本發(fā)明涉及雜波抑制領(lǐng)域，具體涉及船載高頻地波雷達(dá)海雜波時(shí)域抑制方法。

背景技術(shù)：

對(duì)于高頻地波雷達(dá)來(lái)講，其主要作用就是檢測(cè)和跟蹤超視距的海面目標(biāo)和低空目標(biāo)，從而實(shí)現(xiàn)早期預(yù)警的作用。岸基高頻地波雷達(dá)主要作用在于海岸監(jiān)測(cè)和低空防衛(wèi)，隨著岸基高頻地波雷達(dá)發(fā)展成熟，船載高頻地波雷達(dá)繼承了岸基雷達(dá)一些特點(diǎn)，同樣也具備自身的優(yōu)勢(shì)，例如具備更好的機(jī)動(dòng)性和生存能力。然而隨著平臺(tái)的運(yùn)動(dòng)，它也面臨一些新的挑戰(zhàn)。最大的問(wèn)題是：平臺(tái)運(yùn)動(dòng)使得在岸基雷達(dá)中較窄的兩根一階海雜波譜線展寬明顯，當(dāng)平臺(tái)慢速運(yùn)動(dòng)時(shí)，兩根一階海雜波頻率譜線展寬成兩個(gè)通帶；當(dāng)平臺(tái)快速運(yùn)動(dòng)時(shí)，兩根一階海雜波頻率譜線融合成一個(gè)通帶。船載高頻地波雷達(dá)的主要探測(cè)目標(biāo)為海面上的艦船，這種目標(biāo)的速度相對(duì)較慢，對(duì)應(yīng)的多普勒頻率很可能位于展寬的一階海雜波頻譜之內(nèi)，而這種船目標(biāo)的檢測(cè)又相對(duì)困難。

傳統(tǒng)的船載高頻地波雷達(dá)信號(hào)處理方法是二維傅里葉變換加數(shù)字波束形成(FFT-DBF)，之后進(jìn)行目標(biāo)檢測(cè)，由于沒(méi)有經(jīng)過(guò)雜波抑制的過(guò)程，所以FT-DBF輸出信雜噪比較低，目標(biāo)檢測(cè)性能較差；而其他方法主要是先經(jīng)過(guò)海雜波抑制再進(jìn)行目標(biāo)檢測(cè)，輸出的信雜噪比有所提高，目標(biāo)檢測(cè)性能得到改善，但是卻增加了算法復(fù)雜度，耗費(fèi)了更多的計(jì)算時(shí)間。目前，海雜波抑制方面的研究比較有限。其中，正交投影算法OW是一種基于一階海雜波空時(shí)分布的比較有效的海雜波抑制方法。然而，當(dāng)目標(biāo)和一階海雜波位于同一波束主瓣之內(nèi)時(shí)，目標(biāo)增益將會(huì)損失；而船載平臺(tái)的雷達(dá)天線孔徑有限，方位分辨率較差，使得目標(biāo)和一階海雜波位于同一波束主瓣的情況普遍存在。斜投影算法OP的原理與OW類似，均是在空域進(jìn)行海雜波抑制，即通過(guò)在特定頻率海雜波的空間方位形成凹口實(shí)現(xiàn)的；OP的提出克服了正交投影存在目標(biāo)增益損失的這一缺陷，在特定的多普勒頻率位置，斜投影算法在空域一階海雜波位置形成的凹口更窄，解決了目標(biāo)增益損失的問(wèn)題。但是，當(dāng)一階海雜波和目標(biāo)的方位不在同一波束主瓣之內(nèi)時(shí)，相比OW，OP的海雜波抑制性能較差。傳統(tǒng)的空時(shí)自適應(yīng)處理方法是二維聯(lián)合處理方法，從算法原理上分析，海雜波抑制性能較OW和OP有很大改善，然而，其計(jì)算量相當(dāng)大。為了解決傳統(tǒng)空時(shí)自適應(yīng)處理算法計(jì)算量大的問(wèn)題，降維的空時(shí)自適應(yīng)處理算法JDL被提出，但是由于船載高頻地波雷達(dá)方位分辨率較差和雜波協(xié)方差矩陣估計(jì)誤差較大，所以特定方位的海雜波抑制性能依然是很有限的，而且目標(biāo)方位估計(jì)誤差大。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是為了克服傳統(tǒng)方法FFT-DBF輸出信雜噪比低，目標(biāo)檢測(cè)性能差的問(wèn)題，而提出船載高頻地波雷達(dá)海雜波時(shí)域抑制方法。

