以无人机为代表的低慢小(Low,Slow and Small Targets,LSS)目标的检测在雷达探测中因杂波干扰而面临巨大挑战。为了解决低慢小目标杂波抑制问题,本文提出了一种将鲸鱼优化算法(Whale Optimization Algorithm,WOA)与变分模态分解(Variati...以无人机为代表的低慢小(Low,Slow and Small Targets,LSS)目标的检测在雷达探测中因杂波干扰而面临巨大挑战。为了解决低慢小目标杂波抑制问题,本文提出了一种将鲸鱼优化算法(Whale Optimization Algorithm,WOA)与变分模态分解(Variational Mode Decomposition,VMD)相结合的方法,该算法用WOA优化VMD的分解参数,以实现最佳的模态分离效果,有效分离出目标信号与杂波信号。实验结果表明,WOA-VMD方法在复杂环境下能够显著提升低慢小目标的检测概率,计算简单且误差较小,可以对多个目标以及不同多普勒频率大小的目标进行处理,优于传统的杂波抑制方法。展开更多
文摘以无人机为代表的低慢小(Low,Slow and Small Targets,LSS)目标的检测在雷达探测中因杂波干扰而面临巨大挑战。为了解决低慢小目标杂波抑制问题,本文提出了一种将鲸鱼优化算法(Whale Optimization Algorithm,WOA)与变分模态分解(Variational Mode Decomposition,VMD)相结合的方法,该算法用WOA优化VMD的分解参数,以实现最佳的模态分离效果,有效分离出目标信号与杂波信号。实验结果表明,WOA-VMD方法在复杂环境下能够显著提升低慢小目标的检测概率,计算简单且误差较小,可以对多个目标以及不同多普勒频率大小的目标进行处理,优于传统的杂波抑制方法。
