施赛楠，姜 丽，李东宸，吴旭姿

（1.南京信息工程大学电子与信息工程学院，江苏南京 210044；2.中国船舶工业系统工程研究院，北京 100094；3.江苏开放大学信息工程学院，江苏南京 210036）

0 引 言

目前，海面小目标是海洋雷达探测的重点和难点对象，如小船、潜望镜、浮冰、蛙人、飞机残骸等［1-3］。这类小目标的弱回波被淹没在强杂波背景下，导致检测时信杂比（Signal-to-Clutter Ratio,SCR）很低，大大降低了检测概率。通常，需要采用长时累积技术，提高目标的信杂比。在秒级长时观测下，海杂波呈现出非平稳、非均匀的空时变性和重拖尾的强非高斯性，而小目标的幅度和多普勒偏移都不再保持恒定［4-5］。因此，海杂波和目标回波都难以建模为简单的参数化模型，这意味着很难发展基于杂波模型的最优或近最优检测方法。

在长时观测下，一种公认的有效途径是基于多维特征的检测方法，从不同域提取多个特征构建特征向量，进而将检测问题转换为分类问题。因此，该类方法的研究重点在于多域特征提取和特征空间中的分类器设计。在一维特征空间中，分类器简化为门限，研究主要在特征提取方面。典型的方法有基于分形的检测方法，提取Hurst 指数［6］、变换域的多尺度指数［7-8］、全维度特征［9］等。在三维特征空间中，发展了一系列以凸包学习算法为核心的单分类器，通过凸包的伸缩实现虚警控制。在文献［10］中，从时域和频域提取特征，构成了基于三特征的检测器，在高信杂比下性能显著提升。为了更加精细化描述频谱特性，文献［11］提出了基于时频三特征的检测器，适用于目标频偏落在主杂波带外。……