船載高頻地波雷達(dá)海雜波時(shí)域抑制方法具體過(guò)程為：

步驟一：利用不含船目標(biāo)的實(shí)測(cè)船載高頻地波雷達(dá)三維數(shù)據(jù)，針對(duì)待檢測(cè)距離單元，對(duì)陣元數(shù)據(jù)進(jìn)行數(shù)字波束形成(DBF)處理，得到不含有船目標(biāo)的待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)x_D；

所述高頻為3-30MHz；

步驟二：利用經(jīng)過(guò)步驟一得到的不含有船目標(biāo)的待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)對(duì)建立的RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；得到訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)；

RBF神經(jīng)網(wǎng)絡(luò)即徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)；

步驟三：根據(jù)含有船目標(biāo)的船載高頻地波雷達(dá)三維數(shù)據(jù)，利用已經(jīng)訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)對(duì)待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)進(jìn)行預(yù)測(cè)、對(duì)消，得到對(duì)消結(jié)果z'[k₀]；

步驟四：對(duì)對(duì)消結(jié)果z'[k₀]進(jìn)行處理，得到待檢測(cè)距離單元和方位的多普勒結(jié)果z'_fft。

本發(fā)明的有益效果為：

本發(fā)明提出了一種在時(shí)域進(jìn)行海雜波抑制的方法PCRBF，PCRBF使用的數(shù)據(jù)是三維的，第一維度代表天線陣元，第二維度代表時(shí)域數(shù)據(jù)，第三維度代表距離單元。PCRBF首先利用含有船目標(biāo)的船載高頻地波雷達(dá)三維數(shù)據(jù)，對(duì)待檢測(cè)距離單元數(shù)據(jù)進(jìn)行數(shù)字波束形成處理，得到待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)；然后利用已經(jīng)訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)對(duì)待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)進(jìn)行預(yù)測(cè)和對(duì)消；而后將對(duì)消結(jié)果進(jìn)行傅里葉變換得到待檢測(cè)距離單元和方位的頻域數(shù)據(jù)。

本發(fā)明是一種建立在RBF預(yù)測(cè)網(wǎng)絡(luò)之上的設(shè)計(jì)方法，相對(duì)于其它方法，該發(fā)明有以下幾點(diǎn)優(yōu)勢(shì)：第一，本發(fā)明時(shí)域預(yù)測(cè)對(duì)消方法PCRBF與現(xiàn)有技術(shù)二維傅里葉變換加數(shù)字波束形成FFT-DBF相比，本發(fā)明方法具有很好海雜波抑制效果，輸出信雜噪比提高了大約5dB，改善了目標(biāo)檢測(cè)性能；第二，本發(fā)明與正交投影方法OW、斜投影方法OP、和JDL相比，計(jì)算復(fù)雜度降低，需要較少的運(yùn)算時(shí)間。

附圖說(shuō)明

圖1為船載均勻線性陣列示意圖；

圖2為信號(hào)處理框圖；

圖3為RBF網(wǎng)絡(luò)框架圖；

圖4為FFT-DBF和PCRBF兩種算法的頻域性能比較示意圖，SCNR_out為輸出信雜噪比。

具體實(shí)施方式

具體實(shí)施方式一：本實(shí)施方式的船載高頻地波雷達(dá)海雜波時(shí)域抑制方法具體過(guò)程為：

步驟一：利用不含船目標(biāo)的實(shí)測(cè)船載高頻地波雷達(dá)三維數(shù)據(jù)，針對(duì)待檢測(cè)距離單元，對(duì)陣元數(shù)據(jù)進(jìn)行數(shù)字波束形成(DBF)處理，得到不含有船目標(biāo)的待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)x_D；

