使用MFXDFA技术进行雷达目标检测

图8.20（a）给出了基于MFXDFA-1分别计算＃54HH range 1（纯海杂波距离单元）与所有14个距离单元的数据得到的多重分形互相关谱。每个序列长度为N=217=131 072，s=［24，25，26，27，28，29，210，211，212，213，214］，|q|max=5，Δq=0.25，一共取41个不同q值。图8.20（b）和（c）给出了MFXDFA-1计算这14个距离单元与range 1的多重分形互相关特征Δα和Δf（α）参数，可以看到，Δf（α）能有效地将含有目标的海杂波距离单元与纯海杂波距离单元序列区分开来。

图8.20　基于MFXDFA-1方法的多重分形互相关谱及特征检测量分析

（a）基于MFXPF对＃54HH range 1（纯海杂波）与所有14个距离单元的MFCCA；（b）MFCCA的奇异性指数范围Δα；（c）Δf（α）(www.xing528.com)

上述分析验证了利用两个序列之间多重分形互相关特性进行目标检测的可行性。在这方面，文献［11］和［12］中提出了一种先利用QMSPF算法计算时间序列的多重分形谱，再分别用检测量Φ（α）和M（α）进行固定阈值目标检测的方法，文献［13］提出了一种先利用QMMSPF算法计算IPIX雷达数据之间的多重分形互相关谱，再用检测量Λ（α）进行固定阈值目标检测的方法。除了使用单个检测特征参量外，也可考虑采用几个检测量的组合，如（［Φ（α），Λ（α），M（α）］，［Δα，Δf（α）］），或者采用一个检测量取［α，f（α）］中多个特征点组合成特征向量结合SVM方法进行检测［14］，可以大大提高检测效果。