目标信号增强；另一种是直接从噪声背景中检测出目标信号。

而基于混沌预测的雷达微弱目标检测属于后者。

混沌理论应用于微弱信号领域已有许多专家学者进行过广泛的研究，并且已经取得了许多成果，在雷达、通信等领域应用广泛。

3.希望文献调研达到的目的；

掌握利用混沌预测进行雷达微弱目标检测的原理；尝试将该方法应用于高频地波雷达项目，对实测雷达数据进行目标检测。

4.选题过程中是否遇到问题？

是如何解决的？

雷达微弱目标检测一直是研究的热点，目前已经发展了许多方法，例如检测前跟踪（TBD）、CFAR检测等方法。

这些方法的研究比较成熟，已经在工程实际中广泛应用，并且有许多改进方法。

从Lorenz发现混沌以来，人们开始对混沌理论产生了浓厚兴趣并进行了广泛研究，并将其应用于保密通信、混沌控制、混沌同步等领域。

其中一个热门分支是基于混沌预测理论的微弱信号检测。

由于实验室的师兄师姐和老师以前都没有做过这方面的研究，刚开始对这方面并不了解。

最后在导师的指导下和通过上网查阅相关文献，最终选定“基于混沌预测的雷达微弱目标检测的研究”这一课题，通过网上查询也了解到这一课题具有很大的发展前景。

二、文献检索过程：

1.列出所用的检索词及检索式。

中文检索词及检索式：

（1）.（混沌+Duffing）*雷达*（小目标+弱目标+小信号+弱信号）*检测

（2）.（混沌+Duffing）*雷达*回波信号*检测

外文检索词及检索式：

（1）.（ChaosorDuffingorChaotic）and（radar）and（smalltargetorweaktargetorsmallsignalorweaksignal）and（detect*）

（2）.（ChaosorDuffingorChaotic）and（radar）and（echosignal）and（detect*）

2.列出检索选用的数据库名称，收录时间。

国内数据库：

1.中文科技期刊全文数据库（维普）1989-2015年

2.中国知网期刊全文数据库（CNKI）1994-2015年

3.中国优秀博硕士学位论文全文数据库（CNKI）1999-2015年

4.中国科技文献数据库（万方）1990-2015年

5.中国科技成果数据库（万方）1990-2015年

6.中国学位论文文摘数据库（万方）1990-2015年

7.中国专利数据库（CNKI）1985-2015年

8.中国学术会议论文数据库（CNKI）1984-2015年

9.中国科技成果数据库（CNKI）1983-2015年

10.中国重要报纸全文数据库（CNKI）2000-2015年

11.中国学术会议在线2005-2015年

12.国家科技图书文献中心1989-2015年

13.国家科技成果网1980-2015年

14.中国科技论文在线（http:

/）2003-2015年

15.XX（http:

/）

国外数据库：

1.ScienceDirect1995-2015年

2.ScienceCitationIndexExpanded（SCI-EXPANDED）1990-2015年

3.DerwentInnovationsIndex1980-2015年

4.EICompendex1980-2015年

5.ACM（美国计算机学会）1980-2015年

6.IEEE-IEL1980-2015年

7.ProQuestDigitalDissertations1998-2015年

8.SpringerLink1980-2015年

9.EBSCO-ASP1980-2015年

10.NTIS-NationalTechnicalInformationService1980-2015年

11.ConferencePapersIndex1982-2015年

12.

三、资料整理和阅读：

1.用文献管理软件整理选题相关的资料（查重、附件、笔记等），截图；

1）.分类

2）.附件

3）.查重

4）.笔记

5）.文件夹信息统计

2.列出筛选后阅读的资料列表（要求每条题录要提供题名、作者、出处、关键词、摘要、出版年；英文题录简单翻译题名和摘要）；

1.基于混沌和神经网络的弱信号探测

【作者】：

何建华，杨宗凯，王殊

【出处、出版年】：

电子学报，1998

【摘要】：

本文首先描述了混沌的定义，提出了一个判断时间序列是否具有混沌行为的实验准则，即时间序列要有有限维数的吸引子，一个为正数的Lyapunove指数（李氏指数），并且是局部可预测的。