所述高頻為3-30MHz；

步驟二：利用經(jīng)過(guò)步驟一得到的不含有船目標(biāo)的待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)對(duì)建立的RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；得到訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)；

RBF神經(jīng)網(wǎng)絡(luò)即徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)；

步驟三：根據(jù)含有船目標(biāo)的船載高頻地波雷達(dá)三維數(shù)據(jù)，利用訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)對(duì)待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)進(jìn)行預(yù)測(cè)、對(duì)消，得到對(duì)消結(jié)果z′[k₀]；

步驟四：對(duì)對(duì)消結(jié)果z′[k₀]進(jìn)行處理，得到待檢測(cè)距離單元和方位的多普勒結(jié)果z'_fft。

具體實(shí)施方式二：本實(shí)施方式與具體實(shí)施方式一不同的是：所述步驟一中利用不含船目標(biāo)的實(shí)測(cè)船載高頻地波雷達(dá)三維數(shù)據(jù)，針對(duì)待檢測(cè)距離單元，對(duì)陣元數(shù)據(jù)進(jìn)行數(shù)字波束形成處理，得到不含有船目標(biāo)的待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)x_D；具體過(guò)程為：

船載高頻地波雷達(dá)一階海雜波的空時(shí)分布

船載均勻線性陣列天線示意圖如圖1，V_p代表雷達(dá)平臺(tái)運(yùn)動(dòng)速度，d代表相鄰的兩個(gè)天線陣元的距離，φ₀是雷達(dá)回波的入射方向和雷達(dá)平臺(tái)運(yùn)動(dòng)方向夾角。

理想條件下，一階海雜波空時(shí)分布如下：

f_d＝f_dpcosφ₀±f_B

其中，f_d是運(yùn)動(dòng)平臺(tái)和一階海雜波共同產(chǎn)生的多普勒頻率，f_dp＝2V_p/λ是運(yùn)動(dòng)平臺(tái)產(chǎn)生的多普勒頻率，λ是雷達(dá)波長(zhǎng)，是一階海雜波布拉格頻率，f_c代表載波頻率(MHz)。

時(shí)域海雜波抑制原理

對(duì)于PCRBF算法，針對(duì)待檢測(cè)距離單元的二維數(shù)據(jù)，雷達(dá)信號(hào)處理框圖如圖2。

對(duì)不含有船目標(biāo)的實(shí)測(cè)船載高頻地波雷達(dá)地波三維數(shù)據(jù)中第三維待檢測(cè)距離單元和第一維天線陣元n∈{1,2，...，N}，定義第二維時(shí)域數(shù)據(jù)x_n＝[x_n1…x_nM]^T；

其中N＝7是天線陣元個(gè)數(shù)，下標(biāo)n是天線陣元標(biāo)號(hào)，上標(biāo)T代表轉(zhuǎn)置，M是船載高頻地波雷達(dá)第二維時(shí)域數(shù)據(jù)長(zhǎng)度(即相參積累脈沖個(gè)數(shù))；

因此，不含有船目標(biāo)的實(shí)測(cè)船載高頻地波雷達(dá)待檢測(cè)距離單元的二維數(shù)據(jù)表示為：

X＝[x₁,x₂,…,x_N]^T (1)

對(duì)(1)進(jìn)行如下的數(shù)字波束形成處理，得到不含有船目標(biāo)的船載高頻地波雷達(dá)待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)；

其中，j²＝-1，j是虛數(shù)單位，φ₁是待檢測(cè)方位，x_D為不含有船目標(biāo)的船載高頻地波雷達(dá)待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)。

其它步驟及參數(shù)與具體實(shí)施方式一相同。

實(shí)施方式三：本實(shí)施方式與具體實(shí)施方式一或二不同的是：所述步驟二中利用經(jīng)過(guò)步驟一得到的不含有船目標(biāo)的待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)對(duì)建立的RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；得到訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)；具體過(guò)程為：

