卢宁于才唐伟

(电子科技大学 成都 611731)

1 引言

海杂波［1］是指来自海洋表面雷达反射回波。在传统情况下，海杂波一直被认为是随机信号，并用统计模型来拟合，用统计判决理论来研究和处理。但是，海浪是一个自然存在的物体，有其存在的物理环境和形成海浪的力学结构，海浪的这些特性必定通过电磁波回波即海杂波反映出来。所以无论是基于高斯分布还是韦伯尔等分布建立的海杂波信号的统计模型，适用范围有限，都不能很好的反映海杂波本质。

S.Haykin［2］等人通过对精密测量的雷达海杂波数据反复研究，得出海杂波具有混沌特性［3，4］，具有实际的可预测性。

而基于GRNN(广义回归神经网络)具有良好的预测性和时速性等优点，可以先利用Takens嵌入式定理对海杂波相空间重构，再采用GRNN法进行目标检测，通过加拿大 McMaster大学采用的 IPIX雷达在Dartmouth地区海域实测数据［5］的验证，此方法确实可行，有良好的效果。GRNN小目标检测法总流程图如图1所示。

图1 GRNN小目标检测法总方案流程图

2 相空间重构模型

海杂波相空间重构目的是将一维时间序列重构到多维空间中以便于分析。

1981年，Takens提出了 Takens嵌入式定理从理论上证明了从单变量序列重构混沌奇异吸引子相空间的可行性。

由于数值微分是一个对误差相当敏感的计算问题，在此采用坐标延迟的相空间重构法，其本质是通过一维时间序列重构到m维相空间矢量:

式中:m为计算嵌入维数;τ为计算延迟时间。

坐标延迟相空间重构主要步骤［6］: