分数阶Fourier-WPT小波包动目标检测算法性能分析

本文主要探讨了基于小波包变换与分数阶Fourier变换（WPT-FRFT）的微弱动目标检测方法及其性能分析。面对杂波背景下的信号处理挑战，作者提出了一个创新的检测策略，该策略首先通过最小Shannon熵标准来选择最优的小波树，这一过程有助于减小噪声干扰并优化信号处理。接着，运用阈值删除技术对杂波背景参数进行精确估计，这一步骤对于区分目标信号和背景噪声至关重要。 算法的核心在于将信号从时间域转换到分数阶Fourier域（FRFT），这使得在频率选择性滤波方面更为高效。在FRFT域中，作者构建了动目标检测模型，通过似然比准则设计出检测器，这种方法能够有效地抑制杂波信号，使得在FRFT域内形成的检测统计量更易于识别目标的存在。通过门限比较，可以准确地判断信号的存在与否，即便在信噪比较低的环境下也能实现有效的动目标检测。 仿真结果展示了在高斯杂波和实际海洋杂波背景下的检测性能曲线，结果显示该算法的性能接近于经典的匹配滤波器，显示出其在复杂环境中稳定且有效的性能。这种基于WPT-FRFT的动目标检测方法为微弱信号在复杂背景中的检测提供了一种有效手段，特别是在低信噪比条件下，能显著提高动目标的检测概率和准确性，具有较高的实用价值和理论研究意义。