設(shè)定RBF神經(jīng)網(wǎng)絡(luò)輸入向量為[x_D[k],x_D[k+τ],…,x_D[k+(L-1)τ]]；

所述，x_D[k]是不含有船目標(biāo)的船載高頻地波雷達(dá)待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)x_D的第k個(gè)元素，其中k＝1,2,…,M-(L-1)τ-1；

不含有船目標(biāo)的RBF神經(jīng)網(wǎng)絡(luò)輸出向量為

所述，y[k₀]是x_D[k₀]的預(yù)測(cè)值，即不含有船目標(biāo)的RBF神經(jīng)網(wǎng)絡(luò)輸出數(shù)據(jù)；x_D[k₀]為真值，即不含有船目標(biāo)的船載高頻地波雷達(dá)待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)x_D的第k₀個(gè)元素；其中k₀＝k+(L-1)τ+1，i＝1,2,…,p，w_i為相應(yīng)的權(quán)值，p為中間層神經(jīng)元個(gè)數(shù)，為正整數(shù)；為徑向基函數(shù)(高斯函數(shù))；

由于k₀不斷變化，y是一個(gè)預(yù)測(cè)向量，目標(biāo)向量為[x_D[1+(L-1)τ+1],x_D[2+(L-1)τ+1],…,x_D[M]]，當(dāng)預(yù)測(cè)向量和目標(biāo)向量的均方誤差小于等于設(shè)定值時(shí)(例如0.01倍的x_D中元素的幅度平均值)，此刻得到的權(quán)值w_i作為最優(yōu)權(quán)值，即可得到訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)。

RBF神經(jīng)網(wǎng)絡(luò)被用作預(yù)測(cè)模型，RBF網(wǎng)絡(luò)框架如圖3。

說(shuō)明：x_D[k]是向量x_D的第k個(gè)元素，其中k＝1,2,…,M-(L-1)τ-1。兩個(gè)連續(xù)的輸入元素間隔為τ，每個(gè)輸入向量的元素個(gè)數(shù)為L(zhǎng)，徑向基函數(shù)為高斯函數(shù)其中i＝1,2,…,p，相應(yīng)的權(quán)值是w_i，中間層神經(jīng)元個(gè)數(shù)是p，網(wǎng)絡(luò)輸出是x_D[k₀]的預(yù)測(cè)值，其中k₀＝k+(L-1)τ+1。

實(shí)際應(yīng)用中，向量x_D是復(fù)向量，然而RBF神經(jīng)網(wǎng)絡(luò)的輸入向量是實(shí)向量，因此預(yù)測(cè)需要將實(shí)部和虛部分別進(jìn)行，之后將預(yù)測(cè)結(jié)果的實(shí)部和虛部進(jìn)行復(fù)數(shù)重構(gòu)。盡管神經(jīng)網(wǎng)絡(luò)是非線性的，但是只要實(shí)部和虛部預(yù)測(cè)誤差足夠小，將兩部分的預(yù)測(cè)結(jié)果進(jìn)行組合重構(gòu)是合理的。

利用不含船目標(biāo)的實(shí)測(cè)船載高頻地波雷達(dá)三維數(shù)據(jù)(相比其他噪聲，實(shí)測(cè)數(shù)據(jù)中海雜波必須占優(yōu))，經(jīng)過(guò)步驟一得到待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)，應(yīng)用此時(shí)域數(shù)據(jù)對(duì)步驟二中構(gòu)建的RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，具體過(guò)程為：

訓(xùn)練函數(shù)應(yīng)用MATLAB軟件工具箱中的newrb函數(shù)，用法為net＝newrb(p₀,t₀,goal,spread,m₀)，p₀代表圖3中的輸入向量，t₀代表輸出結(jié)果，訓(xùn)練網(wǎng)絡(luò)時(shí)，t₀的取值為x_D[k₀]，網(wǎng)絡(luò)訓(xùn)練需要達(dá)到的均方誤差水平goal取值為0.01倍的向量x_D各元素的平均幅度，中間層高斯函數(shù)展寬參數(shù)spread取值為100，中間層神經(jīng)元最大數(shù)目m₀取值為7。