分析了神经网络的重构混沌时间序列相空间的性能和受白噪声干扰时重构相空间的能力。

基于神经网络所具有的强大学习和非线性处理能力和混沌的局部可预测性，提出了一种利用神经网络对淹没在混沌背景下的瞬态信号进行检测的方法。

实验表明，这种方法能将混沌背景下的十分微弱的目标信号检测出来。

【关键词】：

混沌；神经网络；信号检测

2.高频雷达海杂波混沌特性的实验研究

【作者】：

董华春，刘梅，权太范

【出处、出版年】：

高技术通讯，2000

【摘要】：

利用高频地波雷达实测数据，从实验角度应用动力学方法对高频海杂波的动力特性做出分析，首次得到了高频海杂波呈现混沌特性的结论。

这一结论对高频雷达目标探测和海态遥感以及海洋气象的研究都具有重要意义。

【关键词】：

HF雷达；海杂波；混沌；分形

3.海杂波背景下基于神经网络的目标检测

【作者】：

温晓君

【出处、出版年】：

系统仿真学报，2007

【摘要】：

为了检测海杂波背景下的目标回波信号，提出了一种基于神经网络的目标检测方案。

设计径向基函数（RBF）网络对海杂波的混沌动力学特征进行学习和预测，并对预测误差作功率谱分析，可以检测出目标信号并提取其速度和距离信息。

应用实际参数在岸基和舰载雷达条件下的仿真结果表明该方法优于感知器门限分类检测和目标信息的二维FFT提取，检测相对误差控制在10-3~10-4量级。

仿真进一步给出了两种条件下的检测最低信噪比。

【关键词】：

目标检测；海杂波；神经网络；径向基函数；预测误差

4.激光雷达回波信号的混沌特性研究

【作者】：

平庆伟，夏桂芬，赵保军

【出处、出版年】：

系统工程与电子技术，2008

【摘要】：

应用混沌动力学方法分析和计算了激光雷达回波信号的混沌特征参数，包括关联维，Lyapunov指数及局部可预测性。

证明激光雷达回波信号具有有限的关联维，正的Lyapunov指数及短期可预测和长期不可预测的特点。

运用实测数据验证了激光雷达回波信号具有混沌特性，这一结论为激光雷达的目标检测开辟了新思路。

【关键词】：

激光雷达；混沌；关联维；Lyapunov指数；局部可预测性

5.基于时空混沌的海杂波背景下小目标检测

【作者】：

王福友，卢志忠，袁赣南

【出处、出版年】：

仪器仪表学报，2009

【摘要】：

近年来基于混沌理论对海杂波在时域内建模是比较好的工具，然而考虑到海面的电磁波散射是一个时空现象，提出将海杂波建模由原来的时域拓展到时空域建模，采用径向基耦合映像格子算法来重构海杂波的时空混沌动态特性，进而对嵌入在海杂波的小目标进行检测。

通过对带有小目标的海杂波实测数据进行处理，能够较准确地检测出小目标的位置，验证了算法的可行性。

此外，通过对实测海杂波数据处理，发现距离门含有小目标的海杂波回波幅值小于其他距离门不含有小目标的海杂波回波幅值，验证了海杂波与小目标的回波动态特性的不同。

【关键词】：

海杂波建模；小目标检测；电磁波散射；径向基耦合映像格子；时空混沌

6.海杂波背景下的GRNN小目标检测

【作者】：

卢宁，于才，唐伟

【出处、出版年】：

火控雷达技术，2012

【摘要】：

根据海杂波混沌特性，建立了其相空间重构模型，构造了广义回归神经网络（GRNN，Genera-lizedRegressionNeuralNetwork）目标检测器，并利用加拿大McMaster大学采用IPIX雷达在Dart-mouth地区海域实测带有目标的海杂波数据对此方法进行验证，结果表明：

