1、海雜波是經(jīng)雷達(dá)發(fā)射信號照射后從海洋表面反向散射的回波，它的存在嚴(yán)重干擾了雷達(dá)對海面目標(biāo)的檢測和定位跟蹤性能，使得雷達(dá)在強(qiáng)海雜波背景和低虛警概率條件下發(fā)現(xiàn)目標(biāo)的能力大大受限，甚至無法識別目標(biāo).因此如果能夠在一定程度上消除或減少海雜波的干擾，將有可能提高海防預(yù)警雷達(dá)的目標(biāo)檢測性能.目前，海雜波抑制技術(shù)，包括海雜波建模和強(qiáng)海雜波背景下的海面目標(biāo)檢測技術(shù)，是當(dāng)前海面目標(biāo)檢測領(lǐng)域研究的重點和難點，對雷達(dá)系統(tǒng)設(shè)計、雷達(dá)信號處理和海面目標(biāo)檢測都有重要

2、的現(xiàn)實意義。
　　 本文采用小波神經(jīng)網(wǎng)絡(luò) WNN(Wavelet Neural Network)方法學(xué)習(xí)海雜波的內(nèi)在動力學(xué)特性，運用訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)對海雜波進(jìn)行預(yù)測和對消，取得了較好的雜波抑制效果。
　　 本文的主要研究內(nèi)容是：基于相空間重構(gòu)理論，分別運用相關(guān)維數(shù)確定法中的G-P(Grassberger-Procaecia)算法和自相關(guān)函數(shù)法確定嵌入維數(shù)m和嵌入延遲τ，從而得到了海雜波在重構(gòu)相空間中非線性系統(tǒng)狀態(tài)轉(zhuǎn)移

3、方程的一個樣本。通過建立WNN和誤差反向傳播網(wǎng)絡(luò)，即BP(Back Propagation)網(wǎng)絡(luò)兩種預(yù)測模型，獲得了帶有海雜波內(nèi)在動力學(xué)特性的預(yù)測方程。采用實測IPIX(Intelligent Pixel-Processing)雷達(dá)數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)參數(shù)訓(xùn)練，將訓(xùn)練好的網(wǎng)絡(luò)用來做單步預(yù)測。當(dāng)理想值與網(wǎng)絡(luò)實際輸出值之間的誤差達(dá)到指定精度要求時，該誤差成為小幅度信號，使得幅度較強(qiáng)的海雜波轉(zhuǎn)換成為幅度較弱的隨機(jī)噪聲信號，能較好地檢測出海雜波背景下的