其它步驟及參數(shù)與具體實(shí)施方式一或二相同。

實(shí)施方式四：本實(shí)施方式與具體實(shí)施方式一至三之一不同的是：所述步驟三中根據(jù)含有船目標(biāo)的船載高頻地波雷達(dá)三維數(shù)據(jù)，利用已經(jīng)訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)對(duì)待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)進(jìn)行預(yù)測(cè)、對(duì)消，得到對(duì)消結(jié)果z′[k₀]；具體過(guò)程為：

對(duì)含有船目標(biāo)的船載高頻地波雷達(dá)三維數(shù)據(jù)中第三維待檢測(cè)距離單元和第一維天線陣元n∈{1,2，…，N}，定義第二維時(shí)域數(shù)據(jù)x′_n＝[x′_n1…x′_nM]^T，

因此，含有船目標(biāo)的船載高頻地波雷達(dá)待檢測(cè)距離單元的二維數(shù)據(jù)表示為：

X′＝[x₁′,x′₂,…,x′_N]^T (3)

對(duì)(1)進(jìn)行如下的數(shù)字波束形成處理，得到含有船目標(biāo)的船載高頻地波雷達(dá)待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)；

其中，x′_D為含有船目標(biāo)的船載高頻地波雷達(dá)待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)，

利用已經(jīng)訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)對(duì)得到的待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)進(jìn)行預(yù)測(cè)和對(duì)消處理，具體過(guò)程為：

預(yù)測(cè)過(guò)程參照?qǐng)D3所示，含有船目標(biāo)的RBF神經(jīng)網(wǎng)絡(luò)輸出數(shù)據(jù)為預(yù)測(cè)結(jié)果，對(duì)消過(guò)程如下：

z′[k₀]＝x′_D[k₀]-y′[k₀] (5)

式中z′[k₀]為對(duì)消結(jié)果，y′[k₀]是含有船目標(biāo)的RBF神經(jīng)網(wǎng)絡(luò)輸出數(shù)據(jù)；x′_D[k₀]為含有船目標(biāo)的船載高頻地波雷達(dá)待檢測(cè)距離單元和方位的時(shí)域數(shù)據(jù)x′_D的第k₀個(gè)元素；

其它步驟及參數(shù)與具體實(shí)施方式一至三之一相同。

具體實(shí)施方式五：本實(shí)施方式與具體實(shí)施方式一至四之一不同的是：所述步驟四中對(duì)對(duì)消結(jié)果z′[k₀]進(jìn)行處理，得到待檢測(cè)距離單元和方位的多普勒結(jié)果z'_fft；具體過(guò)程為：

為了保持快速傅里葉變換FFT之后的頻率分辨率，向量z'中的前(L-1)τ+1個(gè)元素被賦予零值；快速傅里葉變換過(guò)程如下：

z'_fft＝FFT(z′) (6)

其中，z'_fft是待檢測(cè)距離單元和方位的多普勒結(jié)果，F(xiàn)FT是快速傅里葉變換符號(hào)。

其它步驟及參數(shù)與具體實(shí)施方式一至四之一相同。

具體實(shí)施方式六：本實(shí)施方式與具體實(shí)施方式一至五之一不同的是：所述是船載高頻地波雷達(dá)第二維時(shí)域數(shù)據(jù)長(zhǎng)度(即相參積累脈沖個(gè)數(shù))M取值為1024。