在混沌海杂波背景下GRNN小目标检测法具有良好的预测性和时速性。

【关键词】：

混沌特性；GRNN；目标检测

7.基于选择性支持向量机集成的海杂波背景中的微弱信号检测

【作者】：

行鸿彦，祁峥东，徐伟

【出处、出版年】：

物理学报，2012

【摘要】：

基于复杂非线性系统相空间重构理论，提出了一种混沌背景中微弱信号检测的选择性支持向量机集成的方法，为了提高支持向量机集成的泛化能力，采用K均值聚类算法选择每簇中精度最高的子支持向量机进行集成，建立了混沌背景噪声的一步预测模型，从预测误差中检测湮没在混沌背景噪声中的微弱目标信号（包括周期信号和瞬态信号），最后分别以Lorenz系统和实测的IPIX雷达数据作为混沌背景噪声进行实验研究，结果表明该方法能够有效地将混沌背景噪声中极其微弱的信号检测出来，抑制噪声对混沌背景信号的影响，与神经网络和传统支持向量机方法相比，预测精度和检测门限方面的性能有显著提高。

【关键词】：

支持向量机；集成；海杂波；微弱信号检测

8.基于GRNN和时间窗方差滤波的海杂波抑制

【作者】：

毕井章，刘溶，周希辰

【出处、出版年】：

电讯技术，2014

【摘要】：

为实现对海杂波的抑制，根据海杂波混沌动态特性，利用广义回归神经网络（GRNN）进行海杂波预测再对消，最后引入时间窗方差滤波。

分析对McMaster大学IPIX雷达含目标实测数据的处理结果，原始数据信杂比小于等于0dB，只采用GRNN预测对消后信杂比提高但仍有短时海杂波尖峰的影响，经过方差滤波后短时尖峰基本消失，最终信杂比提高到约11.67dB。

故所提方法对海杂波有很好的抑制效果，能够检测出湮没在海杂波中的小目标。

【关键词】：

海杂波抑制；广义回归神经网络；时间窗；方差滤波；预测；对消

9.ChaoticRadarSignal-ProcessingOverTheSea（海上混沌雷达信号处理）

【作者】：

LEUNG,H.;LO,T.

【出处、出版年】：

IEEEJOURNALOFOCEANICENGINEERING,1993

【摘要】：

Radarbackscatterfromanoceansurface,commonlyreferredasseaclutter,hasalonghistoryofbeingmodeledasastochasticprocess.Inthispaper,wetakeadifferentviewpointindescribingseaclutter.Inparticular,wedemonstratethattherandomnatureofseacluttermaybeexplainedasachaoticphenomenon.Usingdifferentrealseaclutterdata,weuseacorrelationdimensionanalysistoshowthatseacluttercanbeembeddedinafinitedimensionalspace.Theresultofcorrelationdimensionanalysisisusedtoconstructaneuralnetworkpredictortoreconstructthedynamicsofseaclutter.Thedeterministicmodelsoobtainedisshowntobecapableofpredictingtheevolutionofseaclutter.Inaddition,thepredictiveanalysisisalsoappliedtoanalyzethedimensionofseaclutter.Usingneuralnetworkasanapproximationoftheunderlyingdynamicsofseaclutter,adynamic-baseddetectiontechniqueisintroducedandappliedtotheproblemofdetectionofgrowlers（smallfragmentsoficebergs）inseaclutter.Theperformanceofthisnewdetectionmethodisshowntobesuperiortothatofaconventionaldetectorfortherealdatasetsusedinthispaper.

摘要：

来自海洋表面的雷达回波信号，即海杂波，长期以来被建模为一个随机过程。

本文从不同的角度来描述海杂波，证明了海杂波的随机性可以解释为一种混沌现象。

对不同的实测海杂波数据进行关联维数分析，表明海杂波可以嵌入在有限维空间中。

关联维数分析结果用于建立一个神经网络预测器来重构海杂波的动力学。

这样得到的确定性模型能够预测海杂波的演化。

此外，预测分析也能用来分析海杂波的维度。

利用神经网络对海杂波的内在动力学的近似，动态检测技术也能应用于海杂波中的小碎片和冰山等的检测问题。

对于本文所用的实测数据，这种新的检测方法的性能优于传统的检测器。

【关键词】：

Adaptivedetection,chaos,correlationdimension,growlers,nonlinearprediction,radialbasisfunctionneuralnetwork,seaclutter.

关键词：

自适应检测，混沌，相关维，碎片，非线性预测，径向基神经网络，海杂波

10.ApplyingChaosToRadarDetectionInAnOceanEnvironment-AnExperimental-Study（基于混沌的海洋环境雷达目标检测的实验研究）

【作者】：

LEUNG,H.