其它步驟及參數(shù)與具體實(shí)施方式一至五之一相同。

采用以下實(shí)施例驗(yàn)證本發(fā)明的有益效果：

實(shí)施例一：

本實(shí)施例船載高頻地波雷達(dá)海雜波時(shí)域抑制方法具體是按照以下步驟制備的：

為了實(shí)現(xiàn)海雜波抑制性能和計(jì)算復(fù)雜度之間的平衡，L的值設(shè)定為5，p的值取決于設(shè)定的均方誤差水平，為了實(shí)現(xiàn)輸入向量中相鄰元素之間的獨(dú)立性和相關(guān)性的折中，τ的值設(shè)定為4。本專利中用于訓(xùn)練RBF網(wǎng)絡(luò)的數(shù)據(jù)是不含船目標(biāo)的實(shí)測(cè)船載高頻地波雷達(dá)三維數(shù)據(jù)，用于目標(biāo)檢測(cè)的數(shù)據(jù)是通過(guò)向?qū)崪y(cè)的船載高頻地波雷達(dá)三維數(shù)據(jù)加入一個(gè)仿真船目標(biāo)得到的，在船目標(biāo)的仿真中不考慮船目標(biāo)回波強(qiáng)度隨距離的衰減，船目標(biāo)的仿真方法如下：

S(r)＝am[r]×a_s×S_st (7)

S_st＝s_s(φ_0t)×s_t(f_0t)^T (8)

a_s＝a_cn×10^SCNR/20 (11)

am＝FT(ph⊙h) (13)

其中，S是仿真船目標(biāo)最終需要的三維數(shù)據(jù)塊，am[r]是向量am中的第r個(gè)元素，a_s是所加船目標(biāo)的平均幅度，S_st是所加船目標(biāo)的空時(shí)導(dǎo)向矢量，f_0t和φ_0t分別是所加船目標(biāo)的頻率和方位。另外，T_r是脈沖重復(fù)間隔，a_cn是海雜波加噪聲的平均幅度，SCNR代表輸入的信雜噪比，am是在距離維進(jìn)行歸一化的復(fù)幅度，F(xiàn)T代表傅里葉變換，h是漢寧窗，ph是所加船目標(biāo)在距離維上的相位信息，⊙代表哈達(dá)瑪乘積，r₀是所加船目標(biāo)的距離單元，r_max是距離單元個(gè)數(shù)。

本專利中所用數(shù)據(jù)的參數(shù)如下：d是14m/s，T_r是0.26s，λ是56.786m，M是1024，N是7，r_max是256。實(shí)測(cè)的船載高頻地波雷達(dá)海雜波數(shù)據(jù)來(lái)自1998年進(jìn)行的船載雷達(dá)平臺(tái)試驗(yàn)，雷達(dá)平臺(tái)運(yùn)動(dòng)速度是5m/s。本專利使用的三維數(shù)據(jù)是將頻率和方位分別為-0.2044Hz和130°的仿真船目標(biāo)加到實(shí)測(cè)的船載高頻地波雷達(dá)三維數(shù)據(jù)的第17個(gè)距離單元而得到。

為了比較兩種算法的性能，我們利用輸出信雜噪比的概念，計(jì)算方法如式(15)：

其中，K是頻域數(shù)據(jù)長(zhǎng)度，A₀代表所關(guān)心位置的幅度，A_n代表所關(guān)心位置的周圍幅度。

實(shí)驗(yàn)中，加入仿真船目標(biāo)的信雜噪比SCNR為-15dB，F(xiàn)FT-DBF和PCRBF算法的多普勒結(jié)果如圖4，縱坐標(biāo)是歸一化幅度取dB。

利用式(15)計(jì)算算法的輸出信雜噪比SCNR_out，由圖4可以看出：FFT-DBF算法目標(biāo)位置為22.50dB，PCRBF算法目標(biāo)位置的輸出信雜噪比為27.05dB。如果門限設(shè)定為25dB，PCRBF算法能檢測(cè)到船目標(biāo)，而FFT-DBF算法不能；如果門限設(shè)定為13dB，兩種算法均能檢測(cè)到船目標(biāo)，但是此時(shí)FFT-DBF算法存在虛警，所以PCRBF算法能夠起到一定的海雜波抑制效果，性能較好。

本發(fā)明還可有其它多種實(shí)施例，在不背離本發(fā)明精神及其實(shí)質(zhì)的情況下，本領(lǐng)域技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。