【出处、出版年】：

IEEEJOURNALOFOCEANICENGINEERING,1995

【摘要】：

Shipnavigationthroughice-infestedwatersisaproblemofdeepconcerntotheoilexplorationindustryofNortherncountries.Conventionalmarineradarsdonotperformsatisfactorilyindetectingsmalltargetssuchassmallpiecesoficeberg.Thispaperreportsanewmethodfordetectioninanoceanenvironment.Theapproachisbasedontherecentobservationthatseaclutter,radarechoesfromtheseasurface,canbemodeledasanonlineardeterministicdynamicalsystem[1],[2]whichcanbeusedasanalternativetotheconventionalstochasticprocess.Basedonthismodel,detectioninseaclutterisconsideredasdynamicalsystemclassificationinsteadofstatisticalhypothesistesting.Twodynamicaldetectionmethodsareproposed.Thefirstoneusesadynamicalinvariantcalledtheattractordimensiontodistinguishatargetfromapureclutterprocess.Thesecondapproachtriestodetecttheexistenceofatargetbyobservingthe''difference''ofthemotionofthetargetandtheclutterprocess.Toshowthevalidityoftheideaofdynamicaldetectioninseaclutter,realseaclutter,andtargetdatawereusedinthisstudy.

摘要：

船舶在冰区航行对于北方国家的石油勘探行业是一个深切关注的问题。

传统的船用雷达对小目标如小块的冰山探测性能不佳。

本文介绍了在海洋环境中的新的检测方法。

该方法是基于海杂波的近期研究成果，海面的雷达回波可以建模为一个非线性确定性动力系统，并且可以用来替代传统的随机过程模型。

基于这个模型，海杂波中的目标检测可以看作是动力系统分类而不是统计假设检验。

本文提出了两种动态检测方法。

第一种是使用动力学性质不变，即利用吸引子的维数的不同来区分目标和一个纯粹的杂波过程。

第二种方法通过观察的目标和杂波运动差异的来检测目标的存在。

本文利用实测海杂波数据和目标数据，证明了基于海杂波动力学行为进行目标检测的想法的有效性。

11.Detectionofsignalsinchaos（混沌背景中的信号检测）

【作者】：

Haykin,S.;Xiao,B.L.

【出处、出版年】：

ProceedingsoftheIEEE,1995

【摘要】：

Inthispaper,wepresentanewmethodforthedetectionofsignalsin''noise,''whichisbasedonthepremisethatthe''noise''ischaoticwithatleastonepositiveLyapunovexponent.Themethodisnaturallyrootedinnonlineardynamicalsystemsandreliesonneuralnetworksforitsimplementation.

Wefirstpresentanintroductoryreviewofchaos.Thesubjectmatterselectedforthispartofthepaperiswrittenwithemphasisonexperimentalstudiesofchaosusingatimeseries.Specifically,wediscusstheissuesinvolvedinthereconstructionofchaoticdynamics,attractordimensions,andLyapunovexponents.WedescribeproceduresfortheestimationofthecorrelationdimensionandthelargestLyapunovexponent.Theneedforanadequatedatalengthisstressed.

Inthesecondpartofthepaperweapplythechaos-basedmethodtoadifficulttask:

Theradardetectionofasmalltargetinseaclutter.Tojustifytheapplicabilityofthenewmethodtothisproblem,weclearlyneedtoshowinaconvincingwaythatseaclutterisindeedtheresultofachaoticdynamicalsystem.Wedothisbypresentingtheresultsofadetailedexperimentalstudyusingsurface-truthedreal-lifedatacollectedbymeansofaninstrument-qualityradaratdifferentgeographiclocations.Specifically,weshowthat1）seaclutterhasafinitecorrelationdimension,2）themaximumLyapunovexponentofseaclutterispositive,and3）seaclutterislocallypredictable.Mostimportantly,weshowthatboththecorrelationdimensionandthelargestLyapunovexponentareessentiallyinvarianttothechoiceofradarsignalcomponentusedtoconstructthetimeseries,andthatthecorrelationdimensionandLyapunovexponentdonotappeartochangeappreciablywiths